論文の概要: Coupling Execution Horizon and Sampling Depth in Flow-Matching VLA Policies
- arxiv url: http://arxiv.org/abs/2610.32102v1
- Date: Fri, 23 Oct 2026 03:07:04 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-10-27 01:38:06.331742
- Title: Coupling Execution Horizon and Sampling Depth in Flow-Matching VLA Policies
- Title（参考訳）: フローマッチングVLA法における実行時間とサンプリング深さの結合
- Abstract要約: フローマッチング型ビジョン・ランゲージ・アクション(VLA)モデルは、ロボット操作のための連続的な軌道を生成する。
本稿では,系統的な手話逆転によって制御されるフローマッチングVLAにおける基本的な計算-実行結合について述べる。
我々は、この結合を利用して、推論レイテンシを大幅に低下させながら、優れたタスク成功を継続的に達成します。
- 参考スコア（独自算出の注目度）: 23.048601291887937
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Flow-matching Vision-Language-Action (VLA) models generate expressive continuous trajectories for robotic manipulation, yet balancing real-time responsiveness with execution stability remains a persistent challenge. Standard deployment workflows typically treat numerical solver depth and execution horizon as decoupled choices. The horizon amortizes inference latency, while solver depth is kept high to preserve integration fidelity. In this paper, we reveal a fundamental compute-execution coupling in flow-matching VLAs governed by a systematic sign reversal. While coarse numerical integration degrades precision under rapid replanning, it markedly improves task performance under extended open-loop commitment. Geometrically, numerical truncation contracts lateral action dispersion around an invariant trajectory centroid, serving as an implicit regularizer that suppresses compounding open-loop drift. Across LIBERO, RoboTwin 2.0, and real-world Franka manipulation on representative VLA backbones including $π_0$, $π_{0.5}$, and GR00T, exploiting this joint coupling consistently achieves superior task success while drastically lowering inference latency, entirely training-free and without architectural modifications. These findings establish numerical sampling depth as an operational variance regulator, shifting its role from a static precision budget to an active deployment knob in robot learning. Project page: https://jiabingyang01.github.io/Horizon-Depth-VLA/
- Abstract（参考訳）: フローマッチング型ビジョン・ランゲージ・アクション(VLA)モデルはロボット操作のための表現力のある連続的な軌道を生成するが、リアルタイムの応答性と実行安定性のバランスは依然として持続的な課題である。
標準的なデプロイメントワークフローは、数値的なソルバ深さと実行地平線を分離された選択として扱うのが一般的である。
水平線は推論遅延を補正し、ソルバ深さは積分の忠実性を維持するために高く保たれる。
本稿では,系統的な符号反転によって制御されるフローマッチングVLAの基本的な計算-実行結合を明らかにする。
粗い数値積分は、急激な再計画の下で精度を低下させるが、拡張されたオープンループコミットメント下でのタスク性能は著しく向上する。
幾何学的には、数値トランケーションは、不変軌跡セントロイドの周りの横方向の作用分散を収縮させ、開ループドリフトの複合を抑制する暗黙の正則化器として機能する。
LIBERO、RoboTwin 2.0、および$π_0$、$π_{0.5}$、GR00Tを含む代表VLAバックボーンに対する実世界のフランカ操作は、この結合を利用することで、推論遅延を大幅に低減し、完全にトレーニング不要で、アーキテクチャ上の変更のない、優れたタスク成功を実現する。
これらの結果から, 数値サンプリング深度は, ロボット学習における静的精度予算から能動的展開ノブへと変化した。
プロジェクトページ:https://jiabingyang01.github.io/Horizon-Depth-VLA/
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) - Rethinking Causal Action Tokenization with Conditional Annealing in Flow Matching [63.00892079900331]
CATokは因果的行動トークンーザであり、因果的構造化された生成過程としてトークン化を再構成する。
我々は,CATok が再現性圧縮トレードオフと推論効率の両方において,既存のトークン化手法を一貫して上回っていることを示す。
論文 参考訳（メタデータ） (2026-09-28T15:52:55Z) - 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) - Implicit Action Chunking for Smooth Continuous Control [18.59026740882408]
本稿では、スムーズな連続制御のための暗黙のアクションチャンキングフレームワークであるDWSを提案する。
明示的な方法とは異なり、DWSはアクション空間を拡張することなく時間的コヒーレンスを強制する。
DeepMind Control Suiteや産業エネルギー管理タスクなどのベンチマーク実験は、DWSが最先端(SOTA)ベースラインを上回っていることを示している。
論文 参考訳（メタデータ） (2026-05-19T09:35:47Z) - Preserving Foundational Capabilities in Flow-Matching VLAs through Conservative SFT [12.18095306054314]
ConSFT(Reserve Supervised Fine-Tuning)は、壊滅的な忘れを軽減しつつ、ターゲット分布に適応する最適化目標である。
LIBERO と RoboTwin ベンチマークの ConSFT を最先端のフローマッチング VLA で評価した。
論文 参考訳（メタデータ） (2026-05-09T10:59:03Z) - AnchorRefine: Synergy-Manipulation Based on Trajectory Anchor and Residual Refinement for Vision-Language-Action Models [60.04879435087352]
視覚言語アクション(VLA)ポリシーは、単一の統一空間内でアクションを生成する。
本稿では,VLAの動作モデリングを軌跡アンカーと残留精細化に分解する階層的フレームワークであるAnchorRefineを提案する。
LIBERO、CALVIN、および実ロボットタスクの実験では、AnchorRefineは回帰ベースと拡散ベースの両方のVLAバックボーンを一貫して改善している。
論文 参考訳（メタデータ） (2026-04-20T04:25:24Z) - ProbeFlow: Training-Free Adaptive Flow Matching for Vision-Language-Action Models [12.232846303286161]
近年,フローマッチング (FM) アクションヘッドを搭載したビジョン・ランゲージ・アクション (VLA) モデルは,複雑なロボット操作において最先端の性能を実現する。
現在の加速はビジョン・ランゲージ・モデル(VLM)のバックボーンを最適化しているが、アクションヘッドのボトルネックは見落としている。
本稿では,継続的ロボット制御のためのトレーニング不要適応推論フレームワークProbeFlowを提案する。
論文 参考訳（メタデータ） (2026-03-18T15:38:29Z) - Enabling Dynamic Tracking in Vision-Language-Action Models via Time-Discrete and Time-Continuous Velocity Feedforward [11.066720921275648]
視覚言語アクション(VLA)モデルは、ロボット操作に非常に有望である。
厳格な産業用ロボットへの展開は、コンプライアンスと応答性の本質的にのトレードオフのため、依然として困難である。
本稿では、このトレードオフを解決するために、速度フィードフォワード項をVLAポリシーに統合することの重要性を示す。
論文 参考訳（メタデータ） (2026-03-17T07:50:00Z) - 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) - SP-VLA: A Joint Model Scheduling and Token Pruning Approach for VLA Model Acceleration [70.72227437717467]
VLA(Vision-Language-Action)モデルは、その強力な制御能力に注目が集まっている。
計算コストが高く、実行頻度も低いため、ロボット操作や自律ナビゲーションといったリアルタイムタスクには適さない。
本稿では,共同スケジューリングモデルとプルーニングトークンにより,VLAモデルを高速化する統一フレームワークSP-VLAを提案する。
論文 参考訳（メタデータ） (2025-06-15T05:04:17Z) - Towards Continual Learning Desiderata via HSIC-Bottleneck
Orthogonalization and Equiangular Embedding [55.107555305760954]
本稿では,レイヤワイドパラメータのオーバーライトや決定境界の歪みに起因する,概念的にシンプルで効果的な手法を提案する。
提案手法は,ゼロの指数バッファと1.02倍の差が絶対的に優れていても,競争精度が向上する。
論文 参考訳（メタデータ） (2024-01-17T09:01:29Z)
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。