PaceVLA：自适应时间动作量化加速机器人执行

视觉-语言-动作（VLA）模型作为通用机器人策略已取得显著进展，但其执行效率往往不尽如人意。核心原因在于，策略从遥操作演示中学习细粒度时间模式，导致需要大量低层动作步才能完成一个任务。时间动作量化通过将连续低层动作聚合为时间上更粗粒度的动作，提供了一种简单的加速思路，但一刀切的量化会带来速度与精度的权衡：在某些阶段减少冗余步骤的同时，可能在精度敏感交互中丢弃关键运动细节。

PaceVLA 正是为解决这一矛盾而提出的统一框架，它通过自适应时间执行机制，在保持任务成功率的前提下提升执行效率。

时间动作量化的两难困境

VLA 模型通常以高频低层动作序列作为输出，每个动作步对应极短的时间间隔。这种设计虽然能提供精细控制，却导致执行过程冗长，尤其当任务包含大量重复性或过渡性动作时，低层动作步的累积成为效率瓶颈。

时间动作量化的直觉很简单：将连续多个低层动作合并为一个粗粒度动作，从而减少推理与执行步数。然而，论文指出，不加区分地应用量化会引入速度-精度权衡。在需要精确调整的阶段（如抓取易碎物体或精细装配），粗粒度动作可能跳过关键反馈点，导致任务失败；而在自由移动或粗略定位阶段，量化则能显著压缩冗余步骤。如何让模型自行判断何时该粗、何时该细，是提升实用性的关键。

动作分块与时间量化：在机器人策略中，动作分块（action chunking）指一次预测并执行多个连续动作步，而非每步都重新推理。时间动作量化可视为对分块长度的动态调节：粗粒度对应长分块、低推理频率，细粒度对应短分块、高推理频率。这与 ACT、Diffusion Policy 等工作中固定分块长度的做法形成对比，后者的分块长度是训练时设定的超参数，推理时无法随任务阶段变化。

PaceVLA 的双组件设计

PaceVLA 将自适应执行拆解为两个耦合组件，共同实现“按需量化”。

模式特定的动作解码器

第一个组件是在共享动作专家（action expert）之上构建的模式特定动作解码器。该设计支持多种时间粒度和预测视野，每种模式对应不同的动作量化程度。共享专家保证不同模式之间的知识迁移与参数效率，而模式特定的解码头则允许各粒度独立优化。这种架构使模型能够在同一框架内同时具备细粒度与粗粒度执行能力，而非依赖多个独立策略。

动作专家（action expert）：这一概念源自视觉-语言模型中的混合专家（MoE）思想，但此处并非指多个专家网络，而是指一个专门负责动作生成的共享骨干网络。它接收视觉与语言表征，输出动作序列的隐表示；模式特定的解码头则在此基础上将隐表示映射为不同时间粒度的动作。共享骨干减少了多粒度训练的总参数量，也避免了各粒度策略各自为政、重复学习相似感知表征的问题。

量化引导的模式选择与上下文路由

第二个组件负责决定何时使用粗粒度执行。PaceVLA 引入了量化引导的模式选择方案，判断当前状态是否适合粗执行；同时使用上下文条件路由器，在每次推理步骤中根据观测上下文选择执行模式。路由器的输入包括当前视觉观测、语言指令以及历史动作上下文，输出为模式选择决策。这一机制将“是否量化”从固定超参数转变为动态推理过程，使模型能够根据任务阶段灵活切换。

两个组件相互配合：解码器提供多粒度动作候选，路由器则实时决定采用哪一粒度。论文强调，这种耦合设计是实现自适应时间执行的核心。

上下文条件路由：路由器本质上是一个轻量分类器，其决策依据是当前观测上下文而非固定规则。这与 MoE 中的门控网络（gating network）类似：门控网络根据输入选择激活哪个专家，PaceVLA 的路由器则根据视觉、指令与历史动作选择执行粒度。区别在于，这里的“专家”对应不同的时间尺度而非不同的网络分支，路由结果直接影响推理与执行的步数，因此路由错误会同时体现在速度与成功率上。

实验验证：仿真与真实世界

PaceVLA 在三个多任务仿真基准和六个真实世界任务上进行了评估，覆盖多种机器人本体，包括长视野任务和灵巧操作。实验结果表明，PaceVLA 在提升执行效率的同时保持了任务成功率。这意味着自适应量化并未以牺牲可靠性为代价换取速度。

有意思的是，真实世界任务涵盖了对精度敏感的操作场景，这恰恰是固定量化容易失败的领域。PaceVLA 在这些任务上的表现，验证了量化引导模式选择的有效性。不过，论文摘要未披露具体的效率提升幅度与成功率数值，读者需查阅全文获取详细数据。

对机器人部署的意义

快速可靠的操作是机器人实际部署的关键。PaceVLA 的思路提供了一个可借鉴的范式：与其在训练阶段固定动作时间尺度，不如让模型在推理时动态决定执行粒度。这一方向与当前 VLA 研究中对推理效率的关注相呼应，也为后续工作留下了扩展空间，例如将量化决策与底层控制器更紧密地结合，或在更多模态上下文下优化路由策略。

对于关注机器人策略落地的研究者和工程师而言，PaceVLA 展示了自适应时间量化在平衡速度与精度方面的潜力，其双组件架构也可作为设计参考。