Fast-VLA：大模型每个任务只"想"一次，华为提出VLA推理加速方案

VLA策略是否必须在每个动作块都重新运行大型骨干网络，还是可以只理解一次任务、再由轻量控制器保持响应？

多数VLA在任务基本不变的情况下，每次预测新动作都要用数十亿参数模型重新编码图像和指令，导致控制慢、显存占用高，难以部署在机器人端侧芯片上。

已有加速方法如pi0-FAST分词或更快的世界-动作模型，改变了动作表示或生成流程，但仍在每一步重新计算任务上下文。

冻结的4B VLM把指令和初始多视角画面一次性编码为多层键值任务记忆。执行时，小型在线执行器结合学习到的时间与机械臂索引、实时图像和关节状态生成查询，从记忆中检索上下文，每块输出50个绝对关节指令，无需再调用VLM。

RoboTwin 2.0干净与随机设置下成功率分别为92.46%和92.40%，LIBERO为95.95%，LIBERO-Plus为79.11%。RoboTwin上单步摊销推理1.437毫秒（一次性预填充108.87毫秒后每块44.87毫秒），常驻内存1.22GiB；与平均成功率不低于90%的基线相比至少快10.9倍，比DM0.5低1.02个百分点但快11.2倍。在LIBERO-Plus上比pi0.5低6.59个百分点，比DM0.5低6.79个百分点。

论文为预印本，全部结果来自仿真，未报告真机实验。任务记忆在整个回合中固定，作者承认无法处理中途改变目标或新增指令。预填充阶段峰值内存仍约12GiB，端侧优势仅体现在执行阶段。