VLAの推論待ちを抑える実行方式PTS、LIBEROでタスク処理量を最大104％向上

何が起きたか

arXiv掲載論文「Same Path, Less Time: Training-Free Fast Execution of Vision-Language-Action Models under Inference Latency」は2026年11月1日、学習を追加せずVLAの実行を高速化するPath-preserving Time Scaling（PTS）を示した。推論遅延を加えたLIBEROで、2つの固定VLA、pi0.5とSmolVLAのタスク処理量は、最も強い実行可能なベースラインに対しそれぞれ33％、104％増え、成功率は維持または改善したという。

詳細

PTSは、ロボットの動きを参照経路上の時間再パラメーター化として扱う。経路レイヤーは各再計画を決定論的に1ステップで復号し、推論中に消費された進捗位置から新しい経路に入る。時間レイヤーは計画された動作増分を合算し、グリッパーが動く間はアームを1倍速に保つほか、アクチュエーターの線形範囲と推論遅延下での動作チャンクの実行可能性に応じて速度を制限する。 論文によると、同じ1ステップ復号器を使う非同期1倍速実行との比較では、時間レイヤー単独でpi0.5の処理量が28％、SmolVLAが38％増加した。LIBERO-Dynamicでは停止して推論結果を待つ方式より38％向上し、非同期1倍速実行と同程度だった。また、PTSは6つのモデルとスイートの組み合わせすべてで最良となり、遅延のない1倍速実行も上回ったとしている。

Key Facts

本紙の見方

この論文の焦点はVLAの予測能力を高めることではなく、推論待ちと、慎重なデモ動作に合わせた低速実行という二つの時間損失を、学習済みモデルの外側で扱う点にある。モデル自体を更新せず実行層を変えるため、評価上の改善はモデルの学習性能向上とは区別して読む必要がある。 技術上の要点は、推論待ちの解消と動作速度の引き上げを別々に足すのではなく、経路上の進捗と実際の動きを対応させたことだ。論文は、非同期化と高速化を単純に重ねると計画上の進捗と実行動作の対応が変わると説明する。PTSでは、再計画後の経路に推論中に進んだ分だけ進捗した地点から入る。その上で時間レイヤーが速度を調整するため、処理量の改善を経路追従との整合性と組み合わせて評価している。 結果の読み分けも重要だ。pi0.5の33％に対してSmolVLAは104％と、ベースライン比の改善幅はモデル間で異なる。さらに、同じ1ステップ復号器との比較では時間レイヤー単独の増加が28％と38％であり、全体の向上を非同期化だけ、あるいは速度変更だけの効果とみなすことはできない。LIBERO-Dynamicでは停止待ち方式に対する38％向上と、非同期1倍速方式との同程度という結果が示され、比較対象によってPTSの差が変わる。 また、アクチュエーターの線形範囲と、遅延下で各動作チャンクを実行できるかを速度上限に反映する設計は、単に指令を一律に速める方式ではないことを示す。グリッパー動作中にアームを1倍速に保つルールも含め、速度変更の適用範囲を動作要素ごとに制御している。成功率を維持または改善したという報告は処理量だけでなくタスク成否も評価対象にしたことを示すが、要旨には成功率の絶対値や推論遅延の具体値、実機での評価条件は記されていない。次に確認すべきなのは、遅延やアクチュエーター条件が異なる環境でこの対応付けがどう働くか、そして処理量向上と成功率の関係がどのタスクで成立するかである。

なぜ重要か

論文の評価では、推論遅延を加えたLIBEROでPTSがタスク処理量を高めながら、成功率を維持または改善した。VLAを再学習せず実行時の待ち時間と速度を調整する方法として、モデル更新とは別の改善手段を検討する際の具体的な比較対象となる。