TacitVLA 提出无推理延迟的推理型视觉语言动作模型

TacitVLA 提出一种推理型视觉语言动作模型，让 action expert 不关注当前调用生成的推理文本，以降低显式文本推理带来的延迟。论文在 RoboMME、RMBench、LIBERO 和 PhysicalAI-AV 四个基准上评估，TacitVLA 以最高 3.4x 更低延迟匹配显式推理版本的性能，并在相同架构无推理训练的延迟下最高提升 +17.1% 成功率。