PaceVLA：视觉-语言-动作模型中的自适应时间动作量化

PaceVLA 用自适应时间动作量化加速 VLA 执行并保持成功率。

资讯摘要

论文提出 PaceVLA，针对视觉-语言-动作（VLA）模型执行时间效率低的问题，将连续低层动作聚合为更粗粒度动作以加速执行，但固定量化会带来速度与精度的权衡。该框架包含基于共享动作专家的多粒度动作解码器，以及判断粗粒度执行是否合适的可量化性引导模式选择与上下文条件路由器。作者报告在三个多任务仿真基准和六个真实任务上，PaceVLA 在多种本体上提升执行效率并保持任务成功率。

要点速读

1. 论文指出 VLA 策略从遥操作演示中学习细粒度时间模式，需要较多低层动作步骤，导致执行时间效率低。
2. PaceVLA 由多时间粒度、多预测视野的模式专用动作解码器，以及可量化性引导的模式选择与上下文条件路由器组成。
3. 作者报告在三个多任务仿真基准和六个真实任务上，该方法在多种本体（含长程与灵巧操作）中提升效率并保持成功率。

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 2026/10/23 08:00:11（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。