ActPrune：免训练动作引导视觉token剪枝
热点事件持续更新
ActPrune：免训练动作引导视觉token剪枝
1 篇报道1 个报道来源15 小时前更新
先了解这件事
AI 综述
Sungwon Moon等作者提出免训练视觉token剪枝方法ActPrune，用于视觉-语言-动作（VLA）模型。它把剪枝决策提前到视觉编码器之前，以上一控制步已预测出的动作块作为几何先验：该动作块在编码当前观测前就已可用，并给出相邻观测间的末端执行器与相机运动。 具体做法是：在固定第三人称视角下，保留末端执行器轨迹投影附近的图像块与语义锚点；在腕部视角下，剪除补偿动作引起的相机运动后仍不变的图像块。 作者称，在LIBERO、VLABench两个仿真环境和四项真实机器人任务上，该方法最高实现1.61倍加速、减少59.5% FLOPs，成功率下降可忽略。
AI 根据报道生成 · 15 小时前更新
最新进展11月9日 13:00
ActPrune：面向高效视觉-语言-动作模型的动作引导视觉 token 剪枝报道时间线
沿着报道，了解事件的不同侧面。
11月9日
- arXiv cs.ROActPrune：面向高效视觉-语言-动作模型的动作引导视觉 token 剪枝
ActPrune 提出一种免训练的视觉 token 剪枝方法，把剪枝决策提前到视觉编码器之前，并以上一控制步预测的动作块作为几何先验。该方法在固定第三人称视角保留末端执行器轨迹投影附近的图像块与语义锚点，在腕部视角则剪除补偿动作引起相机运动后仍不变的图像块。
本事件热度走势
- 可比范围当前
- 7
- 可比范围峰值
- 1011月9日 14:00
- 近 24 小时变化
- –
02.557.510
15:0018:0021:0011月10日03:00
趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。