技术报告：GR00T N1.7 一步式漂移动作头

一步动作生成可以大大降低视觉-语言-动作（VLA）策略的推理成本，但其对闭环任务成功的影响仍然是一个悬而未决的问题。本技术报告研究了 GR00T N1.7 变体，其中迭代扩散Transformer动作头被单步漂移动作头取代，以及用于异步块替换的重叠条件扩展。所有多种子漂移运行均在两个 NVIDIA A800 GPU 上进行训练。在 LIBERO 上，动作头将动作头的平均模型转发时间从大约 $45.3\,\mathrm{ms}$ 减少到 $5.0\,\mathrm{ms}$，而测量的骨干加头时间从大约 $70.0\,\mathrm{ms}$ 下降到 $30.6\,\mathrm{ms}$。然而，这种加速伴随着任务成功率的系统性降低。在三个漂流种子中，LIBERO-Spatial 的成功率为 $64.0\pm4.0\%$，LIBERO-Goal 的成功率为 $52.0\pm1.0\%$，LIBERO-Long 的成功率为 $26.0\pm2.6\%$。低种子方差表明退化不能仅用随机初始化来解释。我们将结果报告为速度与成功的权衡，而不是整体改进，并讨论了可能的影响因素，包括确定性单步模式平均、依赖于批次的几何估计、长开环块执行，以及同步 LIBERO 评估不执行异步重叠路径的事实。