Understanding Asynchronous Inference Methods for Vision-Language-Action Models
تقدم هذه الورقة مقارنة منهجية لأربع طرق استدلال غير متزامنة لنماذج الرؤية واللغة والعمل (Vision-Language-Action) تحت ظروف خاضعة للتحكم، كاشفةً أن التصحيح المتبقي خفيف الوزن (A2C2) يتفوق على غيره في معايير Kinetix وLIBERO، بينما يوفر محاكاة تأخير وقت التدريب (TT-RTC) الحل الأكثر متانة وبدون عبء إضافي.