机器人端起杯子时，不能算完一步就停下来等模型。VLA（视觉—语言—动作模型）要把画面和指令直接变成控制动作，通常每秒更新50至200次；但扩散式VLA要像反复修改草稿一样，多轮去噪才能生成动作，移动端往往跟不上。
Deltoris抓住一个朴素现象：控制间隔很短，相邻画面变化也很小。作者实验中，连续帧常有超过98%的像素不变。系统因此采用“比特级稀疏”——只计算输入变化后仍活跃的二进制位，最多减少92.9%的运算。可少算之后，频繁搬运中间数据又会拖慢系统；于是轻量VLA先猜出多个未来动作，再由更可靠的大模型统一核验，摊薄数据读取成本。未经核验的动作不会交给机器人执行。
作者称，配合专用加速器，Deltoris在三种VLA模型上保持相近任务成功率，相比移动GPU最高加速34.2倍、相比既有专用加速器最高6.1倍。这个结果来自论文原型评估，尚不能等同于各类机器人上的普遍实测表现。