arXiv cs.RO 机器人学· Seonghun Jung, Sieun Moon, Jiyoung Jeong, Jimin Lee, Jaehyuk Huh·· 2 天前精选AI 评分58
研究刻画 VLA 工作负载特性，指导具身 AI 系统设计
Beyond LLM Serving: Characterizing Vision-Language-Action Workloads for Embodied AI System Design
AI 导读
一篇将发表于 ASPLOS '27 的论文对 4 个代表性 VLA 模型在边缘 GPU 服务器和两款车载 SoC 上做了单次推理剖析与 43,200 次闭环实验。结果显示动作张量维度决定各阶段是内存受限还是算力受限，平台平衡会改变瓶颈位置，GPU 频率调节存在平台相关的能耗-时延最优区间。闭环运行中推理与动作执行重叠会带来精度-速度-能耗权衡，没有一种配置在各类部署 SLO 下都占优。
推荐理由
论文给出 VLA 模型在 batch-1 控制场景下的内存与算力瓶颈判定依据，可为模型、硬件与运行时联合设计提供参考。
来源：arXiv cs.RO 机器人学 · arxiv.org