Fugu-MT 論文翻訳(概要): Resuming Vision-Language Inference across Onboard Interruptions

論文の概要: Resuming Vision-Language Inference across Onboard Interruptions

arxiv url: http://arxiv.org/abs/2610.29183v1
Date: Wed, 21 Oct 2026 04:14:43 GMT
ステータス: 翻訳完了
システム内更新日: 2026-10-23 00:40:06.202073
Title: Resuming Vision-Language Inference across Onboard Interruptions
Title（参考訳）: 船上インタプタにおけるビジョン・ランゲージ推定の再開
Abstract要約: OrbitWeaverは、調整されたチェックポイントとリカバリを通じて、オンボードの割り込み全体にわたるVLM推論の進捗を保存する。その依存性を意識したダイナミックリカバリは、層全体にわたる部分的に完成した状態とトークン・チャンク次元からの復元をスケジュールする。 2つの低地球軌道衛星への72時間の展開は、OrbitWeaverが推論の進捗を保ち、繰り返しバスで強化されたシャットダウンしながら実行を再開することを実証している。
参考スコア（独自算出の注目度）: 21.90953619046938
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Executing vision-language models (VLMs) aboard low-Earth orbit satellites enables flexible processing of observation data without first downlinking it to the ground. On commercial off-the-shelf payloads, however, a request may span multiple execution windows: power and thermal constraints, fault-triggered reboots, and competing payload demands can interrupt inference before it completes. Each shutdown discards volatile activations and KV caches, forcing an unprotected request to repeat work after restart. We present OrbitWeaver, a framework that preserves VLM inference progress across onboard interruptions through coordinated checkpointing and recovery. Its phase-aware checkpointing selects recovery boundaries according to the state lifetimes and computational characteristics of vision encoding, language-model prefill, and decoding, balancing storage traffic against recomputation. Its dependency-aware dynamic recovery schedules restoration from partially completed states across the layer and token-chunk dimensions. By overlapping checkpoint and weight reads with recomputation, it reduces restart latency; the recovery planner computes an optimal execution order under its scheduling model within 100 ms. Experiments on satellite payload hardware using on-orbit telemetry traces show up to a 4.07-fold end-to-end speedup and a 3.56-fold reduction in SSD write volume over the evaluated baselines. A 72-hour deployment on two low-Earth orbit satellites demonstrates that OrbitWeaver retains inference progress and resumes execution across repeated bus-enforced shutdowns.
Abstract（参考訳）: 低地球軌道衛星上での視覚言語モデル(VLM)の実行は、最初に地上にダウンリンクすることなく観測データの柔軟な処理を可能にする。しかし、市販のオフザシェルフペイロードでは、要求は複数の実行ウィンドウにまたがる可能性がある: 電力と熱の制約、フォールトトリガーのリブート、競合するペイロード要求は、それが完了する前に推論を中断することができる。各シャットダウンは揮発性アクティベーションとKVキャッシュを破棄し、再起動後に再起動する未保護の要求を強制する。チェックポイントとリカバリのコーディネートを通じて,VLM推論の進捗状況を保存するフレームワークOrbitWeaverを提案する。その位相認識チェックポイントは、状態寿命と視覚符号化、言語モデルプリフィル、復号化の計算特性に応じてリカバリ境界を選択し、再計算とストレージトラフィックのバランスをとる。その依存性を意識したダイナミックリカバリは、層全体にわたる部分的に完成した状態とトークン・チャンク次元からの復元をスケジュールする。回復プランナーは、100ms以内のスケジューリングモデルの下で最適な実行順序を計算する。軌道上のテレメトリトレースを用いた衛星ペイロードハードウェアの実験では、評価されたベースラインよりも4.07倍のエンドツーエンドのスピードアップと3.56倍のSSD書き込みボリュームが減少する。 2つの低地球軌道衛星への72時間の展開は、OrbitWeaverが推論の進捗を保ち、繰り返しバスで強化されたシャットダウンしながら実行を再開することを実証している。

関連論文リスト

RESETTLE: Robotic Recovery through Disagreement-Triggered Retrieval and Efficient Corrective Control [92.47481295713227]
本稿では,凍結ロボットポリシーのアクション・エグゼクティブ・インタフェースにおいて,効率的なリカバリのためのモデルに依存しないフレームワークであるRESETTLEを紹介する。適応されたV-JEPAエンコーダを使用して、同じタスクのデモ参照を取得する。 LIBERO-Plus、Meta-World、RoboCasaでは最大8.70%、6.28%、絶対的な成功率6.83%に達する。
論文参考訳（メタデータ） (2026-10-08T15:49:03Z)
Efficient World Action Model Inference with Adaptive Intermediate States [21.241948060806934]
$mathrmWAMscriptstylemathrmACHINE$は、WAM推論のためのトレーニング不要のフレームワークである。制御ループが進化するにつれて、推論状態を効率的かつ正確な継続のために保存し、適応する。 $mathrmWAMscriptstylemathrmACHINE$は1.47-3.05$times$speedups in Observation-to-action latencyと2.23-3.27$times$ speedups in GPU inference time per replanを達成する。
論文参考訳（メタデータ） (2026-09-28T08:37:39Z)
SlackDrive: Reclaiming Runtime Slack for Adaptive Driving Inference [63.65135278399311]
我々は、ワールドアクションモデルを駆動するプリ推論計算アロケータである textbfSlackDrive を提案する。 SlackDriveは、モデル実行前の各コントロールステップの計算予算を選択するために、実行中のレイテンシを再利用する。 DriveDreamer-Policyを使用したNAVSIM v2では、SlackDriveはレイテンシ制約付きSを、強いレイテンシ体制の下で最強のベースラインに対して21.7%改善する。
論文参考訳（メタデータ） (2026-09-23T13:13:19Z)
Clear-Weighted Bit Allocation for Satellite Downlinks [10.443014068408445]
地球観測衛星は、間欠的な地上接触よりも多くの画像を撮影する。我々は、雲からクリアグラウンドまでの実際の符号化バイトである、明確な確率重み付けされた再構築損失を持つニューラルネットワークを訓練する。実エントロピー符号化バイト,割り込み可能な接触容量,サービス時間とエネルギーを用いて,オンボード・ツー・ダウンリンクパイプラインの評価を行った。
論文参考訳（メタデータ） (2026-08-02T19:31:03Z)
DSpark: Confidence-Scheduled Speculative Decoding with Semi-Autoregressive Generation [69.8840101036735]
投機的復号化はLarge Language Model (LLM)推論を加速させる。最近の並列起草者は、1つの前方通過で長いトークン列を効率的に提案するが、トークン間の依存関係が欠如しているため、急速に受け入れが低下する。我々はDSparkという投機的復号化フレームワークを導入し、高いスループットの並列生成を適応的かつロードアウェアな検証と統合する。
論文参考訳（メタデータ） (2026-07-06T14:28:06Z)
When Is Availability-Aware Training Worth It? A Benchmark and Empirical Study of Interruption-Resilient Optimization Under Predictable Compute Schedules [0.0]
OrbitTraceは、SGP4の割り込みの伝搬から得られた50の物理グラウンドのアベイラビリティトレースである。可用性のギャップをトレーニングする場合、特別な再消費戦略は価値があるのか、それとも十分なチェックポイントとリズメットの能力があるのか? 私たちのコントリビューションはベンチマークであり、割り込み-レジリエントな最適化が複雑で、そうでない場合の明確な特徴付けです。
論文参考訳（メタデータ） (2026-06-22T11:48:39Z)
See, Plan, Rewind: Progress-Aware Vision-Language-Action Models for Robust Robotic Manipulation [59.07792608884117]
本稿では,See, Plan, Rewind (SPR)について紹介する。 SPRは、現在の状態と今後のマイルストーンを見て、次の2Dウェイポイントに向けて軌道を計画し、障害時に回復可能な状態に戻すという、継続的なコアサイクルを通じて運用される。 SPRは、OpenVLA-OFTとUniVLAを上回る最小のパフォーマンス低下で最先端のロバスト性を達成する。
論文参考訳（メタデータ） (2026-03-10T07:22:51Z)
Open-Vocabulary Spatio-Temporal Scene Graph for Robot Perception and Teleoperation Planning [55.90805559207812]
動的リモートシーンでは、双方向通信における伝送遅延は、リモート認識状態とオペレータ意図の間のギャップを生じさせる。本稿では,時間的ダイナミクスと軽量遅延アノテーションを用いて,オープン語彙認識を充実させる表現を提案する。提案手法はReplicaベンチマークで74%のノード精度を実現し,Concept.Graphよりも優れていた。
論文参考訳（メタデータ） (2025-09-27T04:31:24Z)

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。