Discrete Diffusion VLA（离散扩散 VLA）

用离散扩散解码 VLA 动作：动作 token 并行生成，先定有把握的再逐步补全。

Discrete Diffusion VLA 由香港大学、上海交通大学等机构的研究者（通讯作者穆尧、罗平）于 2025 年 8 月发布，已被 ICML 2026 接收。OpenVLA 这类离散 VLA 把动作分箱成 token 后自回归地逐个生成，慢且早期错误无法回改；π0 这类连续扩散头则要另接动作模块。它在 OpenVLA（Prismatic-7B，Llama 2 底座）上把动作块 token 改为双向注意力，用离散扩散（掩码预测）解码：初始全是掩码，每轮并行预测，先确定置信度高的 token，其余继续迭代，并把不够确定的已填 token 重新掩码修正。动作解码和语言模型共用一个 Transformer 与交叉熵目标，也更好保留了原 VLM 的能力。

例子在仿真基准上，它在 LIBERO 平均成功率 96.4%，SimplerEnv-Fractal 视觉匹配 71.2%，SimplerEnv-Bridge 54.2%；作者还在松灵 Cobot Magic 平台上做了真机验证。

也叫

离散扩散 VLA

相关

离散扩散、视觉-语言-动作模型、OpenVLA、分箱离散化、并行解码、自回归解码

来源

Discrete Diffusion VLA (arXiv:2508.20072)
Discrete Diffusion VLA 论文 HTML 全文 v4

信息截至

2026-05