模型层和系统层
Vision-Language-Action 策略从图像、指令及该模型支持的状态产生动作；离散 action token、连续向量、扩散或 flow 动作轨迹有不同训练与解码方式。OpenVLA 官方 README 提供动作解码与归一化接口；OpenPI 文档提供策略服务和客户端。输出维度、token 数与机器人关节数分别记录。
这里的 VLA 是视觉语言动作模型；C/C++ 的 Variable Length Array 属于编程语言概念，两者不可混用。
三个时间尺度
预测 H 个动作，每次实际执行 K≤H 个，底层周期 dt。观测到推理结果可用的延迟为 tau，第 j 个动作开始时观测年龄近似 tau+j·dt，另加队列等待。大 K 减少调用但延长开环，小 K 增加反馈却提高通信与算力需求。
| 改进方向 | 必须测量 |
|---|---|
| 减少扩散/flow 步数 | 同硬件下时延与动作质量 |
| token/网络剪枝 | 判据成本、失败与分布变化 |
| 动态动作消费 | H、K、停止条件与干预时延 |
| 异步推理 | 观测身份、结果到达、切换时刻 |
| 前缀约束/inpainting | 已执行动作不可修改与接续连续性 |
官方服务文档补充：动作块不是控制周期
OpenPI 远程推理返回 (action_horizon, action_dim) 的动作块，客户端决定何时调用与怎样执行。服务推理时间不包含全部感知、网络、控制和仿真；预测长度也不规定必须一次消费整块。动作字段和归一化语义由指定策略配置决定。
异步结果携带请求编号、episode 与观测时间。reset、任务切换及过期结果需要取消或丢弃；切换新动作块时核对位置/速度连续性与控制器状态。通用调度伪代码不等于具体论文算法实现。
实验路线
先验证固定 H/K 的同步执行，再只改变一个时序因素；统计端到端延迟分位数、观测年龄、队列长度、成功与失败。剪枝的动作差应先统一单位和尺度，不能把角度、平移、夹爪直接取未加权欧氏距离。RL 适配需写明更新完整模型、动作头、adapter、隐变量或独立策略中的哪一项。