VLALagBench：VLA推理延迟对任务成功率的影响

Qi Wen等作者提出VLALagBench基准，用于研究VLA（视觉-语言-动作模型）推理延迟在不同任务类型、物体速度、同步与异步执行模式及不同VLA策略下的敏感度。作者称，仅100毫秒的推理延迟就可能使移动目标上的任务成功率接近减半，且敏感度随任务和策略差异明显。 作者称，异步执行通过将推理与动作执行重叠，可挽回部分损失的成功率，但代价是需要更频繁的推理请求。作者据此构建经验模型，用少量校准数据预测任务成功率，在各VLA策略上均方根预测误差为5.7%至7.8%，可依据推理系统延迟与单机器人吞吐量指导VLA算法配置选择。 该工作为arXiv预印本，尚未经同行评议；代码作者称将发布。上述成功率与误差数据均出自作者自述，未经独立验证。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。