SpecPrune-VLA：免训练剪枝加速VLA推理

Hanzhen Wang等作者提出免训练的两级剪枝方法SpecPrune-VLA，用于加速视觉-语言-动作（VLA）模型推理。作者称，已有加速方法只利用当前动作步的局部信息、忽略全局上下文，部分场景成功率下降超过20%且加速有限；他们利用连续步输入图像高度相似这一时空一致性，把token选择与全局上下文结合。方法包括动作级静态剪枝、层级动态剪枝，以及按末端执行器速度调整剪枝强度的轻量动作感知控制器。 作者报告，在LIBERO仿真中最高加速1.57倍、真实世界任务中最高1.70倍，成功率下降可忽略；该论文已被ICML 2026接收。上述加速与成功率结果均为作者自述，尚待独立验证。

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。