Vision-Language-Actionモデル向け量子化手法「CHASE-VLA」を提案　LIBEROで平均成功率97.3%

何が起きたか

Vision-Language-Action（VLA）モデル向けの事後量子化フレームワーク「CHASE-VLA」が、2026-10-02にarxiv.orgで公表された。拡散型のアクション専門家（AE）に対し、生成済みアクションチャンクとデノイジング段階の情報を使って活性化スケールを補正する設計である。AE内のMLPとAttention投影をW4A4量子化しながら、既存の事前学習済みポリシーは変更しないとしている。

詳細

論文は、VLAモデルが視覚観測と自然言語指示を連続的なロボット行動に写像すると説明したうえで、拡散ベースのAEが低ビットPTQの難所になると位置づけている。AEはデノイジングの各段階とポリシー問い合わせで繰り返し呼び出され、そのたびに固定キャリブレーション尺度が活性化範囲とずれる可能性があるとした。 CHASE-VLAは、ポリシーから得られる「生成済みアクションチャンク」のうち未実行の将来サフィックスを因果的コンテキストとして使い、さらにデノイジング段階のグループ情報を組み合わせてAEの活性化スケールを調整する。論文では、LIBEROでπ0.5に対し平均成功率97.3%を達成し、量子化したAE線形層の重み保存量を73.4%削減、単一チャンク当たりのメモリトラフィックをπ0.5で70.9%、GR00T N1.6で71.2%削減したとしている。予測器のオーバーヘッドは、削減できた保存量の最大1.26%以内だとしている。

Key Facts

本紙の見方

CHASE-VLAの新しさは、VLAの量子化を単純な静的キャリブレーションではなく、ポリシーがすでに生成したアクションチャンクとデノイジング段階で補正する点にある。低ビットPTQ自体は既定路線だが、論文が扱う対象は拡散型AEであり、同じAEが繰り返し呼ばれるという構造に合わせて尺度推定を組み替えたところに特徴がある。ここで重要なのは、量子化対象がモデル全体ではなく、反復利用されるAE内のMLPとAttention投影である点で、圧縮効果と精度維持を両立する狙いが見える。 つまり、観測画像と言語指示だけでなく、すでに生成された行動列を再利用して量子化誤差を抑えるため、入力→推論→次の行動生成という循環の中で精度を守る設計になっている。これは、ロボット向けVLAでモデル圧縮を進める際に、静的な重み圧縮だけではなく、実行コンテキストを使った適応補正が有効かどうかを示す材料になる。 業界構造への含意としては、学習済みVLAを小さくするだけではなく、反復推論時のメモリトラフィックをどこまで落とせるかが焦点になる。今回の数値では、重み保存量73.4%削減と、チャンク当たりトラフィック70.9%・71.2%削減が示されており、量子化の評価軸が精度だけでなく実行時のデータ移動に広がっている。特にAEのように同一ブロックを繰り返し使う場合、圧縮の効果はGPUやエッジ計算資源の選定、メモリ帯域の制約、ロボット側の実装容易性に直接関わるとみられる。 未確定の論点は、他のVLAや他のロボットタスクで同程度の精度と圧縮率が再現できるか、W4A4以外のビット設定でどう振る舞うか、ならびに実機での遅延や電力への波及である。論文はLIBEROとGR00T N1.6での結果を示すが、異なるデータ分布や長期タスクで同じチャンク依存のスケール推定がどこまで効くかは、追加検証が必要だとみられる。

なぜ重要か

論文が示す97.3%の成功率と73.4%の重み削減は、VLAモデルを小さくしても精度を保てる余地があることを示す。特に、反復利用されるAEのメモリトラフィックを70%以上減らせるなら、ロボット向け実装で帯域制約が課題になる場面に関係する。

日本への影響

日本企業や研究機関がロボット向けVLAの実装を検討する場合、量子化の対象が単なる重みではなく、反復推論時の行動チャンクやデノイジング段階にまで及ぶ点が参考になる。もっとも、論文の結果はLIBEROとGR00T N1.6に限られており、日本の実機環境にそのまま当てはめられるとは限らない。