VLA inference efficiencyFortgeschritten
FastVLA: aufgabenabhängige, zeitlich adaptive Kompression visueller Tokens für VLA-Modelle
Robotermodelle, die Kamerabilder und Sprache verarbeiten, verbrauchen den Großteil ihrer Rechenleistung für Bildtokens, die sie nicht brauchen. Dieses Preprint streicht sie Schritt für Schritt ohne Nachtraining und macht einen realen Franka-Arm rund 25 Prozent schneller bei nahezu gleicher Erfolgsquote.