Urgent Actions Go First: Urgency-Aware Denoising for Real-Time VLA Control

📄 arXiv: 2609.37772v1 📥 PDF

作者: Zibo Wang, Haochen Han, Pengzhen Ren, Mingtong Dai, Fangming Liu

分类: cs.RO

发布日期: 2026-09-29

备注: 19 pages

💡 一句话要点

提出紧急性意识去噪方法以解决实时VLA控制延迟问题

🎯 匹配领域: 支柱一：机器人控制 (Robot Control) 支柱二：RL算法与架构 (RL & Architecture) 支柱九：具身大模型 (Embodied Foundation Models)

关键词: 视觉-语言-动作 去噪方法 实时控制 机器人技术 紧急性意识 轨迹协调 动态补偿

📋 核心要点

  1. 现有的VLA策略在生成动作块时存在显著的推理延迟，限制了实时控制的能力。
  2. 本文提出紧急性意识去噪（UAD）方法，根据动作的紧急性动态分配去噪计算，优化执行效率。
  3. UAD在多个VLA架构上实现了高达1.89倍的速度提升，同时保持与传统方法相当的成功率，改善了成功与延迟的权衡。

📝 摘要（中文）

扩散和流匹配的视觉-语言-动作（VLA）策略通过迭代去噪生成动作块，但这种方法导致显著的推理延迟，限制了实时机器人控制。现有加速方法将动作块视为单一计算单元，忽视了递归控制的物理现实：动作是联合生成但顺序消耗的，导致执行紧迫性不均。为此，本文提出紧急性意识去噪（UAD）框架，根据每个动作的实际需求分配去噪计算。UAD在较少的去噪步骤后释放时间关键的紧急动作，同时与物理执行重叠继续对尾部动作进行背景优化。通过两个核心机制，UAD优雅地解决了紧急动作的提前释放错误和尾部动作的轨迹不一致性。大量评估表明，UAD在多个VLA架构和实际操作任务中实现了高达1.89倍的平均动作可用性延迟加速，同时保持与传统推理相当的成功率。

🔬 方法详解

问题定义：本文旨在解决现有VLA策略在实时控制中因推理延迟而导致的效率低下问题。现有方法将动作块视为单一计算单元，未能考虑到动作执行的紧迫性差异，导致执行效率低下。

核心思路：论文提出的UAD方法通过识别动作的紧急性，动态调整去噪计算的分配，优先处理时间关键的紧急动作，从而提高整体执行效率。

技术框架：UAD框架包括两个主要模块：紧急动作的快速释放和尾部动作的背景优化。紧急动作在较少的去噪步骤后被释放，而尾部动作则在执行过程中继续进行背景优化。

关键创新：UAD的核心创新在于其紧急性意识去噪机制，能够根据动作的实际需求动态调整去噪过程，与传统方法相比，显著提高了实时控制的效率。

关键设计：UAD采用了轨迹协调机制，重建统一的内部状态演变，以恢复联合去噪的一致性，同时利用未执行的虚拟动作进行动态补偿，解决了提前释放错误和轨迹不一致性的问题。具体的参数设置和损失函数设计在实验中进行了优化。

🖼️ 关键图片

fig_0
fig_1
fig_2

📊 实验亮点

实验结果显示，UAD在多个VLA架构上实现了高达1.89倍的平均动作可用性延迟加速，同时在成功率上与传统推理方法相当，展现出更优的成功与延迟权衡，超越了现有的VLA加速基线。

🎯 应用场景

该研究的潜在应用领域包括实时机器人控制、自动驾驶、智能制造等场景，能够显著提升系统的响应速度和执行效率。未来，UAD方法可能推动更多基于视觉和语言的智能系统在动态环境中的应用，提升人机协作的智能化水平。

📄 摘要（原文）

Diffusion and flow-matching Vision-Language-Action (VLA) policies generate action chunks through iterative denoising, incurring substantial inference latency that severely limits real-time robotic control. Existing acceleration methods treat an action chunk as a monolithic computational unit, ignoring a crucial physical reality of receding-horizon control: actions are generated jointly but consumed sequentially, resulting in inherently heterogeneous execution urgencies. We exploit this asymmetry to introduce Urgency-Aware Denoising (UAD), a novel inference-time framework that allocates denoising computation according to when each action is physically needed. UAD releases time-critical urgent actions after fewer denoising steps while overlapping the continued background refinement of tail actions with physical execution. However, heterogeneous denoising introduces two key challenges: early-release errors in urgent actions and trajectory inconsistency in tail actions. UAD elegantly resolves both through two core mechanisms: Trajectory Reconciliation, which reconstructs unified internal state evolution to restore joint denoising coherence without additional model evaluations, and Ghost Action Correction, which leverages non-executed ghost continuations to dynamically compensate for early-release errors across remaining executable actions. Extensive evaluations across multiple VLA architectures, simulation benchmarks, and real-world manipulation tasks demonstrate that UAD achieves up to a 1.89x speedup in average action availability latency while maintaining comparable success rates to vanilla inference with optimal denoising budget, offering a more favorable success-latency trade-off than state-of-the-art VLA acceleration baselines.