論文の概要: ASPEN: Adaptive Semantic Reasoning via Command Persistence Prediction for Efficient Navigation VLAs

• arxiv url: http://arxiv.org/abs/2610.36285v1
• Date: Mon, 26 Oct 2026 21:10:50 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-28 21:04:31.434762
• Title: ASPEN: Adaptive Semantic Reasoning via Command Persistence Prediction for Efficient Navigation VLAs
• Title（参考訳）: ASPEN: 効率的なナビゲーションVLAのためのコマンドパーシステンス予測による適応的セマンティック推論
• Abstract要約: コマンド再利用は計算を削減できるが、命令依存のターンや停止のリスクがある。 コマンド永続化予測に基づくイベントトリガースケジューラであるASPENを紹介する。 ASPENはVLAコールを9.5%削減し、スケジューリングオーバーヘッドを含む推論時間を8.1%短縮する。
• 参考スコア（独自算出の注目度）: 3.6340387363934865
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Navigation vision-language-action (VLA) policies repeatedly invoke costly semantic reasoning even when the next command remains unchanged. Command reuse can reduce computation but risks missing instruction-dependent turns or stops. We introduce ASPEN, an event-triggered scheduler based on command persistence prediction: estimating whether the frozen base policy would reissue its previous command. A lightweight multimodal predictor combines temporal observations, language instructions, execution history, and cached VLA confidence. At eligible command boundaries, sufficient predicted persistence permits command reuse. Otherwise, ASPEN triggers fresh semantic reasoning from the VLA. Evaluated with frozen NaVILA on cross-dataset RxR-CE val-unseen, ASPEN reduces VLA calls by 9.5% and estimated inference time by 8.1%, including scheduling overhead. It maintains comparable navigation performance and preserves identical baseline action sequences on 92.1% of episodes.
• Abstract（参考訳）: ナビゲーションビジョン言語アクション(VLA)ポリシーは、次のコマンドが変更されていない場合でも、コストのかかるセマンティック推論を繰り返し呼び出す。 コマンド再利用は計算を削減できるが、命令依存のターンや停止のリスクがある。 我々は、コマンド永続性予測に基づくイベントトリガースケジューラであるASPENを紹介し、凍結したベースポリシーが以前のコマンドを再発行するかどうかを推定する。 軽量なマルチモーダル予測器は、時間観測、言語命令、実行履歴、キャッシュされたVLA信頼を組み合わせる。 適切なコマンド境界では、十分な予測された永続性により、コマンドの再利用が可能である。 そうでなければ、ASPENはVLAから新しいセマンティック推論をトリガーする。 クロスデータセットのRxR-CE val-unseen上でのNAVILAによる評価により、ASPENはVLA呼び出しを9.5%削減し、スケジューリングオーバーヘッドを含む推論時間を8.1%短縮する。 同等のナビゲーション性能を維持し、92.1%のエピソードで同一のベースラインアクションシーケンスを保持する。

関連論文リスト

• AeroDASH: Asynchronous Vision-Language-Action Control for Continuous UAV Flight [15.331270326565345]
  本稿では,連続言語条件飛行のための非同期VLAフレームワークであるAeroDASHを提案する。 B-スプラインポリシーは、専門家によるデモンストレーションの微調整を通じて行われ、位置とヨーにおける連続的な軌道参照を提供する。 UAV-Flowテストセットでは、AeroDASHが76.56%成功し、OpenVLA-UAVとAeroDASH w/o GRPOをそれぞれ38.1ポイント、20.1ポイント上回った。
  論文  参考訳（メタデータ） (2026-10-18T17:05:56Z)
• Future Anchored Verification and Online Recovery for World Action Models [50.72957480806238]
  世界アクションモデル(WAM)は、ロボット操作のための有望なパラダイムとして登場した。 我々は、WAMが行動する前に予測した未来が、通過する意図のある状態を正確に表現しているのを観察する。 予測フレームをアンカーとして保持し,検証とリカバリに使用する軽量フレームワークであるFAVORを紹介する。
  論文  参考訳（メタデータ） (2026-10-05T13:08:58Z)
• TaskAnchor: Grounding Task State in Reactive VLAs for Long-Horizon Manipulation [49.02604313942616]
  VLA(Reactive Vision-Language-action)ポリシーは、長時間の操作においてタスク状態のエイリアスに悩まされる。 本稿では,VLAのネイティブ入力空間に実行コンテキストを注入することでタスク状態を基底とする軽量アダプタTaskAnchorを提案する。 長期のベンチマークではTaskAnchorが大幅に上昇し、pi0.5とX-VLAのベースラインの平均的な成功率の6倍に達する。
  論文  参考訳（メタデータ） (2026-09-20T11:57:10Z)
• ReDraft, Don't Just Distill: Reference-Driven Revision for Continual VLLM Post-Training [66.72708893922605]
  大規模なマルチモーダルモデルのポストトレーニングは、事前トレーニングから保護しながら、新しい機能を追加する必要がある。 SFTは、タスクをほぼゼロの精度から学習する明確なターゲット監視を提供するが、そのオフポリティックターゲットはモデルを十分に移動させ、忘れる原因となる。 モデル自身の失敗から両方を得るReDraftを紹介します。
  論文  参考訳（メタデータ） (2026-09-15T04:59:03Z)
• CheckVLA: Execution-Time Verification with Action-Conditioned World Model for Long-Horizon Mobile Manipulation [15.532709298240215]
  視覚言語アクション(VLA)ポリシーは、オープンループアクションチャンクを通じて長距離移動操作を実行する。 本稿では、個別に訓練されたフリーズされた行動条件付き世界モデルを用いて実行を検証するCheckVLAを提案する。 RoboCasa365では、一般的なトレーニングレシピと一致した呼び出し予算の下で、CheckVLAの平均成功率は36.1%であり、定期的なリプランでは27.6%である。
  論文  参考訳（メタデータ） (2026-07-29T11:31:33Z)
• DEFLECT: Delay-Robust Execution via Flow-matching Likelihood-Estimated Counterfactual Tuning for VLA Policies [12.248643831532663]
  DEFLECTは、非同期VLA制御の使用可能な遅延エンベロープを大幅に拡張し、高遅延状態(5-7制御ステップ)で+6.4の成功率を、最も長い遅延時間で実スケールVLAに移行すると+4.6とした。
  論文  参考訳（メタデータ） (2026-05-19T03:14:11Z)

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。