TurboVLA：在 RTX 4090 上以 32 Hz 实时运行、显存低于 1 GB 的视觉语言动作模型

TurboVLA 将传统 V→L→A 路径改为直接的 V+L→A 映射，独立编码视觉与语言后通过轻量双向交互预测连续动作块。论文报告其仅 0.2B 参数，在 RTX 4090 上达到 31.2 ms 延迟、0.9 GB 推理显存，并在 LIBERO 获得 97.7% 平均成功率。