搜索结果

Leap-VLA 是2026年10月31日提交 arXiv 的论文，针对 VLA 模型每个控制步都要用数十亿参数 VLM 重编码整幅观测的问题：场景语义约1 Hz 变化，而反应式控制需要20–50 Hz。方法让 VLM 以低频作为语义锚点并缓存上下文，由高频 flow-matching 动作专家结合紧凑视觉编码器的新鲜画面输出动作，并显式训练对缓存“陈旧度”的鲁棒性。论文还提出零额外延迟的块边界校正，以及在指令与场景不符时停止执行的判定门。