何が起きたか

2026年1月14日にarXivに公開された論文（識別番号2601.09708v2）で、Fast-ThinkActというVLA推論フレームワークが発表された。同フレームワークは、明示的なCoTに依存せず、潜在的なCoTを蒸留と嗜好に基づく学習で獲得し、推論遅延を最大89.3%削減すると報告している。

詳細

Fast-ThinkActは、教師モデルから潜在的なCoTを蒸留し、嗜好に基づく目的関数を用いて操作軌道を整列させる。これにより、言語的・視覚的な計画能力を身体制御に転移する。実験では、複数の操作・推論ベンチマークで、最先端の推論VLAと比較して最大89.3%の推論遅延削減を達成しつつ、長期的計画、少数ショット適応、失敗回復を維持したとしている。

Key Facts

Fast-ThinkActは、潜在的なCoTを蒸留と嗜好に基づく学習で獲得するVLA推論フレームワークである。[1]
同フレームワークは、最先端の推論VLAと比較して最大89.3%の推論遅延削減を達成したと報告されている。[1]
実験では、長期的計画、少数ショット適応、失敗回復の能力を維持したとされる。[1]

なぜ重要か

VLAモデルの実用化には、推論の正確さと速度の両立が不可欠であり、Fast-ThinkActはその一つの解を示す。推論遅延の削減は、ロボットのリアルタイム制御やエッジ展開に直結するため、今後のロボット学習の応用範囲を広げる可能性がある。