論文の概要: Urgent Actions Go First: Urgency-Aware Denoising for Real-Time VLA Control

• arxiv url: http://arxiv.org/abs/2609.37772v1
• Date: Tue, 29 Sep 2026 15:13:14 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-30 21:28:47.665151
• Title: Urgent Actions Go First: Urgency-Aware Denoising for Real-Time VLA Control
• Title（参考訳）: 緊急行動ファースト:リアルタイムVLA制御のための緊急対応
• Abstract要約: 既存の加速法は、アクションチャンクをモノリシックな計算単位として扱う。 UAD(Urgency-Aware Denoising)は、各アクションが物理的に必要になったときに応じてデノイングを割り当てる新しい推論時間フレームワークである。 UADは、物理実行による尾アクションの継続的なバックグラウンド改善を重複しながら、ステップを減らした後、時間クリティカルな緊急アクションをリリースする。
• 参考スコア（独自算出の注目度）: 18.40902134276604
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Diffusion and flow-matching Vision-Language-Action (VLA) policies generate action chunks through iterative denoising, incurring substantial inference latency that severely limits real-time robotic control. Existing acceleration methods treat an action chunk as a monolithic computational unit, ignoring a crucial physical reality of receding-horizon control: actions are generated jointly but consumed sequentially, resulting in inherently heterogeneous execution urgencies. We exploit this asymmetry to introduce Urgency-Aware Denoising (UAD), a novel inference-time framework that allocates denoising computation according to when each action is physically needed. UAD releases time-critical urgent actions after fewer denoising steps while overlapping the continued background refinement of tail actions with physical execution. However, heterogeneous denoising introduces two key challenges: early-release errors in urgent actions and trajectory inconsistency in tail actions. UAD elegantly resolves both through two core mechanisms: Trajectory Reconciliation, which reconstructs unified internal state evolution to restore joint denoising coherence without additional model evaluations, and Ghost Action Correction, which leverages non-executed ghost continuations to dynamically compensate for early-release errors across remaining executable actions. Extensive evaluations across multiple VLA architectures, simulation benchmarks, and real-world manipulation tasks demonstrate that UAD achieves up to a 1.89x speedup in average action availability latency while maintaining comparable success rates to vanilla inference with optimal denoising budget, offering a more favorable success-latency trade-off than state-of-the-art VLA acceleration baselines.
• Abstract（参考訳）: 拡散およびフローマッチング型ビジョン・ランゲージ・アクション(VLA)ポリシーは、反復的認知を通じてアクションチャンクを生成し、リアルタイムロボット制御を著しく制限する相当な推論遅延を引き起こす。 既存の加速法は、アクションチャンクをモノリシックな計算単位として扱い、後退水平制御の重要な物理的現実を無視します。 この非対称性を利用してUAD(Urgency-Aware Denoising)を導入します。 UADは、物理実行による尾アクションの継続的なバックグラウンド改善を重複しながら、ステップを減らした後、時間クリティカルな緊急アクションをリリースする。 しかし、ヘテロジニアス・デノナイジングは、緊急行動における早期リリースエラーと尾動作における軌道不整合の2つの主要な課題をもたらす。 UADは2つの中核的なメカニズムをエレガントに解決する: 統合された内部状態の進化を再構築して、追加のモデル評価なしで関節の装飾的コヒーレンスを復元するトラジェクティブ・リコンシリエーション(英語版)と、未実行のゴースト継続を利用して、残りの実行可能なアクションをまたいだ早期リリースエラーを動的に補償するゴースト・アクション・コレクション(英語版)である。 複数のVLAアーキテクチャ、シミュレーションベンチマーク、実世界の操作タスクにわたる広範囲な評価は、UDAが平均的なアクション可用性のレイテンシにおいて最大1.89倍のスピードアップを達成する一方で、バニラ推論に匹敵する成功率を最適なデノナイジング予算で維持し、最先端のVLAアクセラレーションベースラインよりもより好ましい成功レイテンシトレードオフを提供することを示した。

関連論文リスト

• ActionUNet: Improving Robustness of VLA Models with Efficient Multi-scale Fine-tuning [6.34168955365431]
  ActionUNetは、Vision-Language-Action(VLA)モデルの効率的なマルチスケール微調整フレームワークである。 我々は,ActionUNetが0.5の成功率を,それぞれ9.8%,6.1%,11.4%で著しく向上させることを示した。
  論文  参考訳（メタデータ） (2026-09-28T11:57:00Z)
• RAVEL: Asynchronous Rolling Inference for Flow-Based Vision-Language-Action Models [65.30288525352879]
  フローベース視覚言語アクション(VLA)モデルは、汎用ロボット操作に非常に効果的である。 計算コストのかかるVLMエンコーディングとマルチステップ反復アクション生成に依存しているため、大きな遅延ボトルネックが生じる。 本稿では、VLMバックボーンとアクションエキスパートの両方の計算ボトルネックに対処する非同期推論フレームワークであるRAVELを用いて、この制限に対処する。
  論文  参考訳（メタデータ） (2026-09-28T02:45:40Z)
• StructRL: Structured Action-Space Exploration for Flow-Based VLAs [81.43458629514139]
  フローベースのビジョン・ランゲージ・アクションモデルは現在、連続的なロボット操作に広く使われている。 オンライン強化学習は、それらを新しいタスクに適応するための重要なテクニックとして浮上している。 動作群間で時間的にスムーズかつスケールの異なる,構造的雑音に対する効果的なロボット探索の必要性を示す。
  論文  参考訳（メタデータ） (2026-08-15T09:31:29Z)
• StreamingVLA: Streaming Vision-Language-Action Model with Action Flow Matching and Adaptive Early Observation [30.881585159777714]
  視覚言語アクション(VLA)モデルは、自然言語による知覚と制御において例外的な性能を示した。 VLAモデルの高い計算コストは、大きな効率上の課題をもたらす。 本稿では,VLAステージ間で非同期並列化が可能なVLAを実現することを提案する。
  論文  参考訳（メタデータ） (2026-03-30T15:23:27Z)
• STEP: Warm-Started Visuomotor Policies with Spatiotemporal Consistency Prediction [16.465783114087223]
  反復デノゲーションは、リアルタイム閉ループシステムにおける制御周波数を制限し、相当な推論遅延をもたらす。 高品質なウォームスタート動作を構築するための軽量時整合予測機構STEPを提案する。 2段階のSTEPは、RoboMimicベンチマークや実世界のタスクでBRIDGERやDDIMよりも平均21.6%、27.5%高い成功率を達成することができる。
  論文  参考訳（メタデータ） (2026-02-09T03:50:40Z)
• Action-to-Action Flow Matching [25.301629044539325]
  拡散に基づく政策は、最近、条件付き認知過程として行動予測を定式化することで、ロボット工学において顕著な成功を収めた。 本稿では,A2A(Action-to-Action Flow Match)を提案する。 A2Aは単一の推論ステップ(0.56msレイテンシ)で高品質なアクション生成を可能にし、視覚摂動に優れた堅牢性を示し、目に見えない構成に一般化する。
  論文  参考訳（メタデータ） (2026-02-07T02:39:49Z)
• StreamVLA: Breaking the Reason-Act Cycle via Completion-State Gating [8.031311182554981]
  長距離ロボット操作は、高レベルの計画と低レベルの制御のギャップを埋める必要がある。 現在のVision-Language-Actionモデルは、しばしばこれらのプロセスを絡めて、各ステップで冗長なマルチモーダル推論を実行する。 本稿では、テキストタスクの分解、視覚目標の想像力、連続的なアクション生成を単一のパラメータ効率のバックボーン内で統合するデュアルシステムアーキテクチャStreamVLAを提案する。
  論文  参考訳（メタデータ） (2026-02-01T08:51:17Z)
• 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)
• 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。