浙大 VLA-Rolling 复用被丢弃的动作尾部，降低推理成本并提升成功率
OmniAI-ZJU · hf · 2026-10-21
浙江大学 OmniAI 组的 VLA-Rolling 针对流匹配 VLA 模型的 receding-horizon 范式：每个动作块仅执行短前缀便重新规划，剩余的「动作尾部」被丢弃。论文发现该尾部保留了可迁移的去噪进度，用其初始化可用更少去噪步数匹敌甚至超过原生 10 步高斯基线。
- 框架分三阶段：动作尾部继承、逐动作置信度估计、置信度引导的再噪/去噪预算分配，底层 VLA 模型保持冻结
- 最优去噪预算因样本而异，应随更新后的观测自适应调整
- 在 SmolVLA、X-VLA、MolmoAct2 及 LIBERO、MetaWorld、RoboTwin 2.0 等 16 个模型-基准组合上均降低动作块推理成本并提升成功率
「具身」频道最新
- Video-Point Model 用 3D 点轨迹预测学习 4D 世界模型 — Byungwoo Jeon · 2026-10-21
- 日本铁路维护用上巨型机器人，画面略显惊悚 — CurieuxExplorer · 2026-10-21
- AI 抢走内存：微软下代 Xbox 预计 2028 年卖 1200-1800 美元 — aakashgupta · 2026-10-21
- 自制机器人加装卡盘适配器，创客晒硬件改造 — _Stocko_ · 2026-10-21
- Phonon TTS 管线登陆 GenieX，语音合成跑上 NPU — HowDevelop · 2026-10-21
- Ropedia 开源 W0 世界模型：1万小时人类视频训练，零机器人数据即超基线 — liuziwei7 · 2026-10-21