연구진은 로봇 제어를 위한 비전-언어-액션(VLA) 모델의 온-로봇 배치를 분석하고, 다양한 하드웨어 환경에서의 성능을 평가했어요. 분석 결과, 저렴한 엣지 장비가 플래그십 GPU보다 비용/에너지 효율이 높으면서도 제어 속도 제약 조건을 충족할 수 있음을 확인했어요. DP-Cache 및 V-AEFusion 기법을 통해 GPU에서 최대 2.9배, 엣지 NPU에서 최대 6배의 속도 향상을 달성했으며, 성공률 저하를 최소화했어요.