针对视觉-语言-动作（VLA）模型量化后性能暴跌的难题，上海交通大学团队提出了QVLA框架。它通过创新的动作感知量化策略，实现了模型的高效压缩与实时部署，为资源受限的机器人应用提供了切实可行的解决方案，显著提升了模型部署的效率与实用性。
智能速览
VLA模型传统量化后性能会急剧下降。
QVLA框架通过量化动作敏感性高的通道来保护性能。
该框架统一了剪枝与量化，为不同通道分配最优位宽。
量化后模型显存占用降至29.2%，性能仍保持98.9%。
真实机械臂任务中，实现了1.28倍加速且成功率不变。
精华内容
QVLA框架的创新之处在于，它摒弃了传统均匀量化思维，转而聚焦于对机器人动作至关重要的核心信息。
传统量化困境
大规模视觉-语言-动作模型在具身智能领域展现出巨大潜力，但其庞大的参数量给部署带来了严峻挑战。传统的均匀量化方法，如借鉴自大语言模型的方案，会不加区分地压缩模型所有部分。这在VLA模型中会导致灾难性后果，因为微小的权重误差可能在动作决策中被逐级放大，最终使机器人无法完成物理交互任务，导致性能急剧下降。
动作敏感性分析
QVLA框架的核心突破在于引入了通道级的动作敏感性分析。该方法能够精准评估每个通道在量化到不同位宽后，对最终机器人动作输出产生的具体影响。通过这种分析，框架可以识别出哪些通道对动作决策至关重要，哪些则相对次要，从而实现了对模型内部不同模块和通道的差异化、精细化量化，为后续的资源分配提供了科学依据。
贪心算法优化
基于敏感性分析的结果，QVLA采用全局贪心降级算法，为每个通道动态分配最优的位宽，范围从0位（即剪枝）到16位不等。这种设计巧妙地将模型剪枝与量化统一在一个框架内，在满足预设的内存或计算预算约束下，能够以最小的动作性能损失为目标，进行全局最优的位宽分配，极大地提升了资源利用效率。
性能实测表现
在LIBERO模拟基准测试中，OpenVLA模型经过QVLA量化后，显存占用仅为原模型的29.2%，却依然保持了高达98.9%的任务成功率，推理速度提升1.49倍。与SmoothQuant等先进方法相比，其性能优势达到22.6%。在更具挑战的真实世界双机械臂操作任务中，采用W8A16量化设置时，模型不仅实现了1.28倍的推理加速，其63.3%的任务成功率也与原模型持平，验证了该方案的实用价值。
QVLA框架为解决具身智能大模型部署瓶颈提供了新思路，其动作感知的量化策略兼顾了效率与性能。随着这一技术的成熟，未来将有更强大的机器人模型走出实验室，在各类资源受限的设备上实现实时、可靠的交互，加速具身智能技术的落地应用。
