論文の概要: PathTime-VLA: Path-Time Decoupling for Factorized Post-Training of Vision-Language-Action Policies
- arxiv url: http://arxiv.org/abs/2610.11771v1
- Date: Thu, 08 Oct 2026 11:53:50 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-10-10 02:36:53.990297
- Title: PathTime-VLA: Path-Time Decoupling for Factorized Post-Training of Vision-Language-Action Policies
- Title（参考訳）: Path Time-VLA: ビジョンランゲージ・アクション・ポリシーのファクトライズ後評価のためのパスタイムデカップリング
- Abstract要約: VLA(Vision-Language-Action)ポリシーは、通常は一定時間間隔で動作を予測し、ロボットが従う経路と実行速度を結合する。
PathTime-VLAは、動きをプログレッシブインデクシングされた相互作用パスとして、$X(s)$と正のインターバルタイムプロファイルとして表現する。
与えられた経路に対して、代替実行は時間プロファイルを通して表現され、幾何学的予測ターゲットを変更することなくチャンクワイズな速度選択が可能である。
- 参考スコア（独自算出の注目度）: 26.15120475453105
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Vision-Language-Action (VLA) policies typically predict actions at fixed time intervals, coupling the route a robot follows with its execution pace. This coupling complicates adaptation from teleoperation: useful geometric guidance comes with timing shaped by interface delays and operator behavior. Our key insight is to bring the path-time parameterization of classical motion planning into the learned action representation of a VLA. We introduce PathTime-VLA, which represents motion as a progress-indexed interaction path $X(s)$ and a positive interval-time profile. The latter defines a monotone time law $t(s)$, yielding controller commands $X(s(t))$. For a given path, alternative executions are expressed through the time profile, allowing chunk-wise speed choices without changing the geometric prediction target. This representation supports a staged post-training procedure: demonstrations and DAgger interventions establish a target-domain prior, Speed-DQN learns execution multipliers from robot interaction, and Path-AWR uses rollout outcomes to refine the diffusion path generator. A path-conditioned action expert realizes the resulting motions while maintaining distinct learning interfaces for path generation and execution timing. Across three tasks, the complete method achieves $58/60$ successes versus $57/60$ for PathTime-VLA under BC + DAgger at fixed $1\times$, with approximately $39$-$52\%$ shorter mean completion times over successful trials.
- Abstract（参考訳）: VLA(Vision-Language-Action)ポリシーは、通常は一定時間間隔で動作を予測し、ロボットが従う経路と実行速度を結合する。
この結合は遠隔操作からの適応を複雑にしている。
我々の重要な洞察は、古典的な動き計画のパスタイムパラメータ化をVLAの学習行動表現にもたらすことである。
PathTime-VLAは、動きをプログレッシブインデックス化された相互作用パスとして表現する。
(s)$と正のインターバルタイムプロファイル。
後者は、単調時間法則 $t を定義する。
(s)$, yielding controller command $X(s)
(t)$。
与えられた経路に対して、代替実行は時間プロファイルを通して表現され、幾何学的予測ターゲットを変更することなくチャンクワイズな速度選択が可能である。
デモとDAggerの介入が目標ドメインを事前に確立し、Speed-DQNはロボットインタラクションから実行乗算器を学習し、Path-AWRはロールアウト結果を使用して拡散経路生成装置を洗練する。
パス条件のアクションエキスパートは、パス生成と実行タイミングの異なる学習インターフェースを維持しながら、結果の動作を実現する。
BC + DAgger at fixed $1\times$, with almost $39$-52\%$ short complete time over successful trial。
関連論文リスト
- SplineWAM: Adaptive Action Horizons for World Action Models via B-Spline Representations [29.139819960625744]
動作軌跡を適応的にB-スプラインパラメータの固定サイズウィンドウに圧縮するSplineWAMを提案する。
1つのパラメータ予算は、時間的解像度と期間の異なるチャンクにデコードされ、実行されたスパンと、次のポリシー呼び出しが予測自体から続くまでのインターバルの両方にデコードされる。
LIBERO-PlusとRoboCasaでは、アクションチャンキングWAMの成功率を8.2ドルと4.4ドルで改善し、エピソードごとのポリシーコールを22%と26%削減した。
論文 参考訳（メタデータ） (2026-09-30T14:51:03Z) - Video2STL: Grounding VLM-Generated Temporal Specifications for Robot Learning [7.519777460088398]
Video2STLは、観測のみの動画をパラメトリック信号時間論理(Parametric Signal Temporal Logic, STL)仕様に変換するフレームワークである。
視覚言語モデルは、エンボディメントに依存しないイベントトレースを抽出し、象徴的時間的仕様のバンクを構築する。
Video2STLのポリシーは、高速エネルギー効率の競争力を維持しながら、0.3ドルから2.1,mathrmm/sドルまでの速度で100%の成功を収める。
論文 参考訳（メタデータ） (2026-09-29T13:10:14Z) - Dynamic Regret in Online Convex Optimization with Indicator Switching Costs [8.708728702853966]
本研究では, オンライン凸最適化における動的後悔について, インセンティブの切り替えコストを用いて検討する。
動的後悔に対するこれらのテクニックの直接的な拡張は、確実に失敗し、異なるアプローチを動機付けていることを示す。
論文 参考訳（メタデータ） (2026-09-24T21:08:40Z) - TaskAnchor: Grounding Task State in Reactive VLAs for Long-Horizon Manipulation [49.02604313942616]
VLA(Reactive Vision-Language-action)ポリシーは、長時間の操作においてタスク状態のエイリアスに悩まされる。
本稿では,VLAのネイティブ入力空間に実行コンテキストを注入することでタスク状態を基底とする軽量アダプタTaskAnchorを提案する。
長期のベンチマークではTaskAnchorが大幅に上昇し、pi0.5とX-VLAのベースラインの平均的な成功率の6倍に達する。
論文 参考訳（メタデータ） (2026-09-20T11:57:10Z) - TemporalFlow-VLA: Learning Physically Grounded Execution History for Long-Horizon Robot Manipulation [14.84720789511593]
本稿では,物理的基盤の時間的監督を通じて,コンパクトな実行履歴を学習するTemporalFlow-VLAを提案する。
LIBERO Longでは96.60+/-0.87%、RoboTwin 12タスクで85.5%/84.2%のクリーン/ランダム化成功を含む、TemporalFlow-VLAが平均97.63+/-0.26%のLIBEROで平均的な成功を達成していることを示す。
論文 参考訳（メタデータ） (2026-08-27T09:00:56Z) - TempAct: Advancing Temporal Plausibility in Autoregressive Video Generation via Planner-Executor RL [72.7712729541565]
自己回帰(AR)ビデオ拡散モデルにより、ビデオチャンクをキャッシュされたビジュアルコンテキストでチャンクで合成することで、低レイテンシなストリーミング生成を可能にする。
1つのグローバルプロンプトは、どのサブイベントを各チャンクで実現すべきかを指定しないが、ステップワイズプロンプトにナビゲート的に切り替えると、しばしば遅延反応、ブレンドステップセマンティクス、プロンプト遷移間のエラー伝播につながる。
我々は、時間分解とステップ条件付き実行を協調的に最適化し、時間分解可能なARビデオ生成のためのプランナー-実行型強化学習フレームワークであるTempActでこれらの課題に対処する。
論文 参考訳（メタデータ） (2026-06-26T12:19:28Z) - SkiP: When to Skip and When to Refine for Efficient Robot Manipulation [50.03201984643502]
textbfSkip Policy (SkiP)は、スキップセグメントを動的に跳躍し、キーセグメントのアクションを集中的に洗練する。
emphMotion Spectrum Keying (MSK) は、動作信号から局所的な動きの複雑さを検出する高速でタスクに依存しない手順である。
実験によると、SkiPは実行ステップを15ドルから40%ほど削減し、さまざまなポリシーバックボーン間での成功率のマッチングや改善を実現している。
論文 参考訳（メタデータ） (2026-05-15T02:16:34Z) - Action-aware Dynamic Pruning for Efficient Vision-Language-Action Manipulation [27.007611140797852]
既存の手法では、VLAモデル内の視覚的冗長性を低減し、推論速度を最適化する。
textbfAction-aware textbfDynamic textbfPruning (textbfADP)を提案する。
論文 参考訳（メタデータ） (2025-09-26T09:13:02Z) - End-to-end Temporal Action Detection with Transformer [86.80289146697788]
時間的アクション検出(TAD)は、トリミングされていないビデオにおいて、すべてのアクションインスタンスのセマンティックラベルとバウンダリを決定することを目的としている。
そこで我々は,textitTadTR と呼ばれる Transformer によるTAD のエンドツーエンドフレームワークを構築した。
本手法は,HACSセグメンツとTHUMOS14の最先端性能とActivityNet-1.3の競合性能を実現する。
論文 参考訳（メタデータ） (2021-06-18T17:58:34Z) - A Feedback Scheme to Reorder a Multi-Agent Execution Schedule by
Persistently Optimizing a Switchable Action Dependency Graph [65.70656676650391]
複数の自動誘導車両 (AGV) が共通作業空間をナビゲートし, 様々な作業を行う。
一つのアプローチは、Action Dependency Graph (ADG)を構築し、そのルートに沿って進むとAGVの順序を符号化する。
ワークスペースが人間やサードパーティロボットのような動的障害によって共有されている場合、AGVは大きな遅延を経験することができる。
本稿では,各AGVの経路完了時間を最小限に抑えるために,非循環ADGを繰り返し修正するオンライン手法を提案する。
論文 参考訳（メタデータ） (2020-10-11T14:39:50Z)
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。