关于 DriftingVLA 的报道
共 1 篇相关报道
DriftingVLA：通过每维时间漂移生成本机一步视觉-语言-动作
DriftingVLA: Native One-Step Vision-Language-Action Generation via Per-Dimension Temporal Drifting
AI 洞察DriftingVLA 提出原生一步式视觉-语言-动作模型，用分布漂移目标替代流匹配迭代，单次前向即可生成完整动作块。相比传统基于流的 VLA 需多步细化，本方法显著降低在线控制延迟。每维时间漂移（PDTD）兼顾不同动作维度的控制语义，为机器人实时决策提供新思路。核心结论相比流式VLA多步细化，本方法单次前向生成完整动作块。为什么重要降低在线机器人控制延迟，使VLA更适用于真实场景实时决策，有望推动具身智能落地。影响谁- AI 研究者提供一步生成动作块的新范式，可探索分布漂移目标在其他生成任务的应用。
- 机器人开发者单步推理降低计算开销，利于部署到资源受限的机器人平台。
- 具身智能行业加速VLA从离线仿真走向在线真实控制，提升响应速度。
后续看点后续关注真实机器人平台的延迟评测、长动作块生成质量，以及PDTD对高维连续动作的泛化能力。重要度 65/100