捨てた行動を再利用してロボット政策を高速化するAction Upcycling

- ロボット政策は観測から未来のaction chunkを予測し、その一部(execution horizon)のみ実行して残りを破棄する。 - このhorizonの長さは反応性と効率のトレードオフを持つ。 - 本研究は、破棄されるactionを再利用するtraining-freeなアルゴリズム『Action Upcycling』を提案する。 - モデル内部にアクセスせず、追加サンプリングも行わない。 - 破棄actionと再計画actionはaction velocityが滑らかなら近いという観察に基づく。 - velocityが揺らぎ始めるまでexecution horizonを延長する。

- 従来のtest-time horizon適応手法は、モデル内部を読む(アーキテクチャごとに信号選択が必要)か、追加サンプルを引く(コスト増)かのいずれか。 - Action Upcyclingはモデル内部にアクセスせず、追加サンプルも引かない。 - 破棄されるactionを再利用する点が新しい。 - 任意のchunked policyに適用でき、few-step samplingやstreaming action decodingなどの他の加速手法と直交する。 - 政策加速の新しい軸を開く。

- training-freeアルゴリズム。 - 政策が破棄するactionを再利用する。 - 破棄actionと再計画actionはaction velocityが滑らかな限り近いという観察を利用。 - velocityが揺らぎ始める点までexecution horizonを延長する。 - モデル内部や追加サンプリングは不要。 - 任意のchunked policyに低コストで適用可能。

- シミュレーションおよび実世界のmanipulationタスクで広範な実験を実施。 - 複数のVision-Language-Action Models (VLAs)とWorld Action Model (WAM)で評価。 - 成功率を落とさずに政策呼び出しを1.2--1.7倍削減。 - 他の加速手法(few-step sampling, streaming action decoding)と直交することも示す。

- 要旨からは不明。 - ただし、action velocityの滑らかさに依存する点や、velocityが揺らぎ始める閾値の決定方法などが議論の余地として考えられる。 - 限界や失敗ケースについての記述は要旨にはない。

- 要旨で参照/比較されている研究: test-time horizon適応手法、few-step sampling、streaming action decoding。 - 関連手法: Vision-Language-Action Models (VLAs)、World Action Model (WAM)。 - 同分野の定番: action chunking, receding horizon control, temporal ensembling, diffusion policy。