rMuscle：面向高效视觉-语言-动作模型推理的机器人肌肉记忆
rMuscle 是一个受人类肌肉记忆启发的实时 VLA 推理框架，通过双阶段缓存利用机器人重复执行间的相似性：上下文缓存复用视觉 token 输出以减少计算，动作缓存复用神经元激活模式以减少权重访问，并结合在线缓存重计算、滑动窗口检索和连续去噪步骤掩码共享控制内存与访问开销。在 RTX 4090 与 Jetson Thor 上，于 LIBERO、RoboTwin 及物理操作任务中取得 1.29-1.42 倍加速，真实机器人成功率保持不变。
发布于 10-22 13:01来源：arXiv cs.RO
转载 · 官方发布原文：arXiv cs.RO ·《rMuscle: Robotic Muscle Memory for Efficient Vision-Language-Action Model Inference》查看原链
arXiv:2609.19104v3 公告类型：替换 摘要：工厂作业是具身智能一个有前景的早期场景：将重复性体力工作交给机器人具有明确的经济收益，而结构化工作站使这些任务对当前策略而言仍可处理。 视觉-语言-动作（VLA）模型目前是这类机器人策略范式的主流。
VLA 模型的推理延迟直接影响机器人的响应速度和运动平滑度。 然而，现有 VLA 推理框架并未充分利用具身工作负载的特征，也未考虑 VLA 推理不同阶段各自的瓶颈。 本文首先刻画了具身工作负载，并发现重复的机器人执行之间存在显著的任务相似性。
我们进一步发现，这种相似性不仅体现在观测和动作轨迹上，还延伸到模型内部状态。 基于这些观察，我们提出 rMuscle，一个受人类肌肉记忆启发的实时 VLA 推理框架。 它通过双阶段肌肉记忆缓存利用跨执行相似性。 上下文缓存复用视觉 token 输出以减少计算，动作缓存复用神经元激活模式以减少权重访问。
我们通过在线缓存重计算、滑动窗口缓存检索以及连续去噪步骤间的掩码共享，将缓存内存占用和访问开销保持在较低水平。 rMuscle 在 RTX 4090 和 Jetson Thor 上，于 LIBERO、RoboTwin 和物理操作任务中实现 1.29-1.42 倍加速，同时在真实机器人上保持原始成功率。