論文の概要: Quantile Head for Vision-Language-Action Models

• arxiv url: http://arxiv.org/abs/2609.34061v1
• Date: Mon, 28 Sep 2026 00:40:10 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-04 07:22:49.368291
• Title: Quantile Head for Vision-Language-Action Models
• Title（参考訳）: ビジョン・ランゲージ・アクションモデルのための量子ヘッド
• Abstract要約: 我々は、中央値と正のギャップを予測し、1つの前方通過で順序付けられた境界作用量子化を形成するQuantile Headを開発する。 この量的目的は、中央値と正のギャップを予測し、1つの前方通過で順序付けられた辺りのアクション量子化を形成するQuantile Headの設計を導く。 実験の結果, この共同管理型中央値政策は, 比較手法の平均成功率が最も高いことがわかった。
• 参考スコア（独自算出の注目度）: 51.02329790939691
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Vision-Language-Action (VLA) models integrate pretrained Vision-Language Models (VLMs) with action heads for robot control. Common action heads have distinct limitations: point regression provides only a point estimate of the action distribution, while standard flow-matching samplers require costly iterative sampling. To address these limitations, we unify regression and flow matching under a shared objective and extend it to derive a quantile objective. This quantile objective guides the design of our Quantile Head, which predicts a median and positive gaps to form ordered marginal action quantiles in one forward pass. These quantiles support multiple sampling strategies without retraining and are jointly supervised to train the default median policy. Our local analysis of this joint supervision shows that, with calibrated nearby quantiles, fixed gaps, and matched correction speed, direct median updates have lower variance than under median-only supervision. Experiments show that this jointly supervised median policy achieves the highest average success rates among the compared methods on LIBERO, LIBERO-Plus, LIBERO-Pro, and two real-robot tasks, together with the shortest mean episode time among matched LIBERO baselines; code is available at https://github.com/xwangrs/Quantile-Head-for-VLA.
• Abstract（参考訳）: Vision-Language-Action(VLA)モデルは、事前訓練されたVision-Language Models(VLM)とアクションヘッドを統合し、ロボット制御を行う。 点回帰はアクション分布の点推定のみを提供するが、標準的なフローマッチングサンプリングにはコストがかかる。 これらの制約に対処するため、共有目的の下で回帰とフローマッチングを統一し、それを拡張して量子的目的を導出する。 この量的目的は、中央値と正のギャップを予測し、1つの前方通過で順序付けられた辺りのアクション量子化を形成するQuantile Headの設計を導く。 これらの量子は再トレーニングなしで複数のサンプリング戦略をサポートし、デフォルトの中央値ポリシーをトレーニングするために共同で監督される。 この共同監視の局所的な分析は、近傍の定量値、固定されたギャップ、および一致した補正速度で、直接中央値更新は中央値のみの監督下よりもばらつきが低いことを示している。 実験の結果, LIBERO, LIBERO-Plus, LIBERO-Pro, および2つの実ロボットタスクにおける比較手法の平均成功率は, 一致したLIBEROベースラインの中では最短であり, コードはhttps://github.com/xwangrs/Quantile-Head-for-VLAで公開されている。

関連論文リスト

• Let It Be Simple: One-Step Action Generation for Vision-Language-Action Models [48.13124286519152]
  拡散に基づく視覚言語アクションモデルはしばしば画像生成ビューを継承する。 標準拡散訓練から強力なワンステップアクション生成が生ずることを示す。
  論文  参考訳（メタデータ） (2026-06-04T05:58:30Z)
• LoopVLA: Learning Sufficiency in Recurrent Refinement for Vision-Language-Action Models [13.30873593845724]
  LoopVLAは、表現の洗練、アクション予測、十分性推定を学習する、リカレントなVision-Language-Actionアーキテクチャである。 この結果から,LoopVLAはVLAポリシーの効率性向上のフロンティアを推し進め,パラメータを45%削減し,推論スループットを最大1.7倍向上させることを示した。
  論文  参考訳（メタデータ） (2026-05-11T03:51:22Z)
• Reshaping Action Error Distributions for Reliable Vision-Language-Action Models [69.38615670891038]
  ロボット操作において、視覚言語アクション(VLA)モデルは、一般化可能でスケーラブルなロボットポリシーを学ぶための有望なパラダイムとして登場した。 連続動作型VLAモデルに焦点をあて、トレーニング中の動作誤差分布を再構成することにより、従来のMSEベースの回帰を超越する。 複数の代表的VLAアーキテクチャ上で、標準、少数ショット、ノイズの多い設定にまたがるアプローチを評価します。
  論文  参考訳（メタデータ） (2026-02-04T05:37:09Z)
• Steering Vision-Language-Action Models as Anti-Exploration: A Test-Time Scaling Approach [78.4812458793128]
  動作チャンクの高忠実度検証に軽量な擬数推定器を適用したテスト時間スケーリングフレームワークである textbfTACO を提案する。 我々の手法は、オフライン強化学習(RL)における古典的な反探索原理に似ており、勾配のないため、計算上の大きな恩恵をもたらす。
  論文  参考訳（メタデータ） (2025-12-02T14:42:54Z)
• Merge and Guide: Unifying Model Merging and Guided Decoding for Controllable Multi-Objective Generation [49.98025799046136]
  Merge-And-GuidEは、ガイド付きデコーディングにモデルマージを利用する2段階のフレームワークである。 ステージ1では、MAGEはガイダンスとベースモデルの互換性の問題を解決する。 ステージ2では、明示的で暗黙的な値モデルを統一的なガイダンスプロキシにマージします。
  論文  参考訳（メタデータ） (2025-10-04T11:10:07Z)
• Distributionally Robust Models with Parametric Likelihood Ratios [123.05074253513935]
  3つの単純なアイデアにより、より広いパラメトリックな確率比のクラスを用いてDROでモデルを訓練することができる。 パラメトリック逆数を用いてトレーニングしたモデルは、他のDROアプローチと比較して、サブポピュレーションシフトに対して一貫して頑健であることがわかった。
  論文  参考訳（メタデータ） (2022-04-13T12:43:12Z)
• Dynamic Value Estimation for Single-Task Multi-Scene Reinforcement Learning [22.889059874754242]
  同じタスクから複数のレベル/シーン/条件を持つ環境において、深層強化学習エージェントを訓練することは、多くのアプリケーションにとって欠かせないものとなっている。 本研究では,複数のMDP環境に対する動的値推定(DVE)手法を提案する。
  論文  参考訳（メタデータ） (2020-05-25T17:56:08Z)

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。