低成本智能农业操作中视觉-语言-动作模型推理的线程优化

视觉语言动作（VLA）模型继续面临推理速度慢和难以执行细粒度运动调整等挑战，限制了其在行业中的广泛采用。虽然实时动作分块 (RTAC) 算法已被提出来解决这些瓶颈，但弥合伪代码中提供的算法与低成本机械臂上稳定的实际部署之间的差距仍然是一个挑战。在这项工作中，我们提出了专为低成本机器人操纵系统定制的 RTAC 的完整系统级实现。我们通过优化策略推理和控制管道的线程实现，在不修改底层策略的情况下减少端到端延迟并提高响应能力，超越了原始的高级伪代码。我们在涉及农产品（特别是大蒜球茎和核桃）操作的任务上评估该系统。实验结果表明，与 RTAC 的基本实现相比，我们的自定义线程实现显着提高了控制稳定性和速度。