TurboVLA：消费级显卡实现 32Hz 机器人实时控制
H-EmbodVis · hf · 2026-07-30
现有的视觉-语言-动作（VLA）模型通常以大语言模型（LLM）为中心，将视觉观测投射到语言空间后再解码为动作，这带来了巨大的计算和内存开销。
研究团队提出了 TurboVLA，将传统的“视觉→语言→动作”路径重构为直接的“视觉+语言→动作”映射。该架构独立编码视觉和语言指令，通过轻量级的双向交互生成连续的动作块，大幅降低了推理成本。
在 LIBERO 基准测试中，TurboVLA 仅用 0.2B 参数，就在消费级 RTX 4090 显卡上实现了 97.7% 的平均成功率。其推理延迟仅为 31.2 毫秒（32 Hz），显存占用不到 1GB，性能媲美甚至超越了参数量大得多的主流 VLA 策略。
所属事件:TurboVLA 模型重构推理路径，消费级显卡实现高频机器人控制(2 条相关)→
「具身」频道最新
- 伯克利团队用扩散模型直接采样机器人策略权重，Unitree G1 真机走跑起舞 — berkeley_ai · 2026-10-16
- HKU 等提出 OneWM：统一因果训练让世界模型与动作学习互相增益 — IAAI233 · 2026-10-16
- 特斯拉悬停跑车被指非飞行汽车：气罐撑不了多久 — tinyfool · 2026-10-16
- Scobleizer 转述：Optimus 实机比空中翻转的新 Roadster 更震撼 — Scobleizer · 2026-10-16
- 独立开发者的 AI PASSPORT 固件几天下载破 1200 次 — ezshine · 2026-10-16
- 1X 开设加州工厂，批量量产 NEO 人形机器人 — emmanuelvivier · 2026-10-16