何が起きたか
arxiv.orgは2026-10-20、VLA政策向けの訓練不要フレームワーク「PACT-VLA」を公表した。ロボットが前の動作塊を実行している間に次の動作塊を生成する非同期推論を前提に、候補を生成開始時の観測から作り、最終選択はコミット直前の観測で行う。著者らは、4ステップ遅延の条件でKinetixとLIBEROの両方で成功率改善を報告し、3件の実機タスクでも平均成功率が60%から82%に上がったとしている。
詳細
PACT-VLAは、候補生成を開始した時点の観測を使って複数の候補動作塊を生成し、選択時にはより新しい「pre-commit observation」を使う。選択関数のFlowResは、各候補が示す流れ方向と、凍結されたpolicyがpre-commit observationの下で予測する速度との差分を測る方式で、別の verifier を必要としない。 実装面では、観測処理と候補生成を重ね合わせ、スコア計算をバッチ化したパイプラインを用いることで、評価したハードウェアでは選択が制御ステップ遅延を追加しないとしている。比較結果として、4ステップ遅延ではKinetixでRTC比15.0ポイント、LIBEROでGR00T N1.7を用いた単一候補非同期実行比5.2ポイントの平均成功率改善を示し、既存の遅延耐性手法も上回ったと説明している。
Key Facts
| arxiv.orgは2026-10-20に「PACT-VLA: Speculative Action-Chunk Verification with Pre-Commit Observations」を掲載した。 | [1] |
| PACT-VLAは、生成開始時の観測で候補を作り、選択時にpre-commit observationを使う訓練不要フレームワークである。 | [1] |
| FlowResは、候補の流れ方向と、凍結されたpolicyがpre-commit observation下で予測する速度の残差を測る。 | [1] |
| 評価では4ステップ遅延の条件で、KinetixでRTC比15.0ポイント、LIBEROでGR00T N1.7の単一候補非同期実行比5.2ポイントの改善を示した。 | [1] |
| 3件の実機タスクで、平均成功率は60%から82%に上昇した。 | [1] |
本紙の見方
本稿の焦点は、VLAを遅延のある実運用に載せる際の「どの観測で決めるか」という制御設計である。新規性は、候補生成と候補選択を分離し、しかも選択を生成開始時ではなくコミット直前の観測に寄せた点にある。一方で、モデルを再学習せずに既存のpolicyを凍結したまま使う点は、訓練不要という意味で既定路線の延長でもある。 この構図は、単に精度が上がったという話ではなく、非同期推論で生じる「観測の鮮度低下」を、候補生成と選択の役割分担で吸収しようとする提案だと読める。FlowResが別個のverifierを置かず、policy自身の速度予測との差分で候補を選ぶのは、追加モジュールで安全側に倒すのではなく、既存policyの内部整合性をそのまま選別基準に変換した形である。ここから見える論点は、遅延が大きいほど候補の良し悪しを決める情報が変化しやすくなる一方、選択自体は制御ステップを増やさずに済ませられるかという点にある。 ただし、改善が4ステップ遅延の条件に依存するのか、別の遅延幅でも同様かは本文だけでは確定しない。FlowResの計算コスト、候補数を増やした場合の挙動、pre-commit observationの取得タイミングが遅れた場合の限界も、次に確認すべき論点である。
なぜ重要か
この手法は、遅延を避けられないVLA制御で、古い観測に基づく動作選択の失敗を減らす狙いがある。著者らの評価では、4ステップ遅延下でKinetixとLIBEROの成功率が改善し、3件の実機タスクでも60%から82%へ上がっているため、少なくともこの条件では非同期推論の運用余地が広がる可能性がある。