論文の概要: World-Calibrated Proposal-to-Action Flow for Vision-Language-Action Models
- arxiv url: http://arxiv.org/abs/2610.02323v1
- Date: Thu, 01 Oct 2026 18:00:11 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-10-06 00:14:30.038497
- Title: World-Calibrated Proposal-to-Action Flow for Vision-Language-Action Models
- Title（参考訳）: ビジョン・ランゲージ・アクション・モデルに対するワールドキャリブレーションの提案-アクション・フロー
- Abstract要約: Flow-based Vision-Language-Action Policy generated action chunks by transporting sample from a task-agnostic isotropic Gaussian source。
このソースは、最近の実行も将来の進化も予測しないので、最近実行された動きによって確立された局所的な連続性を捨てる。
生成元自体を予測可能にする,世界キャリブレーションされたプロポーザル・ツー・アクション・フレームワークであるProActを紹介する。
- 参考スコア（独自算出の注目度）: 79.30575944315403
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Flow-based Vision-Language-Action (VLA) policies generate action chunks by transporting samples from a task-agnostic isotropic Gaussian source. As this source is conditioned on neither recent execution nor predicted future evolution, (i) it discards the local continuity established by recently executed motion. (ii) Even when predictive world representations are introduced, they often only condition the transport dynamics rather than determine where generation starts, how far it may deviate, or along which action directions it may expand. Building on this observation, we introduce ProAct, a world-calibrated proposal-to-action framework that makes the generative source itself predictable. (i) To preserve motion continuity, a lightweight Proposal Expert converts recent actions into a scene-aware hypothesis via one motion-anchored endpoint flow-matching step, initializing generation near the demonstrated action manifold. (ii) To jointly capture intended scene evolution and proposal-future compatibility, a prospective World Expert treats the hypothesis as a soft motion prior while predicting the task-consistent latent future. (iii) From this compatibility, the model calibrates a proposal-centered anisotropic source, where a bounded per-step extent controls the allowed deviation and a trace-normalized low-rank geometry under a condition-number budget allocates refinement over coupled translation, rotation, and gripper directions. Compared with $π_{0.5}$, ProAct improves performance across simulation and real-world tasks while reducing denoising steps by 50%, inference latency by up to 25.8%, and increasing throughput by up to 34.8%.
- Abstract（参考訳）: Flow-based Vision-Language-Action (VLA) Policy generated action chunks by transporting sample from a task-agnostic isotropic Gaussian source。
このソースは、最近の実行や将来の進化を予測しないよう条件付けられている。
(i)最近実行された動作によって確立された局所的連続性を捨てる。
(ii) 予測世界表現が導入されたとしても、どの世代がどこから始まるか、どのくらいずれるか、どの行動方向が拡大するかを判断するよりも、輸送力学を条件にすることが少なくない。
この観測に基づいて、生成元自体を予測可能にする、ワールドキャリブレーションされたプロポーザル・ツー・アクション・フレームワークであるProActを紹介する。
一 動作継続性を維持するため、軽量な提案専門家は、実演された動作多様体の近傍で生成を初期化して、1つの動き対応エンドポイントフローマッチングステップを介して、最新の動作をシーン認識仮説に変換する。
二 目的のシーンの進化及び提案-未来整合性を両立させるため、先進的な世界専門家は、タスク一貫性のある潜在未来を予測しながら、その仮説をソフトモーションとして扱う。
三 この整合性から、モデルが提案中心の異方性源を校正し、このモデルでは、段階ごとの有界範囲が許容偏差を制御し、条件数予算の下でトレース正規化された低ランク幾何が、結合翻訳、回転、グリップ方向の洗練を割り当てる。
π_{0.5}$と比較すると、ProActはシミュレーションや実世界のタスクにおけるパフォーマンスを改善し、デノナイジングステップを50%削減し、推論遅延を最大25.8%削減し、スループットを最大34.8%向上させる。
関連論文リスト
- Beyond Prediction: Steering VLM Agents with Retrospective World Modeling [38.89406602855148]
世界モデリング能力を持つVLMエージェントは、複雑な推論と長期計画に強い可能性を示している。
本稿では,エージェントの逆推論を可能にする新しいエージェント学習パラダイムであるRetrospective World Modelingを紹介する。
本手法は, 政策の堅牢性と, 将来的な世界モデリングベースラインを大幅に改善する。
論文 参考訳（メタデータ） (2026-09-30T06:41:04Z) - Looking Back to Move Forward: Temporal Verification for Generative Robot Policies [53.428667457759055]
表現的生成行動モデリングと大規模実演コーパスからのスケーラブルな模倣学習を組み合わせた,ロボット学習のための有望なパラダイムとして生成ポリシーが登場した。
本稿では,フローマッチングVLAのための時空間認識型動作検証フレームワークTeVを紹介する。
論文 参考訳（メタデータ） (2026-09-30T05:41:58Z) - Beyond One-Step Accuracy: State-Affine Latent Transition for Reliable Visual Planning [53.476598858325985]
複数ステップのロールアウトエラーを個々のステップで導入したエラーに分解し,その後の遷移を通した伝播を行う。
状態-アフィンダイナミクスは、状態非依存のヤコビアンとの微分可能遷移であることを示す。
動作条件付き状態-アフィンダイナミクスモデルであるSALTを導入し、動作が状態変換と追加更新の両方を変調する。
論文 参考訳（メタデータ） (2026-09-27T14:12:27Z) - UniMPA: A Unified Memory-Prediction-Action Model via Action-Grounded Transition Modeling [73.35395707747456]
ビジョン・ランゲージ・アクションモデルの最近の進歩はロボット操作を改善しているが、基本的な遷移実現可能性のギャップによって観察・行動学習は制限されている。
将来の観測は、物理的に実現可能な遷移と必ずしも一致しない。
歴史的に実行可能なアクションパターンは、現在のシーンにおける意図した遷移を必ずしも認識しない可能性があるため、コンテキスト対応の適応が必要である。
論文 参考訳（メタデータ） (2026-09-10T17:45:03Z) - FutureRTC: Real-Time Robot Execution with Anticipatory-Conditioned Action Chunking [51.97839311685636]
FutureRTCは、実行時の観察と非同期VLA制御の状態を予測するためのプラグイン・アンド・プレイ適応フレームワークである。
FutureRTCは推論遅延に対する堅牢性を実現し,よりスムーズな軌道,高速な実行,一貫したタスク成功率を実現している。
論文 参考訳（メタデータ） (2026-07-27T05:10:16Z) - On the Identifiability of Controlled World Models [34.31084112465058]
本稿では,ガウス潜在状態を持つ制御された世界モデルに対する合同識別可能性条件を提案する。
この条件が成立すると、LeJEPAスタイルの予測目標の最小化が潜伏状態と制御力学の両方を回復できることを示す。
また、最も弱い条件-励起マージンで逆スケールする反事実予測誤差の達成可能な増幅を特徴付ける。
論文 参考訳（メタデータ） (2026-07-24T15:49:12Z) - A Path-Space Formulation of Prediction in World Models: From a Single Action to Prediction, Planning, and Irreversibility [0.0]
本稿では,AI世界モデルにおける予測の経路空間の定式化を提案する。
潜在力学を可逆成分と可逆成分に分解する。
注意非対称性は、データの不可逆性に比例して訓練中に獲得される。
論文 参考訳（メタデータ） (2026-06-27T06:00:09Z) - $ω$-EVA: Envision, Verify, and Act with Latent Interactive World Models [28.544954130906135]
身体的な政策は通常、現在の観察結果を行動に直接マッピングし、候補者行動の結果を暗黙的に残す。
動作生成のためのエンビジョン-検証-Actループを実現する潜在対話型世界モデルである$-EVAを紹介する。
その3段階のフレームワークは、アクション条件付き潜在力学を学び、言語条件付きフローポリシーを訓練し、世界モデルを通じてポリシーの提案をフィードバックする。
論文 参考訳（メタデータ） (2026-06-08T13:12:56Z) - Exploring Semantic-constrained Adversarial Example with Instruction Uncertainty Reduction [51.50282796099369]
本稿では,多次元命令の不確実性低減フレームワークを開発し,意味論的に制約された逆の例を生成する。
言語誘導サンプリングプロセスの予測により、設計したResAdv-DDIMサンプルにより最適化プロセスが安定化される。
セマンティック制約付き3次元逆数例の参照フリー生成を初めて実現した。
論文 参考訳（メタデータ） (2025-10-27T04:02:52Z) - Prediction by Anticipation: An Action-Conditional Prediction Method
based on Interaction Learning [23.321627835039934]
潜在確率的生成過程の観点から相互作用を観察する予測による予測を提案する。
このビューでは、連続データフレームをアクション条件分布から順次サンプルに分解することができる。
提案する予測モデルである変分ベイズ型は,この条件分布のエビデンス下限 (elbo) を最大化するために訓練されている。
論文 参考訳（メタデータ） (2020-12-25T01:39:26Z)
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。