少ないステップでより良い行動：VLAポリシーのフローマッチング推論の再考

Vision-language-action (VLA) policies における flow matching 推論の改善手法 Coda を提案。 - flow matching ベースの VLA は action expert の反復評価で action chunk を生成。 - 積分ステップ数を増やすと推論コストが上がるが、closed-loop の成功率は必ずしも向上しない。 - Coda は積分予算の一部を単一の学習済み endpoint correction に再配分する。 - frozen policy が数ステップの noise-to-action trajectory を完了後、軽量 Transformer が demonstration-supervised residual を予測。 - 学習するのは corrector のみ。

従来の flow matching VLA は積分ステップ増加で精度向上を図るが、コスト増に見合わない場合がある。 - Coda は追加積分の代わりに endpoint correction を導入。 - 5-step Coda は matched 5-step baseline の 71.64% から 74.68% へ成功率改善。 - default 10-step policy 比で forward latency を 30.2% 削減。 - 2-step 構成で 71.88% 成功、2.12x 高速化。 - 独立 13-task control でほぼ同等 latency で 5.69 ポイント向上。 - frozen official SmolVLA でも 2-step 成功を 60.8% から 69.4% へ改善。

Coda の肝は積分予算の再配分と endpoint correction。 - frozen policy がまず few-step の noise-to-action trajectory を完了。 - 軽量 Transformer が candidate action、source noise、shared observation-prefix cache を用いて demonstration-supervised residual を予測。 - 学習対象は corrector のみで、元の policy は frozen。 - これにより追加の積分ステップを増やさずに endpoint を補正。

RoboTwin Easy の 50 タスクで検証。 - 5-step Coda は matched 5-step baseline の 71.64% から 74.68% へ成功率改善。 - default 10-step policy 比で forward latency を 30.2% 削減。 - 2-step 構成で 71.88% 成功、2.12x 高速化。 - 独立 13-task control でほぼ同等 latency で 5.69 ポイント向上。 - frozen official SmolVLA でも 2-step 成功を 60.8% から 69.4% へ改善。

endpoint correction が追加積分の有効な代替となることを支持。 - frozen flow-matching policies の quality-latency trade-off を改善。 - ただし要旨からは、corrector の汎化性や他タスク・他モデルへの適用限界についての議論は不明。 - 失敗事例や限界については要旨からは不明。

要旨で参照/比較されている研究や関連手法。 - flow matching ベースの VLA policies（一般的な手法）。 - SmolVLA（frozen official SmolVLA として比較）。 - RoboTwin Easy（ベンチマーク）。 - 具体的な論文名は要旨からは不明。