面向高效视觉-语言-动作策略的角色条件化子词元路由

英文标题：Role-Conditioned Sub-Token Routing for Efficient Vision-Language-Action Policies

该论文提出一种面向 Vision-Language-Action（VLA）策略的角色条件化子词元路由方法，旨在降低长多模态词元序列带来的推理内存与计算成本。论文指出，现有高效化方法主要削减视觉词元，但过于激进的词元剪枝容易变得脆弱。该方法聚焦于根据词元角色进行更细粒度的路由与计算分配，为开发者构建更高效的机器人与具身智能 VLA 模型提供了新的优化方向。该论文以 arXiv:2608.18410v1 的新稿形式发布。

2.1 KB 483 B 612 B 380 B 9.1 KB 32.7 KB 22.8 KB 24.2 KB 34.7 KB