エージェント型ロボット群の推論処理を分析、同時実行数の増加で生成速度低下

何が起きたか

arXivに2026年11月1日掲載の論文は、エージェント型ロボット群の推論処理について、脳部のKVキャッシュとVLAの動作生成を分析した。GPT-6-Astra、RPent、pi0.5が生成したLIBERO-PROの80エピソードを対象とし、1,862回の脳部ターンと1,582回のVLA推論チャンクを計測した。脳部処理のリプレイでは、同時実行を20台から32台に増やすと処理量が約2.4から0.6リクエスト/秒に下がった。

詳細

測定にはH800 GPUを使い、エージェントのプログラムをvLLMサービングエンジンで再生した。脳部のコンテキストは最大215kトークンに達し、Astraのリクエスト時間は中央値7.78秒だった一方、環境ステップ間の時間は1.0秒だった。 動作チャンクの期限を0.25秒とした場合、VLA用GPU 1基でロボット1台について飢餓率1%の目標を満たした。期限を1.0秒とした測定では、同GPUの処理能力は少なくとも32台だった。脳部の継続的なリプレイでは、アクティブなエピソード数の上限を設けると処理量が2.24〜2.25リクエスト/秒に戻り、完了したトレースプログラムは毎分1.30から5.00〜5.55エピソードに増えた。

Key Facts

本紙の見方

この論文が示す焦点は、ロボット群の処理能力をGPU数だけで見積もれない点にある。脳部は長くなるKVキャッシュを保持しながら再利用し、VLAは動作チャンクを期限内に出す必要がある。両者は同じ「推論」でも、前者はキャッシュ滞留と生成処理、後者は制御期限が制約となる。したがって、必要な計算資源は台数だけでなく、脳部とVLAの負荷の組み合わせで変わると読める。 特に、同時実行を20台から32台に増やした際、脳部処理のスループットが約4分の1に落ちた一方、アクティブエピソード数に上限を設けると2.24〜2.25リクエスト/秒まで戻った。論文は、反復的なprefillが生成処理を押しのけたと説明する。この結果は、設備を増やすだけでなく、どのエピソードを同時に実行状態に置くかが運用設計の論点になることを示す。完了トレースプログラムも毎分1.30から5.00〜5.55に増えており、受付制御の評価では単位時間当たりの応答だけでなく、完了した作業量も見る必要がある。 VLA側の測定値は期限条件によって変わる。0.25秒期限ではGPU 1基が飢餓率1%の目標を満たす対象は1台だが、1.0秒期限では少なくとも32台とされた。これは「GPU 1基で32台」という値を一律の能力として扱えず、動作チャンクの期限が違えば計画値も異なることを意味する。脳部のリクエスト中央値7.78秒と環境ステップ間隔1.0秒の差も、処理を逐次完了させる設計では待ち時間が問題になり得ることを示唆するが、論文の測定だけから実機運用の遅延を断定することはできない。 評価は80エピソードを基にH800 GPUとvLLMで再生した条件に限られる。生成モデル、コンテキスト長、同時実行の構成が変わった場合にも同じ上限設定が有効か、また制御期限を含む脳部・VLA間の資源配分をどう決めるかは、次に確かめるべき点である。論文の結果は、実際のロボット群にそのまま適用できる処理能力の保証ではなく、負荷特性を踏まえた容量計画と受付制御の基準として読むべきだ。

なぜ重要か

論文の測定では、VLAの処理能力は動作チャンクの期限が0.25秒か1.0秒かで大きく異なり、脳部では同時実行数の増加がスループット低下につながった。ロボット群を運用する側にとって、GPU台数の確保だけでなく、制御期限とアクティブエピソード数を踏まえた容量設計が課題となる。