CEED-VLA：实现VLA模型4倍推理加速，革命性一致性蒸馏与早退解码技术！

点击下方 卡片 ，关注" 具身智能 之心 "公众号 作者丨 Wenxuan Song等 编辑丨具身智能之心 本文只做学术分享，如有侵权，联系删文 >> 点击进入→ 具身智能之心 技术交流群 图 1：不同解码方法加速效果对比 Jacobi Trajectory Collection Method 更多干货，欢迎加入国内首个具身智能全栈学习社区 ： 具身智能之心知识星球 (戳我) ， 这里包含所有你想要的。 近年来，视觉语言模型（VLM）激发了视觉-语言-动作模型（VLA）的发展，它们可直接从视觉和语言输入中生成可执行动作。尽管这些模型在多任 务泛化上表现良好，但推理速度慢限制了其在高频灵巧任务中的应用。为此，研究者尝试使用Jacobi Decoding方法加速推理，然而由于模型训练时仅 见过正确的前缀输入，导致并行预测效果不佳。为此，本文提出了一种通用的加速方法——CEED-VLA，在保持操作性能的同时显著提升了推理速 度。具体而言，（1）我们设计了一种可广泛应用的推理加速方案 CEED-VLA，在多个任务中实现了显著的速度提升；（2）引入一致性蒸馏机制，并 在自回归损失中加入混合标签监督，使学生模型能够从不同 ...