論文の概要: Fast and Accurate: An Adaptive VLA Inference Framework through Environment-aware Model Selection

• arxiv url: http://arxiv.org/abs/2608.06434v1
• Date: Thu, 06 Aug 2026 06:32:27 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-08-10 16:21:25.247627
• Title: Fast and Accurate: An Adaptive VLA Inference Framework through Environment-aware Model Selection
• Title（参考訳）: 高速かつ高精度:環境対応モデル選択による適応型VLA推論フレームワーク
• Abstract要約: 環境対応モデル選択(Environment-aware Model Selection、EMS)は、2つの完全に分離されたシステム間で切り替える適応型VLA推論フレームワークである。 EMSは、大規模なベースラインに匹敵する成功率を達成すると同時に、効果的な動作周波数を93.4Hzに向上させる。
• 参考スコア（独自算出の注目度）: 35.17327515353227
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Embodied intelligence demands both long-horizon reasoning and real-time closed-loop responsiveness. Recent dual-system Vision-Language-Action (VLA) architectures combine fast reactive control with slow deliberative reasoning to balance inference speed and task success rate. However, existing dual-process VLAs tightly couple the fast module to intermediate representations of the slow module, necessitating end-to-end joint training and limiting modularity, extensibility and flexible system switching. In this paper, we propose Environment-aware Model Selection (EMS), an adaptive VLA inference framework that switches between two fully decoupled systems of different scales through environment-aware model selection. The large-scale deliberative system provides globally consistent trajectory planning to ensure task success, while a lightweight reactive system enables high-frequency closed-loop control. A reinforcement-learning-based switching policy dynamically selects which system to invoke based on real-time feedback, enabling sparse use of the slow system and thereby balancing pretrained knowledge utilisation with runtime efficiency. Our design offers three key advantages over prior hierarchical VLA frameworks: (1) a fully decoupled and modular dual-system architecture that supports plug-and-play model replacement; (2) an adaptive, environment-aware switching strategy; (3) high-frequency inference for responsive closed-loop control. We extensively evaluate EMS in both simulation and real-world environments. On the LIBERO benchmark, EMS achieves success rates comparable to the large-scale baseline while increasing the effective action frequency to 93.4 Hz. The framework further demonstrates strong extensibility in real-world dual-arm manipulation tasks, where it accelerates task completion while maintaining robust performance.
• Abstract（参考訳）: エンボディード・インテリジェンスは、ロングホライズン推論とリアルタイムクローズドループ応答性の両方を要求する。 最近のデュアルシステムVision-Language-Action(VLA)アーキテクチャは、高速なリアクティブ制御と遅い熟考推論を組み合わせ、推論速度とタスク成功率のバランスをとる。 しかしながら、既存のデュアルプロセスVLAは、高速モジュールを遅いモジュールの中間表現に密に結合し、エンドツーエンドのジョイントトレーニングを必要とし、モジュール性、拡張性、フレキシブルなシステムスイッチを制限している。 本稿では,環境対応モデル選択を通じて,異なるスケールの2つの完全に分離されたシステム間を切り替える適応型VLA推論フレームワークである環境対応モデル選択(EMS)を提案する。 大規模な熟考システムは,タスクの成功を確実にするための一貫した軌道計画を提供し,軽量なリアクティブシステムは高周波閉ループ制御を可能にする。 強化学習に基づくスイッチングポリシでは、リアルタイムフィードバックに基づいてどのシステムが起動するかを動的に選択し、低速なシステムのスパース使用を可能にし、事前学習した知識利用と実行効率のバランスをとる。 当社の設計は,(1)プラグアンドプレイモデル置換をサポートする完全分離型モジュール型デュアルシステムアーキテクチャ,(2)適応型,環境対応型スイッチング戦略,(3)応答性閉ループ制御のための高周波推論という,従来の階層型VLAフレームワークに対する3つの大きな利点を提供する。 シミュレーション環境と実環境環境の両方において,EMSを広範囲に評価する。 LIBEROベンチマークでは、EMSは大規模なベースラインに匹敵する成功率を達成し、効果的な動作周波数を93.4Hzに向上させた。 このフレームワークは、実世界のデュアルアーム操作タスクにおいて、堅牢なパフォーマンスを維持しながらタスクの完了を加速する強力な拡張性を示す。

関連論文リスト

• Dual Process Motion Planning [53.570848178455776]
  頑健な推論と学習の強みを組み合わせたデュアルプロセスアーキテクチャを導入する。 我々のフレームワークは、経験駆動型System-1'モジュールでSystem-2'コンポーネントとして最先端のシンボルソルバを統合している。
  論文  参考訳（メタデータ） (2026-09-01T13:52:12Z)
• Hierarchical LLM-Driven Control for HAPS-Assisted UAV Networks: Joint Optimization of Flight and Connectivity [33.68706070829591]
  INTN(Integrated terrestrial and non-terrestrial network)で動作するマルチUAVシステムについて検討する。 衝突回避,効率的な交通流,そして動的かつ部分的に観測可能な条件下での信頼性の高い通信を確保するために,UAVが自身の動きに適応しなければならない3次元空路シナリオを考察する。 我々は,大規模言語モデル(LLM)による階層型マルチレート制御フレームワークを提案する。世界レベルでは,HAPS上のLLMベースのコントローラが,ロードバランシングとハンドオーバ決定のための長期計画を実行する。 ローカルレベルでは、各UAVは遅い時間スケールを統合するハイブリッドコントローラを使用する。
  論文  参考訳（メタデータ） (2026-05-12T04:27:14Z)
• Asynchronous Fast-Slow Vision-Language-Action Policies for Whole-Body Robotic Manipulation [10.09057399213028]
  Vision-Language-Action(VLA)システムは、意味論的推論のためのVision-Language Model(VLM)と、連続的なアクション信号を生成するアクションエキスパートを統合する。 本稿では,非同期なFast-Slow VLAフレームワーク(DuoCore-FS)を導入し,アクション生成のための高速経路とリッチなVLM推論のための遅い経路にシステムを編成する。
  論文  参考訳（メタデータ） (2025-12-23T09:28:20Z)
• 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)
• Pangu Embedded: An Efficient Dual-system LLM Reasoner with Metacognition [95.54406667705999]
  Pangu Embeddedは、Ascend Neural Processing Units (NPU) 上で開発された効率的なLarge Language Model (LLM) 推論器である。 既存の推論最適化 LLM でよく見られる計算コストと推論遅延の問題に対処する。 単一の統一モデルアーキテクチャ内で、迅速な応答と最先端の推論品質を提供する。
  論文  参考訳（メタデータ） (2025-05-28T14:03:02Z)
• FASIONAD++ : Integrating High-Level Instruction and Information Bottleneck in FAt-Slow fusION Systems for Enhanced Safety in Autonomous Driving with Adaptive Feedback [15.55944950850973]
  FASIONADは、VLMベースの推論モジュールで高速なエンドツーエンドプランナーをシナジする、新しいデュアルシステムフレームワークである。 オープンループ実験では、FASIONADは平均$L2$軌道誤差を6.7%削減し、28.1%$衝突率を下げる。
  論文  参考訳（メタデータ） (2025-03-11T08:27:01Z)
• DriveTransformer: Unified Transformer for Scalable End-to-End Autonomous Driving [62.62464518137153]
  DriveTransformerは、スケールアップを簡単にするためのシンプルなE2E-ADフレームワークである。 タスク・セルフ・アテンション、センサー・クロス・アテンション、時間的クロス・アテンションという3つの統合された操作で構成されている。 シミュレーションされたクローズドループベンチマークBench2Driveと、FPSの高い実世界のオープンループベンチマークnuScenesの両方で、最先端のパフォーマンスを実現している。
  論文  参考訳（メタデータ） (2025-03-07T11:41:18Z)
• Can SAM Boost Video Super-Resolution? [78.29033914169025]
  単純な有効モジュールであるSAM-guidEd refinEment Module (SEEM)を提案する。 この軽量プラグインモジュールは、セマンティック・アウェア機能の生成にアテンションメカニズムを活用するように設計されている。 我々はSEEMをEDVRとBasicVSRの2つの代表的手法に適用し、最小限の実装労力で継続的に性能を向上する。
  論文  参考訳（メタデータ） (2023-05-11T02:02:53Z)

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。