Realtime-VLA FLASH：基于扩散的 VLA 的推测推理框架

基于扩散的视觉语言动作模型（dVLA）在体现智能方面很有前景，但由于完全推理的高延迟，在实时部署方面从根本上受到限制。我们提出了 Realtime-VLA FLASH，这是一种推测性推理框架，通过引入轻量级草稿模型，通过主模型的 Action Expert 进行并行验证，并在需要时恢复到完整推理管道的阶段感知回退机制，消除了重新规划期间的大多数完整推理调用。这种设计可实现低延迟、高频率的重新规划，而不会牺牲可靠性。实验表明，在 LIBERO 上，FLASH 通过将许多 58.0 毫秒的完整推理回合替换为快至 7.8 毫秒的推测回合，将任务级平均推理延迟降低至 19.1 毫秒（加速 3.04 倍），从而在很大程度上保留了任务性能。我们还展示了现实世界中传送带分拣的有效性，强调了其对延迟关键的具体任务的实际影响。