DyQ-VLA提出运行时误差感知量化框架

1. 12:00
   arXiv cs.RO 机器人学

   DyQ-VLA 提出面向运行时误差的 VLA 动态量化框架

   DyQ-VLA 是一个面向运行时误差的 VLA 量化框架，按执行步动态选择激活精度，并通过累积量化残差跟踪和补偿旋转误差。论文对比全精度与量化模型的误差分布发现，量化会放大平移误差分布的方差与离散度，而旋转误差分布中心随执行步逐渐偏移，呈现累积漂移。实验显示 DyQ-VLA 实现 1.88 至 1.93 倍推理加速，平均任务成功率持平或更高，并将平均执行步数减少 17.7% 至 19.8%。

趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。