rMuscle用跨执行相似性缓存加速VLA推理，报告1.29–1.42倍提速。
资讯摘要
论文提出rMuscle，一个受人类肌肉记忆启发的实时VLA推理框架。作者先分析具身工作负载，发现重复执行任务在观测、动作轨迹乃至模型内部状态上存在显著相似性；据此设计双阶段缓存：Context Cache复用视觉token输出以减少计算，Action Cache复用神经元激活模式以减少权重访问，并通过在线缓存重算、滑动窗口检索和连续去噪步掩码共享控制开销。作者报告在RTX 4090与Jetson Thor上、LIBERO、RoboTwin及真实操作任务中取得1.29–1.42倍加速，且真实机器人成功率不变。
要点速读
- 作者观察到重复机器人执行在观测、动作轨迹和模型内部状态上存在相似性，并据此设计Context Cache与Action Cache双阶段缓存。
- 通过在线缓存重算、滑动窗口缓存检索和连续去噪步掩码共享，降低缓存内存占用与访问开销。
- 作者报告在RTX 4090和Jetson Thor上、LIBERO、RoboTwin及物理操作任务中实现1.29–1.42倍加速，真实机器人成功率保持原水平。
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。