rMuscle：面向高效视觉-语言-动作模型推理的机器人肌肉记忆框架

arXiv 论文提出 rMuscle，一个面向 Vision-Language-Action（VLA）模型的实时推理框架。作者先分析具身工作负载，发现机器人在重复执行任务时，观测、动作轨迹乃至内部模型状态都存在高度相似性，据此设计双阶段肌肉记忆缓存：Context Cache 复用视觉 token 输出，Action Cache 复用神经元激活模式，并通过在线缓存重算、滑窗检索和去噪步骤间掩码共享控制内存与访问开销。

VLA 模型推理延迟直接影响机器人响应速度与动作平滑度，此前推理框架未充分利用具身任务的重复性，也未区分 VLA 不同阶段的瓶颈。rMuscle 把跨次执行的相似性作为可复用资源，是在不牺牲成功率前提下压缩推理成本的新思路，而非单纯堆算力。

机制在于：工厂等结构化场景中机器人反复执行相似任务，使相似性从观测层延伸到内部模型状态层。Context Cache 复用视觉 token 输出以减少重复计算；Action Cache 复用神经元激活模式以减少权重访问。配合在线重算、滑窗检索与去噪步骤间掩码共享，在保持缓存开销可控的同时换取加速。

对机器人产品研发而言，该方法可在 RTX 4090 与 Jetson Thor 上取得 1.29–1.42 倍加速，意味着同等硬件下更高控制频率或更低边缘算力成本，且声称在真实机器人上维持原有成功率。对部署在工厂等重复工位的具身产品，缓存机制可能成为推理栈的可选优化层。

• 在工厂重复工位的 VLA 部署中，将跨次执行缓存作为推理加速层进行集成与验证
• 针对 Jetson Thor 等边缘设备，评估缓存方案对控制频率与功耗预算的实际收益
• 围绕滑窗缓存检索与掩码共享等机制，构建可复用的推理优化中间件

• 缓存命中率在任务多样性提高或环境扰动时如何退化尚未说明
• 1.29–1.42 倍加速是否覆盖所有任务类型，各任务分项数据未给出
• 长期运行下缓存一致性与内存占用增长是否有上限未验证
• 是否开源、以及能否迁移到非 LIBERO/RoboTwin 的商用 VLA 模型未知