FastVLA视觉token压缩框架被WACV 2027接收

FastVLA作者团队提出一种免训练、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，该工作被WACV 2027接收。 该框架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。作者在OpenVLA、OpenVLA-OFT和CogACT上，跨LIBERO和SIMPLER仿真环境以及一台实体Franka Research 3机器人进行了评估：仿真中LLM主干FLOPs降低35-59%、动作延迟降低9-32%（1.09×-1.46×加速）且任务成功率保持不变；实体机器人上动作预测延迟降低20%（1.25×加速），成功率相当。

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。