論文の概要: REACT: Rolling Denoising and Dual Decoupling for Reactive Robot Control with VLA Models
- arxiv url: http://arxiv.org/abs/2610.12007v1
- Date: Thu, 08 Oct 2026 14:09:46 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-10-10 02:36:54.070148
- Title: REACT: Rolling Denoising and Dual Decoupling for Reactive Robot Control with VLA Models
- Title（参考訳）: REACT: VLAモデルを用いた反応性ロボット制御のための転がりデノジングとデュアルデカップリング
- Abstract要約: 私たちは、フローベースの視覚言語-アクションモデルをよりリアクティブにするローリングデノベーションフレームワークであるREACTを紹介します。
アクションチャンク全体をスクラッチから再生する代わりに、REACTはステージングフロータイムステップで永続的なアクションバッファを保持する。
さらに、リアルタイム制御をサポートするために、センシング、VLMエンコーディング、DiT denoising、アクション実行を分離したデュアルデカップリングを導入する。
- 参考スコア（独自算出の注目度）: 11.299390203819906
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Flow-based vision-language-action (VLA) models generate action chunks for temporally coherent robot motion, but chunked control creates a fundamental closed-loop trade-off: long chunks provide smooth execution, whereas frequent replanning improves reactivity at the cost of action discontinuities. We introduce REACT, a rolling-denoising framework that makes flow-based VLAs more reactive while preserving long-horizon context. Instead of regenerating entire action chunks from scratch, REACT maintains a persistent action buffer with staggered flow timesteps. At each control step, the full horizon is denoised using the latest observation, the cleanest action block is executed, partially refined future blocks are shifted forward, and fresh noise is appended to the tail. As a result, each executed action block is refined across multiple recent observations before deployment. To support real-time control, we further introduce dual decoupling, which separates sensing, VLM encoding, DiT denoising, and action execution, enabling high-frequency observation updates and action streaming under practical compute constraints. Across the RoboTwin 2.0 simulation benchmark and real-world tasks spanning bimanual manipulation and dynamic control on multiple robot platforms, REACT improves task success and reduces reaction latency while producing smoother trajectories than frequent-replanning and asynchronous baselines.
- Abstract（参考訳）: フローベース視覚言語アクション(VLA)モデルは、時間的コヒーレントなロボット動作のためのアクションチャンクを生成するが、チャンク制御は基本的なクローズドループトレードオフを生成する。
長い水平コンテキストを維持しながらフローベースのVLAをよりリアクティブにする、ローリングデノベーションフレームワークであるREACTを紹介します。
アクションチャンク全体をスクラッチから再生する代わりに、REACTはステージングフロータイムステップで永続的なアクションバッファを保持する。
各制御ステップにおいて、最新の観測により全地平線を除音し、最もクリーンな動作ブロックを実行し、部分的に洗練された将来のブロックを前方に移動させ、新鮮なノイズをテールに付加する。
その結果、実行された各アクションブロックは、デプロイ前に複数の最近の観察によって洗練される。
リアルタイム制御をサポートするために,センサ,VLMエンコーディング,DiTデノナイズ,アクション実行を分離し,実用的な計算制約下での高頻度観測更新とアクションストリーミングを可能にするデュアルデカップリングも導入する。
RoboTwin 2.0のシミュレーションベンチマークと、複数のロボットプラットフォーム上での双方向操作と動的制御にまたがる実世界のタスク全体にわたって、REACTはタスクの成功を改善し、頻繁なリプランや非同期ベースラインよりもスムーズなトラジェクトリを生成しながら、リアクションレイテンシを低減する。
関連論文リスト
- DSDyn-VLA: A Dual-Stream Dynamic Manipulation Framework with Motion Perception, Future Awareness, and Realtime Correction [57.09454532322636]
Slow-Fast textbfDual-textbfStream textbfDynamic 操作フレームワーク textbfDSDyn-VLA を提案する。
動き認識型計画とリアルタイム残差補正を統合している。
論文 参考訳（メタデータ） (2026-09-30T07:49:16Z) - Urgent Actions Go First: Urgency-Aware Denoising for Real-Time VLA Control [18.40902134276604]
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。
論文 参考訳（メタデータ） (2026-09-29T15:13:14Z) - 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) - FBFM: A Training-Free Asynchronous Feedback Mechanism for Flow-Matching in World-Action Models Execution [50.18922379062543]
フィードバックフローマッチング(Feedback Flow Matching, FBFM)は、アクティブに生成されたチャンク内で再接地を行うトレーニング不要な推論機構である。
トレーニング不要であるため、このメカニズムは予期せぬ事象に対する応答性を改善し、長時間の作業におけるドリフトを抑制する。
我々は,FBFMを第2世代WAMと第2世代WAMの両方で評価した。
論文 参考訳（メタデータ） (2026-07-31T10:11:09Z) - Action ControlNet: A Lightweight Delay-Aware Adapter for Smooth Asynchronous Control in Vision-Language-Action Models [2.1822977353368778]
Action ControlNet (ACNet) は、視覚言語-アクションモデルのための軽量遅延対応アダプタである。
ACNetは推論遅延下で堅牢性を改善し、直接チャンクストレよりもスムーズな非同期軌道を得る。
論文 参考訳（メタデータ） (2026-06-24T15:53:43Z) - RotVLA: Rotational Latent Action for Vision-Language-Action Model [54.22746299071677]
本稿では,連続的な回転潜在動作表現に基づくVLAフレームワークであるRotVLAを紹介する。
潜在作用はSO(n) の元としてモデル化され、連続性、構成性、および実世界の作用力学と整合した構造的幾何学を提供する。
RotVLAはVLMバックボーンとフローマッチングアクションヘッドで構成される。
論文 参考訳（メタデータ） (2026-05-13T11:58:02Z) - FASTER: Rethinking Real-Time Flow VLAs [82.58822112377923]
VLA(Vision-Language-Action)モデルを物理世界に展開するには、リアルタイム実行が不可欠である。
反応時間は、TTFA(Time to First Action)と実行地平線によって決定される一様分布に従っていることを示す。
即時反応のための高速動作サンプリング(FASTER)を提案し,この問題を克服する。
論文 参考訳（メタデータ） (2026-03-19T17:51:37Z) - VLA-RAIL: A Real-Time Asynchronous Inference Linker for VLA Models and Robots [5.308743386891208]
VLA(Vision-Language-Action)モデルは、ロボット工学において画期的な進歩を遂げた。
連続したアクションチャンクのキューを融合する戦略は、VLAモデル全体のパフォーマンスに大きな影響を与える。
既存の方法は、ロボットアクションの実行時にジッタ、ストール、あるいは停止に悩まされる。
本稿では,モデル推論とロボット動作制御を非同期に行うように設計された新しいフレームワークであるVLA-RAILを紹介する。
論文 参考訳（メタデータ） (2025-12-31T06:59:42Z) - 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)
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。