**TurboVLA: 实时视觉-语言-动作模型，32Hz运行于RTX 4090，显存占用不足1GB**

_TurboVLA: Real-Time Vision-Language-Action Model at 32 Hz on an RTX 4090 with <1 GB VRAM_

> TurboVLA提出一种新型VLA范式，摒弃传统LLM中心架构，采用轻量级双向视觉-语言交互直接映射视觉与语言输入至动作输出。在LIBERO基准上以仅0.2B参数实现97.7%成功率，推理延迟31.2ms、显存占用0.9GB，显著降低计算与内存开销，为高效机器人操作提供新方案。

**来源信息**
- **来源**：HuggingFace Daily Papers（社区热门论文）
- **分类**：ai-models
- **发布时间**：2026-07-30 08:00（北京时间）
- **原文**：[打开原文](https://huggingface.co/papers/2607.27205)