論文の概要: DA-PTQ: Drift-Aware Post-Training Quantization for Efficient Vision-Language-Action Models

• arxiv url: http://arxiv.org/abs/2604.11572v1
• Date: Mon, 13 Apr 2026 14:51:43 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-04-14 20:13:16.628947
• Title: DA-PTQ: Drift-Aware Post-Training Quantization for Efficient Vision-Language-Action Models
• Title（参考訳）: DA-PTQ:効率的な視覚・言語・行動モデルのためのドリフト対応後学習量子化
• Authors: Siyuan Xu, Tianshi Wang, Fengling Li, Lei Zhu, Heng Tao Shen,
• Abstract要約: DA-PTQ (Drift-Aware Post-Training Quantization) は、逐次決定過程に対するドリフト-アウェア最適化問題として量子化を定式化する。 DA-PTQはキネマティックドリフトを著しく低減し、低ビット設定下での完全精度モデルに匹敵する性能を達成する。
• 参考スコア（独自算出の注目度）: 61.26694413585136
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Vision-Language-Action models (VLAs) have demonstrated strong potential for embodied AI, yet their deployment on resource-limited robots remains challenging due to high memory and computational demands. While Post-Training Quantization (PTQ) provides an efficient solution, directly applying PTQ to VLAs often results in severe performance degradation during sequential control. We identify temporal error accumulation as a key factor, where quantization perturbations at the vision-language-to-action interface are progressively amplified, leading to kinematic drift in executed trajectories. To address this issue, we propose Drift-Aware Post-Training Quantization (DA-PTQ), which formulates quantization as a drift-aware optimization problem over sequential decision processes. DA-PTQ consists of two components: (1) Cross-Space Representation Compensation, which mitigates structured distortions between multimodal representations and action space to improve action consistency, and (2) Motion-Driven Mixed-Precision Allocation, which assigns bit-widths by minimizing trajectory-level motion errors. Extensive experiments show that DA-PTQ significantly reduces kinematic drift and achieves comparable performance to full-precision models under low-bit settings, enabling practical deployment of VLAs on resource-limited robotic platforms.
• Abstract（参考訳）: VLA(Vision-Language-Action Model)は、AIを具現化するための強力な可能性を示しているが、高メモリと計算要求のため、リソース制限されたロボットへの展開は難しいままである。 PTQ(Post-Training Quantization)は効率的なソリューションを提供するが、直接VLAにPTQを適用すると、シーケンシャル制御時にパフォーマンスが著しく低下する。 本研究では,時間的誤差蓄積を重要な要因とみなし,視覚言語-行動インターフェースにおける量子化摂動が徐々に増幅され,実行された軌道の運動的ドリフトにつながることを示す。 この問題に対処するために、逐次決定プロセスよりもドリフト対応最適化問題として量子化を定式化するDrift-Aware Post-Training Quantization (DA-PTQ)を提案する。 DA-PTQは,(1)マルチモーダル表現と行動空間間の構造的歪みを緩和し,動作一貫性を向上させるクロススペース表現補償,(2)軌道レベルの動作誤差を最小限に抑えてビット幅を割り当てるモーション駆動混合精度割当の2成分からなる。 DA-PTQは、低ビット環境下でのフル精度モデルに匹敵する性能を実現し、資源制限されたロボットプラットフォームへのVLAの実践的展開を可能にする。

関連論文リスト

• QuantVLA: Scale-Calibrated Post-Training Quantization for Vision-Language-Action Models [21.01470580488428]
  視覚言語アクション(VLA)モデルは、エンボディエージェントの認識、言語、制御を統一する。 トレーニング不要なポストトレーニング量子化フレームワークQuantVLAを紹介する。 これはVLAシステムにおける最初のPTQアプローチであり、拡散トランスフォーマー(DiT)アクションヘッドの定量化に成功した最初の方法である。
  論文  参考訳（メタデータ） (2026-02-23T19:55:54Z)
• End-to-End On-Device Quantization-Aware Training for LLMs at Inference Cost [53.25965863436039]
  量子化対応トレーニング(QAT)は、より原則化されたソリューションを提供するが、バックプロパゲーションに依存しているため、メモリコストは禁じられている。 重み付けとアクティベーション量子化の両方をサポートするゼロオーダー最適化ベースのQATフレームワークであるZeroQATを提案する。 実験の結果、ZeroQATはPTQとQATのベースラインを一貫して上回り、メモリは大幅に削減された。
  論文  参考訳（メタデータ） (2025-08-21T01:18:27Z)
• MPQ-DMv2: Flexible Residual Mixed Precision Quantization for Low-Bit Diffusion Models with Temporal Distillation [74.34220141721231]
  我々は,textbfMixed textbfPrecision textbfQuantizationフレームワークを改良したMPQ-DMv2を提案する。
  論文  参考訳（メタデータ） (2025-07-06T08:16:50Z)
• SP-VLA: A Joint Model Scheduling and Token Pruning Approach for VLA Model Acceleration [70.72227437717467]
  VLA(Vision-Language-Action)モデルは、その強力な制御能力に注目が集まっている。 計算コストが高く、実行頻度も低いため、ロボット操作や自律ナビゲーションといったリアルタイムタスクには適さない。 本稿では,共同スケジューリングモデルとプルーニングトークンにより,VLAモデルを高速化する統一フレームワークSP-VLAを提案する。
  論文  参考訳（メタデータ） (2025-06-15T05:04:17Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。