新万博体育

　　猫眼电影记者 苏谢 报道Q8X2R7L1T4J5M9B6W3

VLA（Visual-Language-Action）大模型到底能跑多快？在这篇 RT-VLA（Real-time VLA）论文中，来自 Dexmal 原力灵机（由范浩强等人联合创立的具身智能公司）的研究者公布了一个反直觉的发现：它可以非常快！

具体而言，对于常用的 Pi0 级别的模型（30 亿参数），在单张消费级显卡 RTX 4090 上最快可以跑到 30fps。这和大家对于 VLA 模型动辄要几十甚至上百毫秒的刻板印象形成鲜明对比。

为实现这点，研究者深入分析 Pi0 的模型结构，通过一系列优化把用时从开始的 100+ ms 进行数倍缩减（针对双视角，甚至已经达到 27ms），显著强于 openpi 里采用的基于 jax 的自动优化的结果。

此外，研究者基于现有结果探讨了未来的“实时”运行的 VLA 结构，设计出一个有潜力最高实现 480Hz 闭环控制的算法框架。目前，优化后的代码已在 GitHub 开源，全部实现均打包为一个只依赖于 torch 和 triton 的单一文件，大家可在自己的项目里 “开箱即用”。这是Dexmal 原力灵机继开源一站式 VLA 工具箱 Dexbotic之后的又一开源代码工作。

论文名称：Running VLAs at Real-time Speed论文链接：https://arxiv.org/abs/2510.26742GitHub：https://github.com/Dexmal/realtime-vla

解决什么痛点？

现在机器人 VLA 大模型动辄几十亿参数，虽然有不错的泛化能力，但是延迟问题总是绕不过。即使是在高端推理显卡上，高达百毫秒级别的推理时间让机器人的实时控制困难重重，就像一个人看见东西后要愣一下才做出动作。

如果我们能够把模型运行到和相机一样快的频率（25fps、30fps 甚至 50fps），那么就可以在完全不丢帧的情况下处理视觉信息，让 VLA 模型的实时运行成为可能。

如何实现？

Pi0 模型计算流程图示，它主要包括 1 个视觉编码器，1 个编码器和 1 个解码器；所有这些又可进一步分解为一系列的矩阵乘法和标量运算。

对于 Transformer 这类模型，当它进行单次推理（比如只处理一个问题或一张图片）时，其内部计算过程实际上是由一长串零碎的 “矩阵计算小任务” 组成；而像 Pi0 这种采用 “流匹配” 技术的模型，需要反复迭代十次才能得出最终结果，每一次迭代本身就包含几十层计算。这样算下来，整个推理过程涉及数百层、上千个操作。任务如此零碎，让计算优化变得异常困难。

本文研究者通过深入分析模型推理过程中的计算问题，融合和并行优化每一个计算步骤，清除了推理方面的大部分障碍，再加上其他方面的优化，最终把整个 VLA 模型跑进了所需的时间之内。

这就像给了 VLA 大模型一份 “高性能 AI 大脑调校指南” ；它通过一系列深入的底层优化，把笨重的 AI 大模型变成能跑实时任务的 “闪电侠”，并在此基础上，构想出一个能同时具备条件反射、视觉反馈和智能思考的下一代机器人控制系统。

效果展示

上图所示的任务是抓取一支自由下落的笔。 这个任务对反应时间的要求极为苛刻。机器人观察到笔开始下落后，必须在极短的时间内做出反应并在正确的时间启动抓取动作，快一点或者慢一点都会导致任务失败。

最终呈现的效果是 从 “看到笔” 到 “执行抓取” 的端到端总反应时间被缩短到 200 毫秒以内，这大概对应到一个 30 cm 左右的最短下落距离。而人类在这个任务上的一般表现也不过如此。

下一步规划

基于上述取得的成果，研究者设计了一套完整的、围绕 GPU 打造的机器人控制框架，它能驱动 VLA 大模型，像 “直播” 一样对机器人进行流式的实时控制，让机器人拥有 3 种不同速度的 “反应神经”：

超快反应（480Hz）：处理来自力传感器等高速信号。就像你的手一碰到烫的东西会瞬间缩回，不需要经过大脑思考。这部分由模型的 “解码器” 负责，能每秒生成 480 次控制指令。视觉反应（30Hz）：处理来自摄像头的画面。就像你看着球飞过来，用眼睛跟踪并判断落点。这部分由模型的 “编码器” 负责。智能思考（<1Hz）：处理语言理解和任务规划。就像你在执行任务时，还能分心听一下队友的指令或者自己琢磨一下策略。这部分速度最慢，但赋予了机器人更高的智能。

通过分析与实验，这个框架下一步规划最高能以 480Hz 的频率生成机器人控制信号；这个速度，已经摸到了实现基于力反馈进行控制的门槛。

未来展望

机器人有没有可能达到 “又聪明又快” 的效果？这篇文章只是一个起点。针对未来不断增加中的边缘计算算力，研究者展望了更进一步的可能性：

“眼睛” 最快能有多快？从 30fps 到 60fps，甚至 120fps，是否有新万博体育：的任务变得可行？“大脑” 最大能有多大？在实时性约束下，我们是否可以从 3B 模型，走向 7B，13B 模型，甚至更大模型？“反应” 速度的极限在哪里？在 VLA 框架下，我们是否还可以建立亚毫秒、甚至微秒级的反馈回路？

从这篇文章出发，一个能够参与实时控制 VLA 的世界的大门正在被打开。

??时事1：世界杯能买球的app

??10月25日,（经济观察）中国首发支持银发经济专门文件 回应三大需求,

　　在工作的部署中，“团委”两字不再是陌生的字眼。

,OD体育外围。

??10月25日,武铁五天假期共发送旅客455万人次,

　　在此过程中，有雾霭扩散，有电闪雷鸣，这种壮阔的场面仿佛开天时代，令人敬畏，阵阵心悸。

,明陞体育M88备用网址,线上赌钱苹果版,金沙最新地址。

??时事2：十六浦线上

??10月25日,韩媒炮轰中国裁判，日本球迷：是韩国队球员过于粗鲁,

　　“呀！”

,ManBetX万博官方网站,龙八国际游戏城,葡京投注网址。

??10月25日,国台办：乐见更多台湾影迷、剧迷能够见到他们喜欢的大陆明星,

　　银月呼啸，自山林中旋转而过，刚才大喝的人直接被劈掉了半边肩头与一条手臂，鲜血冲起，惨叫一声，倒了下去。

,威斯尼斯人娱乐官方进入,扎金花比牌,云顶娱乐网页版。

??时事3：球探网365网站

??10月25日,江西省自然资源厅原一级巡视员蔡建平接受纪律审查和监察调查,

　　② 随着国内装备制造业的需求减小以及部分企业转型等，将会导致产品订货形势严峻，甚至现有订单有遭遇暂缓、撤单的风险。③由于总量膨胀式的扩张，公司的资金链紧张、货款回收难度增大，资产负债率较高。

,beat365最新版2022,乐鱼足彩,世界杯竞猜手机投注。

??10月25日,1680天后，孙杨复出首秀排名小组第一,

　　老族长进一步解释，道：“能够开辟六个洞天的人已经算是此境中的佼佼者了，至于开辟七个洞天那必然是少见的天才，至于能出现八个洞天的人自然是罕见的天赋异禀者，如凤毛麟角般稀少。拥有九个洞天的人，一般只是古籍中记载的传说，现实中如果真能出现的话，必然是天纵神资！”

,沙巴体育在线登陆,bet365入口登录,新老虎机游戏平台。

??时事4：千赢国际客户端下载

??10月25日,大力发展数智化银发经济,

　　众人不敢相信，都露出惊容。

,bet36亚洲体育备用,金莎国际真人抓娃娃机,和记娱乐网站是多少。

??10月25日,“边疆党旗红”网络主题宣传采访活动在内蒙古满洲里市启动,

　　“真无聊，又不能真的击杀，有那群老头子在，根本放不开手脚。”旁边，观战中的孩子有人撇嘴。

,国际象棋游戏在线真人,新萄京娱乐下载,百家乐牌路分析软件。