IJCAI 2026 专访：动作指挥计算，VLA 加速不降准 | GAIR Paper 125
Industry
Source: 雷峰网Publish time unverified
将动作从输出端搬到调度端，推理速度提升1.79倍。 作者丨邓哲敏 编辑丨齐铖湧 机器人想要真正走进千行百业、千家万户，有一道绕不开的坎：它得足够快。 不说快到能打羽毛球那，至少得快到让人觉得这玩意儿能用。一个机械臂每动一下都要停顿两三秒，哪怕成功率再高，在工业场景里算下来的投入产出比也很难说服人。 VLA 模型是当前具身智能领域最受关注的技术路线之一。它把视觉感知、语言理解和动作生成整合进一套模型，让机器人能够依据语言指令完成复杂操作任务。但 VLA 模型有一个部署层面的老大难问题：推理太慢。 每个控制时刻，模型都要把一个庞大的视觉语言骨干网络跑一遍，计算量极大，导致延迟居高不下，实时控制频率难以保证。 这个问题并不新鲜，学界已经有不少人在尝试解决。今年 IJCAI 收录的一篇论文认为，现有的大多数方案都走偏了一步。AI科技评论（雷峰网公众号）联系到一作于闻达，围绕高效 VLA 方法进行交流。 论文原文：https://arxiv.org/abs/2601.19634 01 大家都在剪视觉， 但问题真的在这儿吗 现有的高效 VLA 方法，主流路线是在视觉侧做文章，剪掉“不重要”的视觉 …