論文の概要: MINERVA: How Small Can a Manipulation Policy Be and Still Solve LIBERO?
- arxiv url: http://arxiv.org/abs/2609.03715v1
- Date: Thu, 03 Sep 2026 11:51:10 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-09-04 18:28:39.046633
- Title: MINERVA: How Small Can a Manipulation Policy Be and Still Solve LIBERO?
- Title（参考訳）: ミネルバ: マニピュレーション政策はどの程度小さくてもリベロを解決できるか?
- Abstract要約: 数十億のパラメータを持つビジョン言語アクション(VLA)モデルが、LIBERO操作ベンチマークを支配している。
我々は,このタスク固有のキャパシティフロアを測定するために,故意にコンパクトなビジュモータポリシーのファミリであるMINERVAを紹介する。
- 参考スコア（独自算出の注目度）: 17.278454245145312
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Vision-language-action (VLA) models with billions of parameters now dominate the LIBERO manipulation benchmark, but the model capacity actually required by the benchmark remains unclear. We introduce MINERVA (MINimal Efficient Robotic Vision-Action policy), a family of deliberately compact visuomotor policies designed to measure this task-specific capacity floor. A 0.54M-parameter policy achieves 95.1% average success over 2,000 rollouts on the four standard LIBERO suites, only 2.4 points below the reported LeRobot $π_{0.5}$ result despite using 7,700$\times$ fewer parameters. Performance saturates near 1M parameters and collapses below 0.25M. Across broad architectural, training, and inference sweeps, only action-chunk length and vision capacity consistently exceed a $\pm$1-point training-seed band. Flow matching provides no detectable advantage over direct L1 regression across three seeds, while regression is up to 3.8$\times$ faster on GPU. A task-ID permutation probe shows that standard LIBERO instruction conditioning primarily selects among memorized tasks: changing only the task-ID mapping reduces success to near chance. The same recipe achieves 94.6% success across 89 LIBERO-90 tasks, while LIBERO-Plus perturbations reduce performance to 46--56%, with near-zero robustness to photometric shifts. The 0.54M policy replans every control step in 5--9 ms per chunk on a laptop CPU, 113$\times$ faster than SmolVLA and 1,400$\times$ faster than $π_{0.5}$, without a GPU. These results establish a first empirical estimate of LIBERO's task-specific capacity floor and motivate capacity-aware design and distillation for deployment-efficient robot policies.
- Abstract（参考訳）: 数十億のパラメータを持つ視覚言語アクション(VLA)モデルがLIBERO操作ベンチマークを支配しているが、実際にベンチマークで必要とされるモデル容量は未定である。
我々は,このタスク固有の能力床を測定するために,意図的にコンパクトなビジュモータ政策であるMINERVA(Minimal Efficient Robotic Vision-Action Policy)を紹介した。
0.54Mパラメータポリシーは、4つの標準LIBEROスイート上で平均95.1%のロールアウトを達成した。
性能は100Mのパラメータ近くで飽和し、0.25M未満で崩壊する。
広いアーキテクチャ、トレーニング、推論の全体にわたって、アクションチャンクの長さと視覚能力は、常に$$\pm$1-pointのトレーニングシードバンドを超えている。
フローマッチングは、3つのシード間で直接L1レグレッションよりも検出可能なアドバンテージを提供するが、レグレッションはGPUで最大3.8$\times$高速である。
Task-ID 置換プローブは、標準 LIBERO 命令条件が主に記憶されたタスクの中から選択されていることを示す。
同じレシピは89のLIBERO-90タスクで94.6%成功し、LIBERO-Plusの摂動は46～56%に低下し、光度シフトに対するほぼゼロの堅牢性を持つ。
0.54Mポリシーは、ラップトップCPU上の5--9ミリ秒毎の制御ステップを、SmolVLAよりも113$\times$、GPUなしで1400$\times$で、π_{0.5}$より高速に計画している。
これらの結果は,LIBEROのタスク固有の容量フロアを初めて実証的に推定し,展開効率のよいロボットポリシーのためのキャパシティアウェアの設計と蒸留を動機づける。
関連論文リスト
- From Production Traffic to Post-Training: Building a Self-Hosted LLM That Covers the Corporate Request Mix [55.08143827481755]
200以上の内部アプリケーションから1つのモデルにトラフィックを集約します。
我々は、各軸ごとに別々のGRPOエキスパートを訓練し、2段階のSLERPを介してそれらをマージする。
このモデルは、プラットフォームトラフィックの50%、月1億6600万リクエストをサービスコストのごく一部で吸収する。
論文 参考訳（メタデータ） (2026-09-01T17:39:26Z) - ReactVLA: Fast and Lightweight Reactive Robot Manipulation via Improved Mean Flow Action Generation [6.976481623762446]
textttReactVLAは、リアルタイムロボット操作のための軽量で低レイテンシなVLAフレームワークである。
textttReactVLAは、同じサイズのVLAベースラインを一貫して上回る。
現実世界のポリシーのレイテンシを38.6ミリ秒以下に短縮し、物理ロボットプラットフォームでの高速な反応性制御を可能にする。
論文 参考訳（メタデータ） (2026-06-12T08:33:37Z) - SARM2: Multi-Task Stage Aware Reward Modeling for Self Improving Robotic Manipulation [57.131411215593744]
ロングホライゾン操作のための微調整視覚言語アクション(VLA)ポリシーは、依然として行動クローニングに大きく依存している。
本稿では,MMOE(Multi-gate Mixture-of-Experts)値ヘッドとアクションプリミティブベースのステージ推定器を組み合わせたマルチタスクステージ認識報酬モデルRMを紹介する。
RM 上に構築した SPIRAL は,安価で自律的なロールアウトから VLA ポリシーを改善する,政治上の報酬誘導型フレームワークである。
論文 参考訳（メタデータ） (2026-06-09T01:46:23Z) - RepSAM: Bridging Foundation Models to Robotic Vision via Representation-Guided Adaptation [0.0]
RepSAMは、ロボットビジョンに基礎モデルを適用するための表現誘導パラメータ効率の微調整フレームワークである。
RepSAMは完全な微調整性能(89.0%対90.9% mIoU)の97.9%を達成し、トレーニング可能なパラメータを158倍(632Mから4.0M)削減した。
論文 参考訳（メタデータ） (2026-05-25T06:56:42Z) - A1: A Fully Transparent Open-Source, Adaptive and Efficient Truncated Vision-Language-Action Model [112.9420001646428]
VLA(Vision-Language-Action)モデルは、オープンワールドロボット操作の強力なパラダイムとして登場したが、実際の展開はコストに制約されることが多い。
我々は、低コストで高スループットな推論のために設計された、完全にオープンソースで透明なVLAフレームワークであるA1を提示する。
A1は最先端の成功率を達成すると同時に、推論コストを大幅に削減する。
論文 参考訳（メタデータ） (2026-04-07T10:18:40Z) - One-for-All: A Lightweight Stabilized and Parameter-Efficient Pre-trained LLM for Time Series Forecasting [4.364999214109123]
One-for-Allは、時系列分析のためにトレーニング済みの大規模言語モデルを適用するためのフレームワークである。
rsLoRAは、低いランクでの証明可能な勾配安定性を可能にする数学的に基底的なランク安定化機構を導入している。
One-for-Allは最先端の効率と精度のトレードオフを達成する。
論文 参考訳（メタデータ） (2026-03-31T13:54:43Z) - LLM Readiness Harness: Evaluation, Observability, and CI Gates for LLM/RAG Applications [51.56484100374058]
評価をデプロイメント決定ワークフローに変換するLLMおよびRAGアプリケーションのための準備性ハーネスを提案する。
このシステムは、最小限のAPI契約の下で、自動ベンチマーク、OpenTelemetryオブザーバビリティ、CI品質ゲートを組み合わせる。
チケットルーティングとBEIRタスクのハーネスを、完全なAzureマトリックスカバレッジで評価する。
論文 参考訳（メタデータ） (2026-03-28T18:03:32Z) - ALMAB-DC: Active Learning, Multi-Armed Bandits, and Distributed Computing for Sequential Experimental Design and Black-Box Optimization [0.0]
ALMAB-DCはブラックボックス実験のための逐次設計フレームワークである。
バンディット成分に対する累積的後悔境界を示し、Amdahlの法則を通した並列スケーラビリティを特徴付ける。
分散実行は、Amdahlの法則に従って、$K = 16$エージェントでの7.5times$スピードアップを達成する。
論文 参考訳（メタデータ） (2026-03-22T11:47:20Z) - OASI: Objective-Aware Surrogate Initialization for Multi-Objective Bayesian Optimization in TinyML Keyword Spotting [0.0]
音声アシスタントは、キーワードスポッティング(KWS)を使用して、効率的でプライバシーに優しいアクティベーションを可能にする。
超低消費電力のTinyMLデバイス上で正確なKWSモデルを実現するには、精度とリソース制約の微妙なバランスが必要である。
本稿では,OASI(Objective-Aware Surrogate Initialization)を提案する。
論文 参考訳（メタデータ） (2025-12-17T17:32:33Z) - Accelerating RL for LLM Reasoning with Optimal Advantage Regression [52.0792918455501]
本稿では,最適優位関数を直接近似する新しい2段階ポリシー最適化フレームワークを提案する。
A$*-POは、幅広い数学的推論ベンチマークで競合性能を達成する。
PPO、GRPO、REBELと比較して、トレーニング時間を最大2$times$、ピークメモリ使用率を30%以上削減する。
論文 参考訳（メタデータ） (2025-05-27T03:58:50Z) - Towards Efficient Automatic Self-Pruning of Large Language Models [55.90119819642064]
トレーニング後の構造化プルーニングは、トレーニングを必要とせずに大規模言語モデルを熟成する有望なソリューションである。
この問題を緩和する鍵は、各レイヤのプルーニング率を正確に決定することにある、と我々は主張する。
我々は、レイヤワイドプルーニングレートを効率的に検索するLLMのためのエンドツーエンドの自動自動プルーニングフレームワークである$textbfSelf-Prunerを紹介した。
論文 参考訳（メタデータ） (2025-02-20T09:59:50Z) - One-Step Diffusion Policy: Fast Visuomotor Policies via Diffusion Distillation [80.71541671907426]
OneStep Diffusion Policy (OneDP)は、事前訓練された拡散政策から知識を単一ステップのアクションジェネレータに蒸留する新しいアプローチである。
OneDPはロボット制御タスクの応答時間を著しく短縮する。
論文 参考訳（メタデータ） (2024-10-28T17:54:31Z) - PiSSA: Principal Singular Values and Singular Vectors Adaptation of Large Language Models [23.890454137522774]
主特異値と特異ベクトル適応(PiSSA)を導入する。
PiSSAはLoRAと同じアーキテクチャを共有しているが、アダプタ行列を$A$と$B$で初期化し、元の行列の主成分を$W$とし、残りのコンポーネントをmathbbRm times n$の残留行列に配置する。
LoRAと比較すると、PiSSAは主コンポーネントを更新し、"残留"部分を凍結することで、より高速な収束と性能の向上を実現している。
論文 参考訳（メタデータ） (2024-04-03T15:06:43Z)
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。