Tags: #multimodal chain-of-thought

dVLA 论文精读：用多模态 CoT 统一扩散式 VLA

精读 dVLA：把视觉子目标、文本推理和机器人动作统一为离散扩散去噪，并用 Prefix Mask 与 KV Cache 将推理速度提升到约 2 倍。

22 min read