DeeAD：面向高效自动驾驶的动态早期退出视觉语言动作
计算机视觉与模式识别
2025-11-27 v1 人工智能
机器学习
机器人学
摘要
视觉语言动作（VLA）模型统一了感知、推理和轨迹生成，用于自动驾驶，但因深层变压器堆叠而产生显著推理延迟。我们提出 DeeAD，一种训练免费的、以动作为导向的早期退出框架，通过评估中间轨迹的物理可行性加速 VLA 规划。DeeAD 不依赖置信度得分，在预测轨迹与轻量级规划先验（如导航或低精度规划）在可接受偏差（<2m）范围内一致时终止推理。为提高效率，我们引入多跳控制器，基于得分变化率自适应跳过冗余层。DeeAD 可无需重新训练地集成到现有 VLA 模型（如 ORION）中。Bench2Drive 基准实验表明，DeeAD 实现了最高 28% 的变压器层稀疏化和 29% 的延迟降低，同时保持规划质量和安全性。
引用
@article{arxiv.2511.20720,
title = {DeeAD: Dynamic Early Exit of Vision-Language Action for Efficient Autonomous Driving},
author = {Haibo HU and Lianming Huang and Nan Guan and Chun Jason Xue},
journal= {arXiv preprint arXiv:2511.20720},
year = {2025}
}