VLASH、非同期推論でロボットの反応遅延を最大11.8倍短縮 ピンポンやモグラ叩きを実現

何が起きたか

研究チームは2025年11月30日、非同期推論によるVLA制御手法「VLASH」を発表した。同期推論と比較して反応遅延を最大11.8倍短縮し、アクション量子化によりタスク完了速度を1.5〜2.0倍高速化する。従来の同期推論では失敗していたピンポンやモグラ叩きなどの高速反応・高精度タスクを、最先端VLAのπ0.5で実現した。

詳細

VLASHは、アーキテクチャ変更や追加のランタイムオーバーヘッドなしで、非同期VLA推論を実現する手法。推論中にロボットと環境が変化することで生じる予測区間と実行区間の時間的ずれを、前のアクションチャンクでロボット状態をロールフォワードし、将来の実行時状態を利用することで補正する。実験では、同期推論と比べて反応遅延を最大11.8倍短縮し、すべての非同期ベースラインを精度で上回った。アクション量子化により、精度低下を最小限に抑えつつタスク完了速度を1.5〜2.0倍高速化する。コードはGitHub(https://github.com/mit-han-lab/vlash)で公開されている。

Key Facts

本紙の見方

今回の発表は、VLAの実用化における大きな障壁である「反応遅延」と「動作の不安定さ」を、アーキテクチャ変更なしで解決する点で画期的だ。従来の同期推論では、ロボットは推論完了まで待機するため、動的な環境への適応が難しく、特に高速な反応が求められるタスクでは限界があった。VLASHは、推論中に環境が変化する問題を「将来の実行時状態」を予測することで解決し、遅延を最大11.8倍短縮する。この数値は、単なる理論上の改善ではなく、ピンポンやモグラ叩きといった実世界の高速タスクを可能にしたことで実証されている。 本手法の核心は、推論と実行を並列化する非同期推論の「時間的ずれ」を、前のアクションチャンクで状態をロールフォワードするというシンプルな方法で補正する点にある。これは、追加の計算コストやモデル変更を伴わないため、既存のVLAに容易に適用できる。アクション量子化による1.5〜2.0倍のタスク完了速度向上も、実用上の大きな利点だ。 業界構造への含意として、この手法はVLAの適用範囲を、これまでの「静的な環境でのゆっくりとした操作」から、「動的な環境でのリアルタイムな反応」へと拡張する。これにより、倉庫でのピッキング、製造ラインでの部品組み立て、さらには家庭での家事支援など、より動的で予測不可能な環境でのロボット活用が現実味を帯びる。特に、ピンポンやモグラ叩きのような高速なインタラクションは、人間とロボットの協働や、エンターテインメント分野での応用も期待される。 一方で、未確定の論点も残る。まず、実験で使用されたロボットプラットフォームやタスクの詳細が公開されておらず、実環境での汎用性がどこまで確認されているかは不明だ。また、アクション量子化による精度低下の程度や、長期的な動作安定性についても、さらなる検証が必要だろう。さらに、VLASHが想定する「将来の実行時状態」の予測精度が、複雑な環境や長いアクションチャンクでどの程度維持されるかも、今後の課題となる。

なぜ重要か

VLASHは、VLAの実用化における「反応速度」という根本的な課題を、シンプルかつ効果的な方法で解決した。これにより、ロボットは動的な環境で人間と協調して作業することが可能になり、産業用ロボットからサービスロボットまで、幅広い分野での応用が加速するだろう。