論文の概要: Barrier-Constrained Guidance For Real-time Asynchronous VLA Execution
- arxiv url: http://arxiv.org/abs/2610.14997v1
- Date: Sat, 10 Oct 2026 15:23:16 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-10-20 03:02:17.866475
- Title: Barrier-Constrained Guidance For Real-time Asynchronous VLA Execution
- Title（参考訳）: リアルタイム非同期VLA実行のためのバリア拘束型誘導
- Abstract要約: FreeBarは、VLAモデルのトレーニング不要なリアルタイム推論プラグインである。
フローベースのVLAをバリア誘導アクション空間制約としてチャンクアライメントする。
成功率を平均で10%から15%向上させ、非常にダイナミックなシナリオではより大きく向上する。
- 参考スコア（独自算出の注目度）: 19.226312473412722
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: While asynchronous execution enables VLA models to operate in real-time environments by predicting the next chunk during execution, it inevitably introduces boundary misalignment with the committed action stream. Existing delay-aware solutions address this at the prohibitive cost of extensive retraining, architectural modifications, or fixed-prefix inpainting that inflates computation when low latency is vital. To address these problems, we propose FreeBar, a training-free real-time inference plugin that enables robust asynchronous execution with only marginal additional inference cost by casting chunk alignment in flow-based VLAs as barrier-guided action-space constraint. Specifically, FreeBar introduces a lightweight Control Barrier Function (CBF)-inspired consistency constraint between consecutive action chunks and solves the resulting correction in closed form, avoiding costly backpropagation through the VLA action head. By progressively tightening the consistency bound during generation, FreeBar aligns generated chunks with the committed execution stream while preserving early-stage generative and within-chunk future action flexibility,. Across Kinetix, RoboCasa, and diverse real-world robotic platforms with multiple VLA backbones, FreeBar improves success rates over naive asynchronous execution by 10%--15% on average, with larger gains in highly dynamic scenarios. It also preserves real-time computational efficiency, decreasing inference latency per action chunk over 45% than RTC. Additionally, as a universal plugin, FreeBar remains robust across distinct latency environments, base policies, and hyperparameter settings.
- Abstract（参考訳）: 非同期実行では、実行中に次のチャンクを予測することで、VLAモデルをリアルタイム環境で動作させることができるが、コミットされたアクションストリームとのバウンダリ調整が必然的に導入される。
既存の遅延対応ソリューションは、大規模なリトレーニング、アーキテクチャ修正、あるいは低レイテンシが不可欠であるときに計算を膨らませる固定プレフィックスのインペインティングの禁止コストでこの問題に対処する。
このような問題に対処するために,フローベースVLAのチャンクアライメントをバリア誘導アクション空間制約としてキャストすることで,余分な追加推論コストで堅牢な非同期実行を可能にする,トレーニングフリーのリアルタイム推論プラグインであるFreeBarを提案する。
具体的には、FreeBarは、連続するアクションチャンク間の軽量な制御バリア関数(CBF)にインスパイアされた一貫性制約を導入し、その結果の修正をクローズドな形で解決し、VLAアクションヘッドによるコストのかかるバックプロパゲーションを回避する。
生成時の一貫性を徐々に強化することにより、FreeBarは生成したチャンクをコミットされた実行ストリームと整合させ、初期生成および内部動作の柔軟性を保っている。
Kinetix、RoboCasa、および複数のVLAバックボーンを持つ多種多様な現実世界のロボットプラットフォームにおいて、FreeBarは、ハイダイナミックなシナリオにおいて、平均で10%から15%の非同期実行よりも成功率を向上する。
また、リアルタイムの計算効率を保ち、アクションチャンク当たりの推論遅延をRTCよりも45%以上削減する。
さらに、ユニバーサルプラグインとして、FreeBarは異なるレイテンシ環境、ベースポリシー、ハイパーパラメータ設定で堅牢である。
関連論文リスト
- REACT: Rolling Denoising and Dual Decoupling for Reactive Robot Control with VLA Models [11.299390203819906]
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。
論文 参考訳（メタデータ） (2026-10-08T14:09:46Z) - 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) - 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) - FlashVLA: Streaming Action Decoding for Fast and Asynchronous VLA Inference [13.128933240091419]
FlashVLAはVision-Language-Action(VLA)モデルのストリーミングアクションデコーディングフレームワークである。
強いタスク性能を維持しながら、推論速度を大幅に改善する。
現実世界のデプロイメントにおいて、スムーズな非同期推論を備えた単一のGPU上で、$geq$30,Hzの制御周波数を達成することができる。
論文 参考訳（メタデータ） (2026-08-27T17:19:29Z) - FutureRTC: Real-Time Robot Execution with Anticipatory-Conditioned Action Chunking [51.97839311685636]
FutureRTCは、実行時の観察と非同期VLA制御の状態を予測するためのプラグイン・アンド・プレイ適応フレームワークである。
FutureRTCは推論遅延に対する堅牢性を実現し,よりスムーズな軌道,高速な実行,一貫したタスク成功率を実現している。
論文 参考訳（メタデータ） (2026-07-27T05:10:16Z) - Reflex: Real-Time VLA Control through Streaming Inference [12.85847066934547]
textbfReflexは,フローマッチングポリシに対して,テキストリアルタイムストリーミング推論を可能にするフレームワークである。
LIBEROとKinetixのベンチマークでは、Reflexは2.58$times$推論スピードアップと50Hzの安定したストリーミングを実現し、反応遅延を最大54%削減した。
論文 参考訳（メタデータ） (2026-07-16T07:56:43Z) - SEAM: Smooth Execution of Action-Chunked Motion for Vision-Language-Action Policies [26.372187124257362]
固定長アクションチャンクを実行するVLA(Vision-Language-Action)ポリシーは、マルチモーダル分岐を示す。
フローマッチングVLAのトレーニング不要な推論時間であるSEAM(Smooth Execution of Action-Chunked Motion)を提案する。
pi_0.5のLIBERO-10では、SEAMは境界ジャークを28%減らし、チャンク遷移の不連続を27%減らし、ベースラインレベルのタスク成功を保ち、無誘導ベースライン付近でデノジングループコストを抑える。
論文 参考訳（メタデータ） (2026-07-06T02:32:10Z) - DiscreteRTC: Discrete Diffusion Policies are Natural Asynchronous Executors [57.944744187489185]
外部修正をネイティブなアンマスクに置き換えるDiscreteRTCを提案する。
DiscreteRTCは、非同期のインペインティングのために0行のコードを実装するのが簡単で、スクラッチから生成したアクションに比べてわずか0.7倍の計算速度で推論が高速で、フローベースのRTCに比べて実世界の動的ピックタスクの成功率が50%向上した。
論文 参考訳（メタデータ） (2026-04-27T23:04:03Z) - CSGO: Generalized Optimization for Cold Start in Wireless Collaborative Edge LLM Systems [62.24576366776727]
本稿では,全体の推論遅延を最小限に抑えるために,遅延を考慮したスケジューリングフレームワークを提案する。
提案手法は,ベースライン戦略と比較して,コールドスタート遅延を著しく低減することを示す。
論文 参考訳（メタデータ） (2025-08-15T07:49:22Z) - Adaptive Deadline and Batch Layered Synchronized Federated Learning [66.93447103966439]
フェデレートラーニング(FL)は、データプライバシを保持しながら、分散エッジデバイス間で協調的なモデルトレーニングを可能にする。
我々は,レイヤワイドアグリゲーションのために,ラウンド単位の期限とユーザ固有のバッチサイズを共同で最適化する新しいフレームワークADEL-FLを提案する。
論文 参考訳（メタデータ） (2025-05-29T19:59:18Z)
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。