arXiv cs.RO· Jiuyi Xu, Chengyuan Qian, Zhengzhong Tu, Yang Sui, Yangming Shi·· 3 小时前AI 评分60
FastVLA：面向视觉-语言-动作模型的任务条件化时变视觉token压缩
FastVLA: Task-Conditioned and Temporally Adaptive Visual Token Compression for Efficient Vision-Language-Action Models
AI 导读
FastVLA 提出一种免训练、任务感知且时间自适应的视觉 token 压缩框架，用于提升视觉-语言-动作（VLA）模型的闭环推理效率。它通过任务到视觉的注意力为 token 打分，并依据重要性分布的均匀性（用逆 Simpson 指数和在线滑动窗口校准）自适应设置压缩率。
来源：arXiv cs.RO · arxiv.org