Fugu-MT 論文翻訳(概要): Power-of-Two Leaky Integrate-and-Fire Neurons for Event-Driven Vision-Language-Action Inference

論文の概要: Power-of-Two Leaky Integrate-and-Fire Neurons for Event-Driven Vision-Language-Action Inference

arxiv url: http://arxiv.org/abs/2610.33658v1
Date: Sat, 24 Oct 2026 13:16:20 GMT
ステータス: 翻訳完了
システム内更新日: 2026-10-27 22:27:13.417473
Title: Power-of-Two Leaky Integrate-and-Fire Neurons for Event-Driven Vision-Language-Action Inference
Title（参考訳）: 事象駆動型ビジョン・ランゲージ・アクション推論のための2つの漏れ積分型火炎ニューロン
Abstract要約: 視覚言語アクション(VLA)モデルは、ロボット操作において強力な能力を示している。本稿では,2つの振幅の符号付きスパイクを発するPoT-LIF(Power-of-Two Leaky Integrate-and-Fire)ニューロンを紹介する。 PoT-LIFは、離散スパイクによって連続情報を段階的に表現することを可能にする。
参考スコア（独自算出の注目度）: 7.937589925703709
License: http://creativecommons.org/licenses/by/4.0/
Abstract: Vision-language-action (VLA) models have demonstrated strong capabilities in robotic manipulation, yet their reliance on dense, continuous-valued computation presents a fundamental challenge for energy-constrained deployment. Inspired by the sparse, event-driven signaling and temporal integration mechanisms of biological neurons, a promising alternative is to introduce spiking computation into VLA models. However, enabling such computation without restructuring pretrained policies or compromising closed-loop control remains an open challenge. To address this challenge, we introduce the Power-of-Two Leaky Integrate-and-Fire (PoT-LIF) neuron, which emits signed spikes with power-of-two amplitudes. By combining magnitude-coded spike events with residual-preserving membrane dynamics, PoT-LIF enables continuous information to be progressively represented through discrete spikes. The Heartbeat formulation further localizes this process within weighted projections, bridging biologically inspired spiking computation and pretrained VLA architectures without modifying their external inference interfaces. We integrate PoT-LIF into the vision projection, vision-language projection, and action projection of $π_{0.5}$ and evaluate both operating modes over 2,000 paired closed-loop LIBERO episodes per configuration. Standard-mode PoT-LIF VLA achieves success rates of 96.90% and 96.35% at $T = 1$ and $T = 2$, respectively, while Heartbeat mode achieves 97.25% and 96.90% at $T = 2$ and $T = 4$, compared with 96.70% for the original continuous-activation $π_{0.5}$ baseline. At $T = 1$ with a 60.01% firing rate, PoT-LIF uses approximately 1/7.67 of the dense-reference arithmetic energy, corresponding to a modeled reduction of 86.95%.
Abstract（参考訳）: 視覚言語アクション(VLA)モデルは、ロボット操作において強力な能力を示しているが、密度の高い連続的な数値計算に依存しているため、エネルギー制約による展開には根本的な課題がある。生物学的ニューロンのスパース、イベント駆動シグナル、時間的統合機構にインスパイアされた、有望な代替手段は、VLAモデルにスパイキング計算を導入することである。しかし、事前訓練されたポリシーを再構築したり、クローズドループ制御を複雑化することなく、そのような計算を可能にすることは、未解決の課題である。この課題に対処するために,2つの振幅の符号付きスパイクを発するPoT-LIF(Power-of-Two Leaky Integrate-and-LIF)ニューロンを導入する。マグニチュード符号化されたスパイクイベントと残留保存膜力学を組み合わせることで、PoT-LIFは離散スパイクを通して連続情報を段階的に表現することができる。ハートビート定式化(Heartbeat formulation)は、このプロセスを重み付き射影の中でさらに局所化し、生物学的にインスパイアされたスパイキング計算と事前訓練されたVLAアーキテクチャを外部推論インターフェイスを変更することなくブリッジする。我々は、PoT-LIFを視覚投影、視覚言語投影、アクション投影に$π_{0.5}$と統合し、2000対の閉ループLIBEROエピソード以上の動作モードを構成毎に評価する。標準モードのPoT-LIF VLAは、それぞれ96.90%、96.35%が$T = 1$、96.35%が$T = 2$、Heartbeatモードが97.25%、96.90%が$T = 2$、96.90%が$T = 4$となっている。 60.01%の発火率を持つ$T = 1$の場合、PoT-LIFは86.95%の縮退モデルに対応する密度参照演算エネルギーの約1/7.67を使用する。

論文の概要: Power-of-Two Leaky Integrate-and-Fire Neurons for Event-Driven Vision-Language-Action Inference

関連論文リスト