Buchumschlag

Latent Bridge: Feature Delta Prediction for Efficient Dual-System Vision-Language-Action Model Inference

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Liu, Yudong, Li, Yuan, Tang, Zijia, Zheng, Yuxi, Lin, Yueqian, Wang, Qinsi, Li, Yi, Liu, Shuangjun, Zhang, Shuai, Jing, Taotao, Gao, Dashan, Bi, Ning, Sun, Jingwei, Chen, Yiran, Li, Hai
Format:	Preprint
Veröffentlicht:	2026
Schlagworte:	Robotics
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Keyframe-oriented Vision Token Pruning: Enhancing Efficiency of Large Vision Language Models on Long-Form Video Processing
von: Liu, Yudong, et al.
Veröffentlicht: (2025)

LLaViDA: A Large Language Vision Driving Assistant for Explicit Reasoning and Enhanced Trajectory Planning
von: Liu, Yudong, et al.
Veröffentlicht: (2025)

HippoMM: Hippocampal-inspired Multimodal Memory for Long Audiovisual Event Understanding
von: Lin, Yueqian, et al.
Veröffentlicht: (2025)

CoreMatching: A Co-adaptive Sparse Inference Framework with Token and Neuron Pruning for Comprehensive Acceleration of Vision-Language Models
von: Wang, Qinsi, et al.
Veröffentlicht: (2025)

Vision-Zero: Scalable VLM Self-Improvement via Strategic Gamified Self-Play
von: Wang, Qinsi, et al.
Veröffentlicht: (2025)

Voice Evaluation of Reasoning Ability: Diagnosing the Modality-Induced Performance Gap
von: Lin, Yueqian, et al.
Veröffentlicht: (2025)

Bridging the Perception Gap: A Lightweight Coarse-to-Fine Architecture for Edge Audio Systems
von: Zhang, Hengfan, et al.
Veröffentlicht: (2026)

SpeechPrune: Context-aware Token Pruning for Speech Information Retrieval
von: Lin, Yueqian, et al.
Veröffentlicht: (2024)

AsyncVoice Agent: Real-Time Explanation for LLM Planning and Reasoning
von: Lin, Yueqian, et al.
Veröffentlicht: (2025)

Query-Conditioned Evidential Keyframe Sampling for MLLM-Based Long-Form Video Understanding
von: Wang, Yiheng, et al.
Veröffentlicht: (2026)

SD-NAE: Generating Natural Adversarial Examples with Stable Diffusion
von: Lin, Yueqian, et al.
Veröffentlicht: (2023)

FlashFPS: Efficient Farthest Point Sampling for Large-Scale Point Clouds via Pruning and Caching
von: Fu, Yuzhe, et al.
Veröffentlicht: (2026)

Focus: A Streaming Concentration Architecture for Efficient Vision-Language Models
von: Wei, Chiyue, et al.
Veröffentlicht: (2025)

ForeSea: AI Forensic Search with Multi-modal Queries for Video Surveillance
von: Park, Hyojin, et al.
Veröffentlicht: (2026)

FlashSVD: Memory-Efficient Inference with Streaming for Low-Rank Models
von: Shao, Zishan, et al.
Veröffentlicht: (2025)

MUSE: A Run-Centric Platform for Multimodal Unified Safety Evaluation of Large Language Models
von: Wang, Zhongxi, et al.
Veröffentlicht: (2026)

Learning Generalizable Policy for Obstacle-Aware Autonomous Drone Racing
von: Liu, Yueqian
Veröffentlicht: (2024)

Federated Unsupervised Visual Representation Learning via Exploiting General Content and Personal Style
von: Yang, Yuewei, et al.
Veröffentlicht: (2022)

RotVLA: Rotational Latent Action for Vision-Language-Action Model
von: Li, Qiwei, et al.
Veröffentlicht: (2026)

Bridging the Gap Between Sparsity and Redundancy: A Dual-Decoding Framework with Global Context for Map Inference
von: Shen, Yudong, et al.
Veröffentlicht: (2025)

Angles Don't Lie: Unlocking Training-Efficient RL Through the Model's Own Signals
von: Wang, Qinsi, et al.
Veröffentlicht: (2025)

From Pixels to Tokens: A Systematic Study of Latent Action Supervision for Vision-Language-Action Models
von: Lin, Yihan, et al.
Veröffentlicht: (2026)

CoreInfer: Accelerating Large Language Model Inference with Semantics-Inspired Adaptive Sparse Activation
von: Wang, Qinsi, et al.
Veröffentlicht: (2024)

Modeling the Electrical Stabilities of Organic Light‐Emitting Diodes
von: Dashan Qin, et al.
Veröffentlicht: (2024)

Geometric Stratification for Singular Configurations of the P3P Problem via Local Dual Space
von: Sun, Xueying, et al.
Veröffentlicht: (2026)

GenAI at the Edge: Comprehensive Survey on Empowering Edge Devices
von: Navardi, Mozhgan, et al.
Veröffentlicht: (2025)

LaVi: Efficient Large Vision-Language Models via Internal Feature Modulation
von: Yue, Tongtian, et al.
Veröffentlicht: (2025)

Transferring Vision-Language-Action Models to Industry Applications: Architectures, Performance, and Challenges
von: Li, Shuai, et al.
Veröffentlicht: (2025)

Controllable generation and spatial phase-modulation of vortex beams in cascade-type atomic ensembles
von: Li, Yueqian, et al.
Veröffentlicht: (2024)

Latent Reasoning VLA: Latent Thinking and Prediction for Vision-Language-Action Models
von: Bai, Shuanghao, et al.
Veröffentlicht: (2026)

LatBot: Distilling Universal Latent Actions for Vision-Language-Action Models
von: Li, Zuolei, et al.
Veröffentlicht: (2025)

KVCOMM: Online Cross-context KV-cache Communication for Efficient LLM-based Multi-agent Systems
von: Ye, Hancheng, et al.
Veröffentlicht: (2025)

PrivAct: Internalizing Contextual Privacy Preservation via Multi-Agent Preference Training
von: Cheng, Yuhan, et al.
Veröffentlicht: (2026)

Dual Ion Regulated Eutectogels with High Elasticity and Adhesive Strength for Accurate Strain Sensors
von: Yaozhou Sun, et al.
Veröffentlicht: (2024)

Beyond Static Question Banks: Dynamic Knowledge Expansion via LLM-Automated Graph Construction and Adaptive Generation
von: Wang, Yingquan, et al.
Veröffentlicht: (2026)

AUEditNet: Dual-Branch Facial Action Unit Intensity Manipulation with Implicit Disentanglement
von: Jin, Shiwei, et al.
Veröffentlicht: (2024)

Towards Black-Box Membership Inference Attack for Diffusion Models
von: Li, Jingwei, et al.
Veröffentlicht: (2024)

Latent Action Reparameterization for Efficient Agent Inference
von: Huang, Wenhao, et al.
Veröffentlicht: (2026)

Guide, Think, Act: Interactive Embodied Reasoning in Vision-Language-Action Models
von: Ling, Yiran, et al.
Veröffentlicht: (2026)

Featured Cover: Cover Image, Volume 90, Issue 11
von: Huisen Wang, et al.
Veröffentlicht: (2025)