Nvidia 推出 TacitVLA：隐式推理让 VLA 延迟降 3.4 倍不损性能
nvidia · hf · 2026-10-14
Nvidia 发布 TacitVLA，一种无需承担推理延迟的推理型视觉-语言-动作（VLA）模型。核心发现是：动作执行不必等待或依赖自回归生成的推理文本，因为推理监督本身已改善了骨干网络的表达能力。架构上，动作专家（flow matching）从不 attend 当前生成的推理文本；在需要情景记忆的长时程任务中，推理条目可在动作执行期间生成而非事前完成。
在覆盖操作与自动驾驶的四项基准对照实验中（RoboMME、RMBench、LIBERO、PhysicalAI-AV）：
- 四项基准上与显式推理版本性能持平，延迟最高降低 3.4 倍；
- 与无推理训练的同架构相比，成功率最高提升 17.1%；
- 绝对成绩上，RoboMME Counting 套件 82.7%（前最佳 66.8%）、RMBench 77.5%（前最佳 56.5%）、LIBERO-Plus 72.9%、PhysicalAI-AV 闭环驾驶公开集 52.5% 场景分。
项目页：tacitvla.github.io
「具身」频道最新
- 南洋理工 COAP 论文:让代码而非 LLM 待在机器人控制回路,42 项双臂任务成功率 75% — liuziwei7 · 2026-10-14
- WAVE-0 用 257M 轻量世界模型增强 VLA,真实任务成功率 38.3%→73.3% — Haomin Wang · 2026-10-14
- 机器人叠桌布的修复循环:规则函数+学习策略+显式成功检查 — arankomatsuzaki · 2026-10-14
- AI 眼镜完全封闭第三方应用,手机投射成了唯一变通 — alexisgallagher · 2026-10-14
- AMD 机器人总监访谈:人形机器人如何在重工业环境可靠运行 — sankaet · 2026-10-14
- 100 小时视觉-动作-触觉数据集 EgoExplorer 助力人形机器人学习 — InternRobotics · 2026-10-14