TurboVLA：0.2B 参数在 RTX 4090 上实现 32Hz 机器人推理
_akhaliq · x · 2026-07-31
现有的视觉-语言-动作（VLA）模型通常采用以大语言模型为中心的 V→L→A 路径，导致每次推理的计算和内存开销巨大。
论文提出 TurboVLA，将传统路径重构为直接的 V+L→A 映射。它不再使用 LLM 作为感知和动作的中间接口，而是独立编码视觉和语言指令，通过轻量级的双向交互直接预测连续动作块。
在 LIBERO 基准上，TurboVLA 仅用 0.2B 参数，在消费级 RTX 4090 上实现了 97.7% 的平均成功率，推理延迟仅 31.2 毫秒，显存占用不到 1GB，性能媲美甚至超越参数量庞大的 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
- 自动驾驶团队演示窄路僵局：车辆学会倒车让行，并自制机械臂换挡测试 — sanjeevs_iitr · 2026-10-16
- The Verge 实测 Surface Laptop Ultra:5900 美元的 AI 未来还不够成熟 — tomwarren · 2026-10-16
- Waymo 进军多伦多，目标 2028 年正式载客运营 — CSProfKGD · 2026-10-16
- 马斯克晒 Cybertruck 悬浮飞行画面：说好的飞行汽车来了 — XFreeze · 2026-10-16
- 宇树春晚机器人表演商业化，推出 UniUni 集群编排系统 — CyberRobooo · 2026-10-16
- 斯洛伐克获批特斯拉 FSD 监督版,成欧洲第 9 个国家 — XFreeze · 2026-10-16