精选理由
这篇论文用缓存中间动作的思路让VLA模型推理快11到34倍，而且不用重新训练，机器人实时控制场景很实用。
论文提出ActionCache，一种即插即用的外部缓存，用于加速基于流匹配的视觉-语言-动作（VLA）模型推理。ActionCache通过存储紧凑多模态键的中期动作，从相似过往上下文（跨不同回合甚至任务）中检索来预热生成，减少迭代去噪步骤。在仿真和真实环境实验中，ActionCache在低延迟下保持高任务成功率，对π₀.₅和GR00T-N1.6分别实现高达11.75倍和34.43倍的推理加速。
AI 翻译 · 中文
论文提出ActionCache，一种即插即用的外部缓存，用于加速基于流匹配的视觉-语言-动作（VLA）模型推理。ActionCache通过存储紧凑多模态键的中期动作，从相似过往上下文（跨不同回合甚至任务）中检索来预热生成，减少迭代去噪步骤。在仿真和真实环境实验中，ActionCache在低延迟下保持高任务成功率，对π₀.₅和GR00T-N1.6分别实现高达11.75倍和34.43倍的推理加速。
Vision-Language-Action (VLA) models have emerged as a promising approach for generalizable robotic manipulations. In particular, flow matching-based VLA models have shown remarkable success due to their capability to gen…