APS-VLA:动作引导的未来感知视觉Token剪枝
APS-VLA: Action-Guided and Future-Aware Token Pruning for Efficient Vision-Language-Action Models
AI 摘要
Xiaoyang Xing 等人提出 APS-VLA,在冻结预训练 VLA 主干的前提下,用轻量决策影响估计器依据视觉观测、语言指令与机器人本体状态为视觉 token 打分;训练时同时使用动作监督和辅助视觉重建信号,实现动作引导、面向未来状态的 token 剪枝,缓解密集视觉 token 造成的推理延迟,同时保持动作生成的可靠性。
标题与摘要由 AI 根据原文自动生成,可能存在偏差;具体数据与结论请以原文为准。