Copertina

DepthCache: Depth-Guided Training-Free Visual Token Merging for Vision-Language-Action Model Inference

Fuente: arXiv

Salvato in:

Dettagli Bibliografici
Autori principali:	Li, Yuquan, Ma, Lianjie, Ding, Han, Zhu, Lijun
Natura:	Preprint
Pubblicazione:	2026
Soggetti:	Robotics
Accesso online:	Acceder al recurso
Tags:	Aggiungi Tag Nessun Tag, puoi essere il primo ad aggiungerne!!

Documenti analoghi

AsyncMDE: Real-Time Monocular Depth Estimation via Asynchronous Spatial Memory
di: Ma, Lianjie, et al.
Pubblicazione: (2026)

Token Expand-Merge: Training-Free Token Compression for Vision-Language-Action Models
di: Ye, Yifan, et al.
Pubblicazione: (2025)

Learning to Accelerate Vision-Language-Action Models through Adaptive Visual Token Caching
di: Wei, Yujie, et al.
Pubblicazione: (2026)

Evo-Depth: A Lightweight Depth-Enhanced Vision-Language-Action Model
di: Lin, Tao, et al.
Pubblicazione: (2026)

VLA-Cache: Efficient Vision-Language-Action Manipulation via Adaptive Token Caching
di: Xu, Siyu, et al.
Pubblicazione: (2025)

Floor Plan-Guided Visual Navigation Incorporating Depth and Directional Cues
di: Huang, Weiqi, et al.
Pubblicazione: (2025)

GST-VLA: Structured Gaussian Spatial Tokens for 3D Depth-Aware Vision-Language-Action Models
di: Sarowar, Md Selim, et al.
Pubblicazione: (2026)

QDepth-VLA: Quantized Depth Prediction as Auxiliary Supervision for Vision-Language-Action Models
di: Li, Yixuan, et al.
Pubblicazione: (2025)

ST4VLA: Spatially Guided Training for Vision-Language-Action Models
di: Ye, Jinhui, et al.
Pubblicazione: (2026)

UniLACT: Depth-Aware RGB Latent Action Learning for Vision-Language-Action Models
di: Govind, Manish Kumar, et al.
Pubblicazione: (2026)

MoRI: Mixture of RL and IL Experts for Long-Horizon Manipulation Tasks
di: Xu, Yaohang, et al.
Pubblicazione: (2026)

A Survey on Vision-Language-Action Models: An Action Tokenization Perspective
di: Zhong, Yifan, et al.
Pubblicazione: (2025)

MergeVLA: Cross-Skill Model Merging Toward a Generalist Vision-Language-Action Agent
di: Fu, Yuxia, et al.
Pubblicazione: (2025)

FAST: Efficient Action Tokenization for Vision-Language-Action Models
di: Pertsch, Karl, et al.
Pubblicazione: (2025)

FreqCache: Accelerating Embodied VLN Models with Adaptive Frequency-Guided Token Caching
di: Zheng, Zihao, et al.
Pubblicazione: (2026)

ProbeFlow: Training-Free Adaptive Flow Matching for Vision-Language-Action Models
di: Fang, Zhou, et al.
Pubblicazione: (2026)

Visual Robotic Manipulation with Depth-Aware Pretraining
di: Wang, Wanying, et al.
Pubblicazione: (2024)

Co-Me: Confidence-Guided Token Merging for Visual Geometric Transformers
di: Chen, Yutian, et al.
Pubblicazione: (2025)

Recurrent-Depth VLA: Implicit Test-Time Compute Scaling of Vision-Language-Action Models via Latent Iterative Reasoning
di: Tur, Yalcin, et al.
Pubblicazione: (2026)

Adaptive Action Chunking at Inference-time for Vision-Language-Action Models
di: Liang, Yuanchang, et al.
Pubblicazione: (2026)

IVRA: Improving Visual-Token Relations for Robot Action Policy with Training-Free Hint-Based Guidance
di: Park, Jongwoo, et al.
Pubblicazione: (2026)

BLURR: A Boosted Low-Resource Inference for Vision-Language-Action Models
di: Ma, Xiaoyu, et al.
Pubblicazione: (2025)

VLN-Cache: Enabling Token Caching for VLN Models with Visual/Semantic Dynamics Awareness
di: Zheng, Zihao, et al.
Pubblicazione: (2026)

MDE-AgriVLN: Agricultural Vision-and-Language Navigation with Monocular Depth Estimation
di: Zhao, Xiaobei, et al.
Pubblicazione: (2025)

Unveiling the Potential of Vision-Language-Action Models with Open-Ended Multimodal Instructions
di: Zhao, Wei, et al.
Pubblicazione: (2025)

CEED-VLA: Consistency Vision-Language-Action Model with Early-Exit Decoding
di: Song, Wenxuan, et al.
Pubblicazione: (2025)

VLA-InfoEntropy: A Training-Free Vision-Attention Information Entropy Approach for Vision-Language-Action Models Inference Acceleration and Success
di: Liu, Chuhang, et al.
Pubblicazione: (2026)

Underwater Visual-Inertial-Acoustic-Depth SLAM with DVL Preintegration for Degraded Environments
di: Ding, Shuoshuo, et al.
Pubblicazione: (2025)

CoA-VLA: Improving Vision-Language-Action Models via Visual-Textual Chain-of-Affordance
di: Li, Jinming, et al.
Pubblicazione: (2024)

A Depth Control Method for Full Ocean Depth AUV
di: Yueming Li, et al.
Pubblicazione: (2026)

DA-PTQ: Drift-Aware Post-Training Quantization for Efficient Vision-Language-Action Models
di: Xu, Siyuan, et al.
Pubblicazione: (2026)

3D CAVLA: Leveraging Depth and 3D Context to Generalize Vision Language Action Models for Unseen Tasks
di: Bhat, Vineet, et al.
Pubblicazione: (2025)

RL Token: Bootstrapping Online RL with Vision-Language-Action Models
di: Xu, Charles, et al.
Pubblicazione: (2026)

Test-Time Training for Visual Foresight Vision-Language-Action Models
di: Park, Sangwu, et al.
Pubblicazione: (2026)

RetoVLA: Reusing Register Tokens for Spatial Reasoning in Vision-Language-Action Models
di: Koo, Jiyeon, et al.
Pubblicazione: (2025)

VQ-VLA: Improving Vision-Language-Action Models via Scaling Vector-Quantized Action Tokenizers
di: Wang, Yating, et al.
Pubblicazione: (2025)

VLMimic: Vision Language Models are Visual Imitation Learner for Fine-grained Actions
di: Chen, Guanyan, et al.
Pubblicazione: (2024)

Bring My Cup! Personalizing Vision-Language-Action Models with Visual Attentive Prompting
di: Lee, Sangoh, et al.
Pubblicazione: (2025)

ActDistill: General Action-Guided Self-Derived Distillation for Efficient Vision-Language-Action Models
di: Ye, Wencheng, et al.
Pubblicazione: (2025)

VLAS: Vision-Language-Action Model With Speech Instructions For Customized Robot Manipulation
di: Zhao, Wei, et al.
Pubblicazione: (2025)