低频VLM缓存加高频动作专家，缩小异步部署的陈旧性差距。
资讯摘要
论文提出Leap-VLA，将视觉语言动作模型解耦：VLM作为低频语义锚点，其缓存上下文跨控制步复用；流匹配动作专家以高频运行，结合紧凑编码器提供的新鲜视觉流，并用缓存年龄τ通过自适应层归一化调节专家。训练显式覆盖缓存年龄函数。作者报告在LIBERO-Spatial上2秒语义刷新时成功率从61.4%升至95.5%，1秒时95.9%；四个LIBERO套件平均1秒刷新95.2%、2秒94.5%，对照96.3%。另提出无梯度的soft-nudge块边界校正，零额外延迟下重规划保持97.1%。
要点速读
- VLM低频运行并复用缓存语义，流匹配动作专家高频控制，缓存年龄经自适应层归一化注入专家。
- 作者报告LIBERO-Spatial在2秒刷新下成功率61.4%升至95.5%，1秒为95.9%，距频率匹配锚点1.6个百分点。
- soft-nudge为无自动微分的实时分块引导重写，零额外延迟下每控制步重规划保持97.1%。
中文摘要由 AI 根据公开来源生成，可能存在理解偏差；具体能力、数字、开放时间等信息请以原文为准。
采集于 2026/11/4 08:00:28（北京时间）。 arXiv 日期为本次公告时间，论文初次投稿日期请查看原文版本记录。