論文の概要: Asynchronous Robot Policies

• arxiv url: http://arxiv.org/abs/2611.05155v1
• Date: Tue, 03 Nov 2026 16:30:27 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-11-07 14:00:48.364979
• Title: Asynchronous Robot Policies
• Title（参考訳）: 非同期ロボット政策
• Abstract要約: 非同期ロボットポリシー(ARP)は、低レベルのアクション生成からセマンティック推論を分離するアーキテクチャフレームワークである。 ARPは成功率が18%高く、準静的なセットアップの実行に要する時間も20%削減される。
• 参考スコア（独自算出の注目度）: 57.278726604424556
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Scaling vision-language foundation models has significantly advanced generalist robot manipulation, but the increased model scale introduces computational latency that degrades real-time physical reactivity. Existing Vision-Language-Action (VLA) architectures execute high-level semantic reasoning and action ex- ecution sequentially within the primary control loop, creating a fundamental tension between semantic-reasoning capability and robot agility. To address this, we propose Asynchronous Robot Policy (ARP), an architectural framework that decouples semantic reasoning from low-level action generation using asynchronous processes operating at independent frequencies. In ARP, a high-capacity Vision-Language Model (VLM) asynchronously updates a semantic memory at low fre- quency, while a lightweight Vision-Action Expert, conditioned on this semantic memory, generates robot actions at a much higher control frequency. Such a formulation, enables having a fast perception-action loop without compromising on the semantic capability. To overcome asynchronous memory staleness, ARP trains the vision-action expert on the semantic staleness and execution delay, with temporally mismatched observation across processes. On Franka manipulation tasks, ARP achieves an 18% higher success rate and 20% less time need for execution in quasi-static setups, while 3-5 times baseline performance in dynamic simulation environments. Furthermore, ARP enables operating the VLM at 10 times lower than its nominal frequency with no significant performance loss making it much more efficient than the baseline. These results highlight the architectural advantages of modeling robot policies as asynchronous processes, enabling real-world reactive deployment without sacrificing the scale of foundation models.
• Abstract（参考訳）: 視覚言語基礎モデルのスケーリングには、高度な汎用ロボット操作があるが、モデルスケールの増大は、リアルタイムの物理的反応性を低下させる計算遅延を導入する。 既存のVision-Language-Action(VLA)アーキテクチャは、プライマリコントロールループ内で、高レベルのセマンティック推論とアクション前実行を順次実行し、セマンティック推論能力とロボットの俊敏性の間に根本的な緊張を生み出す。 これを解決するために,独立周波数で動作する非同期プロセスを用いて,低レベルのアクション生成から意味論的推論を分離するアーキテクチャフレームワークである非同期ロボットポリシー(ARP)を提案する。 ARPでは、高容量のビジョン・ランゲージモデル(VLM)が低周波数でセマンティックメモリを非同期に更新する一方、このセマンティックメモリを前提とした軽量なビジョン・アクションエキスパートは、はるかに高い制御周波数でロボットアクションを生成する。 このような定式化により、セマンティックな能力を損なうことなく、高速な知覚作用ループが実現される。 非同期メモリの安定性を克服するため、ALPは視覚アクションの専門家にセマンティックな安定性と実行遅延をトレーニングし、プロセス間で時間的にミスマッチした観察を行う。 Franka操作タスクでは、ARPは成功率が18%高く、準静的なセットアップでの実行に要する時間を20%削減し、動的シミュレーション環境では3～5倍のベースライン性能を実現している。 さらに、ALPはVLMをその名目周波数の10倍の速度で動作させることができ、性能損失が著しくなく、ベースラインよりもはるかに効率的である。 これらの結果は、ロボットポリシーを非同期プロセスとしてモデル化することのアーキテクチャ上の利点を強調し、基礎モデルのスケールを犠牲にすることなく、現実のリアクティブデプロイメントを可能にする。

関連論文リスト

• ActionUNet: Improving Robustness of VLA Models with Efficient Multi-scale Fine-tuning [6.34168955365431]
  ActionUNetは、Vision-Language-Action(VLA)モデルの効率的なマルチスケール微調整フレームワークである。 我々は,ActionUNetが0.5の成功率を,それぞれ9.8%,6.1%,11.4%で著しく向上させることを示した。
  論文  参考訳（メタデータ） (2026-09-28T11:57:00Z)
• Reinforcement Learning for Real-Time Vision-Language-Action Policies [71.61893237919794]
  Real-Time EXPO-FTはリアルタイムVLAポリシーを微調整するためのRLフレームワークである。 Kinetixベンチマークでは、Real-Time EXPO-FTにより、遅延ポリシーが最高のパフォーマンスを達成することができる。 4つの動的な実世界のタスクにおいて、Real-Time EXPO-FTは平均的なポリシー性能を42%から97%に改善する。
  論文  参考訳（メタデータ） (2026-09-16T06:38:36Z)
• NebulaVLA: A Dual-Frequency Vision-Language-Action Model With Guide Action for Robotic Manipulation [16.57017306622846]
  低レベルのアクション制御から高レベルのセマンティック推論を分離する非同期デュアル周波数アーキテクチャであるNebulaVLAを提案する。 ヘテロジニアスロボット間のセマンティックギャップをブリッジするために,統一言語に基づく行動表現であるGESTURE-7を導入する。
  論文  参考訳（メタデータ） (2026-08-17T12:40:23Z)
• RC-NF: Robot-Conditioned Normalizing Flow for Real-Time Anomaly Detection in Robotic Manipulation [68.7948300643741]
  ロボットの異常検出と介入をリアルタイムに監視するロボット・コンディションド・ノーマライゼーション・フロー(RC-NF)を提案する。 RC-NFは、正規化フロー内のタスク認識ロボットとオブジェクト状態の処理を分離する。 従来のロボットタスクの監視方法と比較して、あらゆる異常なタイプで最先端のパフォーマンスを実現している。
  論文  参考訳（メタデータ） (2026-03-11T10:14:37Z)
• AsyncVLA: An Asynchronous VLA for Fast and Robust Navigation on the Edge [49.66156306240961]
  高レイテンシは制御ループを壊し、リアルタイムデプロイメントでは安全でない強力なモデルをレンダリングする。 リアクティブ実行からセマンティック推論を分離する非同期制御フレームワークであるAsyncVLAを提案する。 AsyncVLAは、最先端のベースラインよりも40%高い成功率を達成する。
  論文  参考訳（メタデータ） (2026-02-13T21:31:19Z)
• FASTer: Toward Efficient Autoregressive Vision Language Action Modeling via Neural Action Tokenization [61.10456021136654]
  本稿では,効率的で汎用的なロボット学習のための統合フレームワークであるFASTerを紹介する。 FASTerVQは、アクションチャンクをシングルチャネルイメージとしてエンコードし、高い圧縮比を維持しながら、グローバルな時間的依存関係をキャプチャする。 FASTerVLAはブロックワイドの自動回帰デコーディングと軽量アクションエキスパートを備えたトークンライザ上に構築されており、推論の高速化とタスクパフォーマンスの向上を実現している。
  論文  参考訳（メタデータ） (2025-12-04T16:21:38Z)
• HiRT: Enhancing Robotic Control with Hierarchical Robot Transformers [12.373320641721344]
  大型ビジョンランゲージ・アクション(VLA)モデルは、その印象的な一般化能力のためにロボット制御において有望であることが示されている。 数十億のパラメータを持つVLMバックエンドへの依存は、高い計算コストと遅延推定につながる。 本稿では,柔軟な周波数・性能トレードオフを実現する階層型ロボットトランスフォーマフレームワークであるHiRTを提案する。
  論文  参考訳（メタデータ） (2024-09-12T09:18:09Z)

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。