Fast-VLA：单次任务编码降低在线推理开销

基于摘要分析。Fast-VLA 研究机器人操作中 Vision-language-action（VLA）策略反复调用大型模型带来的计算开销，核心贡献是将变化较慢的任务理解与持续更新的机器人状态分离，使基础模型每个 episode 仅运行一次，同时保留在线闭环反馈。 方法在 episode 开始时调用冻结的 4B VLM，将指令与初始视图编码为固定的多层键值任务记忆。执行阶段，轻量在线 actor 融合可学习的时间索引、机械臂索引查询与当前视觉及本体感觉反馈，形成动作查询，再从固定记忆中检索任务语境并预测动作块，无需重新运行基础模型。摘要未提供 actor 结构、训练目标及训练数据细节。 作者报告，Fast-VLA 在 RoboTwin 2.0 的 Clean 与 Randomized 评估中成功率分别为 92.46% 和 92.40%，在 LIBERO 与 LIBERO-Plus 评估中分别为 95.95% 和 79.11%。在同一硬件上，相对三个持续条件化基线，作者报告 RoboTwin 摊销策略推理耗时降低 10.9–17.1 倍，预填充后的在线常驻内存为 1.22 GiB。该内存数字不能等同于包含初始 VLM 调用的整体峰值内存；具体硬件、计时边界、数据划分、重复次数及统计信息尚未验证。作者还报告，任务记忆交换实验表明 actor 依赖与当前 episode 匹配的任务记忆，但摘要不足以判断任务中途变化时的鲁棒性。 平台推测（待验证）：若 EEG/BCI 任务也具有相对稳定的任务指令与快速变化的神经状态，可考察复用“固定任务记忆＋在线轻量解码”的解耦机制，但原方法依赖指令、初始视觉及实时视觉和本体感觉反馈，不能直接替换成 EEG。需改造信号编码器与查询接口；低信噪比、跨被试和跨通道差异、小数据训练及任务切换均可能使固定记忆失配。一个可证伪的小实验是在相同 EEG 数据划分下，对照固定任务记忆与逐窗口更新语境，分别核对解码指标、含初始化的端到端时延和任务切换后的性能。已有 EEG 相关工作尚未检索确认。