它通过将慢系统2最后几层的Transformer模块重新构建为一个高效的执行模块，用作快系统1，从而在一个 模型中实现了快慢系统融合。 这种创新范式首次在单一预训练模型内实现慢速推理与快速执行的协同，突破了传统双系统分离瓶颈 。 从此，系统1不再是"门外汉"，它直接继承了VLM的预训练知识，能无缝理解系统2的"思考结果"（中间层特 征），同时自身设计保证其能高速运行。 在真机测试中，研究团队在AgileX和AlphaBot两个双臂机器人平台上分别设计了8项任务，如"擦黑板"、"倒 水"、"折叠毛巾"等。 FiS-VLA成功率分别达到68%和74%，比Pi0模型提升超过10个百分点 。 FiS-VLA团队 投稿 量子位 | 公众号 QbitAI 让机器人学会聪明且快速精准执行，一直是机器人操控领域的难题。 为了解决这个问题， 香港中文大学、北京大学、智平方和北京智源研究院 联合创新性地提出了 Fast-in- Slow（FiS-VLA） ，即一个 统一的双系统VLA模型 。 此外，FiS-VLA在泛化任务中表现也十分稳健。无论是未见过的新物体、复杂背景干扰，还是光照条件变 化，它都能保持50%以上的成功率，而其 ...