论文页面 - TacitVLA：无推理延迟的隐式推理视觉-语言-动作模型

来源：https://huggingface.co/papers/2610.17540 作者：

摘要

在行动前进行文本推理已经提升了视觉-语言-动作（VLA）模型的能力，但代价是延迟：每一个基于推理文本的动作都必须等待自回归解码完成。我们证明，动作无需等待或依赖生成的推理内容即可从中获益，因为推理监督本身已经改进了骨干网络的表征。我们提出了TacitVLA——一种推理型VLA，其动作专家从不关注它在当前调用中所生成的推理内容。在长程任务中，推理文本还充当情景记忆，TacitVLA可以在动作执行过程中而非行动之前生成每一条记忆条目。我们在一个受控研究中对它进行了评估，涵盖操作和自动驾驶、记忆任务和非记忆任务的四个基准：RoboMME、RMBench、LIBERO和PhysicalAI-AV。在所有四个基准上，TacitVLA都达到了与显式推理模型相当的性能，同时延迟最多降低3.4倍；并且在与未使用推理训练的相同架构相比时，在保持相同延迟的情况下成功率最多提升17.1%。具体而言，它在RoboMME Counting套件上超越了此前已发布的最好结果（82.7% vs. 66.8%），在RMBench上也实现了超越（77.5% vs. 56.5%），在LIBERO-Plus上达到72.9%，并在PhysicalAI-AV闭环驾驶挑战赛的公开划分上取得52.5%的场景得分。项目主页：https://tacitvla.github.io。

查看 arXiv 页面 (https://arxiv.org/abs/2610.17540) 查看 PDF (https://arxiv.org/pdf/2610.17540) 项目主页 (https://tacitvla.github.io/) 添加到收藏夹 (https://huggingface.co/login?next=%2Fpapers%2F2610.17540)

在你的代理中获取这篇论文：

hf papers read 2610.17540

没有最新的 CLI？curl -LsSf https://hf.co/cli/install.sh | bash

引用该论文的模型 0

暂无模型关联到此论文。

在模型 README.md 中引用 arxiv.org/abs/2610.17540 即可从此页面链接该论文。

引用该论文的数据集 0

暂无数据集关联到此论文。

在数据集 README.md 中引用 arxiv.org/abs/2610.17540 即可从此页面链接该论文。

引用该论文的 Spaces 0

暂无 Space 关联到此论文。

在 Space README.md 中引用 arxiv.org/abs/2610.17540 即可从此页面链接该论文。

包含该论文的收藏夹 0

暂无收藏夹包含此论文。

将该论文添加到收藏夹 (https://huggingface.co/new-collection) 即可从此页面链接该论文。