Accelerating VLA Inference with Perturbation Informed Execution

📄 arXiv: 2610.19656v1 📥 PDF

作者: Jehun Lee, Hajun Lee, Jimin Ryu, Youhan Lee, Beomseok Kang, Jonghyun Choi, Jae-Joon Kim

分类: cs.RO

发布日期: 2026-10-14

备注: 23 pages, 11 figures, 10 tables

💡 一句话要点

提出PICES方法以解决VLA模型执行效率问题

🎯 匹配领域: 支柱一：机器人控制 (Robot Control) 支柱九：具身大模型 (Embodied Foundation Models)

关键词: 视觉-语言-动作 动作预测 执行效率 机器人控制 策略优化

📋 核心要点

  1. 现有的VLA模型在固定时间范围内执行时，未能充分利用预测的动作序列，导致效率低下。
  2. PICES方法通过生成多个动作块并选择合适的执行时间范围，优化了策略调用的效率。
  3. 实验表明，PICES在推理时间上提升了2.3倍，并提高了成功率，展示了其有效性。

📝 摘要（中文）

本文提出了一种名为PICES（Perturbation-Informed Chunk and Execution Horizon Selection）的方法，旨在提高视觉-语言-动作（VLA）模型的推理效率。现有方法在固定时间范围内执行时，未能充分利用预测的动作序列，导致短时间范围内需要更多的策略调用。PICES通过在单次策略调用中生成多个动作块，并利用局部扰动的样本来选择合适的执行时间范围，从而优化了动作执行的效率。实验结果表明，该方法在Jetson Orin和Thor平台上相较于固定时间范围基线，推理时间提升了2.3倍，同时成功率也得到了改善。

🔬 方法详解

问题定义：本文旨在解决现有VLA模型在固定时间范围内执行时，未能充分利用预测动作的问题。短时间范围内需要频繁调用策略，导致效率低下。

核心思路：PICES方法通过生成多个动作块，并利用局部扰动样本来选择合适的执行时间范围，从而减少策略调用次数，提升执行效率。

技术框架：该方法的整体架构包括动作专家生成多个动作块、利用扰动样本进行候选执行时间范围的选择，以及最终选择一个动作块进行执行。

关键创新：PICES的主要创新在于其训练无关性和通过扰动信息选择执行时间范围的能力，这与现有方法的固定时间范围策略形成鲜明对比。

关键设计：在实现中，PICES使用相同的条件特征生成多个初始噪声样本及其局部扰动的对应样本，以此来确定候选特定的执行时间范围。

🖼️ 关键图片

fig_0
fig_1
fig_2

📊 实验亮点

实验结果显示，PICES方法在Jetson Orin和Thor平台上，相较于固定时间范围基线，推理时间提升了2.3倍，同时成功率也得到了显著改善，证明了其在实际应用中的有效性。

🎯 应用场景

该研究的潜在应用领域包括机器人操作、自动化制造和智能家居等场景。通过提高VLA模型的推理效率，PICES能够在实际操作中实现更快速的决策，提升机器人在复杂环境中的适应能力和执行效果，具有重要的实际价值和未来影响。

📄 摘要（原文）

Action-chunking vision-language-action (VLA) models predict sequences of future robot actions. Under fixed-horizon execution, the robot executes a fixedlength prefix of each predicted chunk before invoking the policy again, leaving the remaining predictions unused. For a given number of executed actions, short execution horizons require more policy calls. Extending the execution horizon amortizes policy inference cost over more actions. However, uniformly applying long horizons across episodes can limit opportunities for precise corrections. To address this limitation, we propose PICES (Perturbation-Informed Chunk and Execution Horizon Selection), a training-free method that jointly selects an action chunk and the number of actions executed before the next policy call. Within a single policy call, the action expert generates a batch of action chunks from multiple initial noise samples and their locally perturbed counterparts, using the same conditioning features across all samples. PICES exploits differences between corresponding actions in each nominal chunk and its counterpart to determine candidate-specific execution horizons and select a nominal chunk for execution. Experiments on simulation benchmarks and real-world manipulation tasks demonstrate that PICES achieves speedup by up to 2.3x in wall-clock policy inference time on Jetson Orin and Thor relative to fixed horizon baselines while improving the success rate.