---
title: '大纲'
description: 大纲
render: markmap
---

## Papers

### Efficient VLA

#### 异步控制

##### 通信式解耦（高频模型+高精模型）

- [DuoCore-FS](http://linxia.art/papers/duocore-fs/)
快慢系统，快系统高频执行信息，慢系统更新高维细节&语义
- [AsyncVLA](https://arxiv.org/abs/2602.13476)
云端+边缘，双端协同，边缘高频执行云端语义指导&修正

##### Chunk优化（Inter与Intra）

- [RTC(NIPS 2025)](http://linxia.art/papers/rtc/)
- [REMAC(ICLR 2026)](http://linxia.art/papers/remac/)
掩码条件化已固定动作，协同预测未固定动作
- [VLASH](http://linxia.art/papers/vlash/)
预测推理时延 $\Delta t$ 后的未来状态 $S_{t+\Delta t}$ 以防止 halt 
- [SmoothVLA](http://linxia.art/papers/smoothvla/)

##### Streaming（时序、流式）

- [Streaming-Flow-Policy(CoRL 2025)](http://linxia.art/papers/streaming-flow-policy/)
建模时序动作流，下一动作可基于上一动作预测而非基于噪声初始化预测
- [StreamingVLA](http://linxia.art/papers/streamingvla/)
解耦动作空间与物理空间并对齐（$S_t+A_{\Delta t}=S_{t+\Delta t}$），早期自适应观测
- [FASTER](http://linxia.art/papers/faster/)
对 Chunk 内不同动作各自独立编码时间步，从而 Chunk 内动作能流式更新

#### 推理加速

##### token压缩

- [VLA-Cache](https://arxiv.org/pdf/2502.02175)
残差化视觉，关注相邻帧差异，计算token关注度，重计算敏感token，自适应token复用

- [OxyGen](http://linxia.art/papers/oxygen/)
VLA 与 VLM 在 Prefill 阶段的 KV Cache 共享，不分别计算

##### 模型剪枝

- [A1](http://linxia.art/papers/a1/)
热启动式早停，VLM各层与Action Head每层并行，下层复用上层先验

#### 系统与调度

- [Dadu-corki(ICPP 2025)](http://linxia.art/papers/dadu-corki/)
轨迹空间+逆动力学，仅预测机器人轨迹而非动作，根据逆动力学由硬件从轨迹反推动作

- [OxyGen](http://linxia.art/papers/oxygen/)
VLA 与 VLM 在 Prefill 阶段的 KV Cache 共享，不分别计算

- [ElasticVLA](http://linxia.art/papers/elasticvla/)
提前预测早停质量，转为调度器背包优化问题

## Experiments

- [SFP 复现](http://linxia.art/experiments/sfp/data-summary/)
验证 SFP 的性能，并尝试魔改一下

- [VLA-Text-Length 评估](http://linxia.art/experiments/vla-text-length/data-summary/)
探究文本指令长度变化会如何影响推理阶段的资源占用