SpikingVLA 发布：异步脉冲视觉语言动作模型
原文标题：SpikingVLA: Asynchronous Spiking Vision-Language-Action Models
重要度 3/5 · AI 综合评估报道影响力与新鲜度，4–5 分为高价值资讯。
论文提出 SpikingVLA，一个 ANN-to-SNN 转换框架，通过树突整合发放（DIF）神经元与异步执行机制，实现低延迟脉冲 VLA 推理。相比现有脉冲 VLA 方法，成功率与 SPL 分别提升 11.9% 和 12.6%，首动作延迟降低 11.2 倍。
深读 · 结论先行AI 生成展开看要点与影响 ↓
SpikingVLA用ANN-to-SNN转换做脉冲VLA，成功率与SPL提升约12%，首动作延迟降11.2倍。
- •提出树突整合发放（DIF）神经元，通过树突混合与自适应胞体发放缓解通道级激活离群值
- •DIF使ANN-to-SNN转换在更少时间步下保持精度
- •异步执行机制重叠VLA各组件的时间计算，降低同步开销与延迟
- •相比现有脉冲VLA方法，成功率提升11.9%、SPL提升12.6%
- •首动作延迟降低11.2倍
为什么重要：实时机器人部署中延迟与能耗是硬约束，该工作说明预训练VLA模型可低成本转为低延迟脉冲推理，对具身智能落地有参考意义。
以上深读由 AI 依据标题/摘要/正文节选生成，仅供参考；事实以原文为准。
AI 处理过程展开/收起
相关推荐
谷歌发布 EmbeddingGemma 2，五模态统一向量空间
AI 摘要谷歌推出 EmbeddingGemma 2 嵌入模型，可将文本、图像等五种模态映射到同一个向量空间，实现跨模态检索与对齐。该模型延续 Gemma 开源系列，面向多模态嵌入与检索增强场景。
谷歌发布Genie 4世界模型，可生成带音频交互体验
AI 摘要谷歌发布 Genie 4 世界模型，支持更真实的世界、自然语言实时修改、音频生成，底层由 Gemini 3.8 Flash 驱动，单次体验时长从 1 分钟提升至约 2 分钟。该模型先以研究预览形式向受信任测试者开放，并将向 Google AI Ultra 订阅用户推出。
谷歌 DeepMind 发布 Genie 4 世界模型，新增音频与实时操控
AI 摘要谷歌 DeepMind 发布世界模型 Genie 4，新增实时音频、更逼真的模拟环境，并支持在模拟过程中用文本提示实时操控。该模型以研究预览形式向受信任测试者开放，进一步推进可交互世界模型的能力边界。
谷歌 DeepMind 称四个 Gemini 4 智能体 27 小时通关《我的世界》
AI 摘要谷歌 DeepMind 表示，四个基于 Gemini 4 的 AI 智能体在 27 小时内自行编写 2783 段程序，成功通关《我的世界》。过程中智能体在简单难度下死亡 605 次，估计消耗约 520 美元 token 成本。