PACT-VLA：免训练的动作块验证框架提升异步推理成功率

Yixiang Zhu 等提出训练免费的 PACT-VLA 框架，在异步推理下用提交前观测为候选动作块打分并选出最匹配的一个，无需独立验证器。其打分函数 FlowRes 衡量候选隐含流方向与冻结策略在该观测下预测速度的残差；流水线实现让观测处理与候选生成重叠、打分批量进行，在所评测硬件上选择不增加控制步延迟。 论文报告的效果：在四步延迟下，PACT-VLA 在 Kinetix 上比 RTC 平均成功率高 15.0 个百分点，在 LIBERO 上用 GR00T N1.7 比单候选异步执行高 5.2 个百分点，并进一步改进已有延迟鲁棒方法；在三个真机任务上，用同一冻结 π0.5 检查点，把平均成功率从朴素异步执行的 60% 提升到 82%。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。