SPAR：结构化剪枝加强化学习压缩VLA模型π0.5

Shenli Zheng 等人在 arXiv 论文中提出 SPAR（Structural Pruning and Action Recovery）方法，通过剪枝感知微调对视觉-语言-动作模型 π0.5 的语言骨干做结构化剪枝（同时剪掉隐藏维和前馈中间维），再用强化学习恢复操作策略性能。 应用于 π0.5 时，语言骨干从 2.34B 参数降至 0.09B（约减 96%），完整模型从 3.37B 降至 1.12B（约减 67%）。强化学习将四个 LIBERO 套件的平均成功率从 84.55% 提升至 93.45%，压缩后的策略相对未剪枝模型取得 1.98 倍全策略推理加速。

AI 根据报道生成 · 11 小时前更新