英伟达TacitVLA：动作不等推理文本，延迟降3.4倍成功率不掉
机器之心 · wechat · 2026-11-08
来自英伟达、NYU、UC伯克利、JHU和斯坦福的团队提出 TacitVLA：模型仍被训练去写推理文本，但动作头不读取当前这一步刚写出的推理——推理的价值通过训练塑造backbone传递给动作，而非作为动作的输入。论文：arxiv.org/abs/2610.17540
核心发现：
- 显式推理VLA中，逐token生成推理文本最多占单次调用耗时70%
- 推理的收益来自「学习写推理」这一训练过程，读取当步推理只会变慢、不会更准
- 只需改attention mask让action expert看不到推理token，任何同结构推理VLA都能改造，无需额外模型或调度器
结果：
- 四个benchmark（机器人操作+自动驾驶）上成功率与显式推理相当，延迟最多降3.4倍（LIBERO：147ms vs 495ms）
- 记忆任务刷新SOTA：RMBench平均77.5%（此前最好56.5%），RoboMME计数任务82.7%（此前66.8%）
- PressButton任务：NoReasoning成功率仅7.7%，TacitVLA达74.3%——日志在动作执行期间写入，零额外延迟
- AlpaSim驾驶测试52.5分，接近四摄10B的Alpamayo-R1，但参数量和摄像头数均不到其一半
「具身」频道最新
- MIT 与哈佛团队发布 T-WLA：触觉修正视觉策略，MPJPE 降 30% — ceciletamura · 2026-11-08
- 特斯拉 Cybercab奥斯汀曝光率创新高:每千张抓拍达 43.9 次 — mitchdeg · 2026-11-08
- Reddit 热议：别再 vibe coding 了，用 ChatGPT 做硬件是新蓝海？ — themegapint · 2026-11-08
- Cybercab 将进一步降本，被称为成本最低的自动驾驶方案 — mitchdeg · 2026-11-08
- MagicLab 人形机器人方阵备战 CoRL2026，场面壮观 — DJiafei · 2026-11-08
- CoRL 2026 售罄：2094 篇投稿创新高，李飞飞与苏姿丰对谈 — PeterStone_TX · 2026-11-08