efficient inference for vision-language-action robot policiesFortgeschritten
Fast-VLA: Huawei lässt das große Modell nur einmal pro Aufgabe nachdenken
Huawei-Forscher führen ihr Vision-Language-Modell mit 4 Mrd. Parametern nur zu Beginn einer Aufgabe aus; jede weitere Bewegung übernimmt ein kleines Netz, das auf diesen eingefrorenen Speicher zugreift. In Simulationsbenchmarks bleibt die Erfolgsquote nahe an der Spitze, die Rechenzeit pro Steuerschritt sinkt um das 10,9- bis 17,1-Fache.