VLAモデルのための潜在推論フローの再構成と洗練

- Vision-Language-Action (VLA) モデル向けの新手法 FLOWMEM を提案。 - 実行後に破棄されていた成功した latent reasoning を再利用可能な経験として蓄積。 - 身体化コンテキストの変化に応じて latent fragment を動的に検索・再構成し、reasoning route を形成。 - 現在の視覚・固有受容感覚の証拠で route を refine してから行動生成の条件付けに使う。 - 閉ループ VLA 制御のための統合モデル。

- 既存手法は各 policy query ごとに latent state を生成・refine するが、実行後の成功した reasoning を破棄し、同様の計算をゼロから再構築していた。 - FLOWMEM は成功した latent computation を再利用可能な reasoning 経験に変換する点が新しい。 - 固定の retrieved context を追加するのではなく、身体化コンテキストの進展に合わせて動的に検索・再構成する。 - 時間構造と進捗に沿った reasoning route を形成できる。

- 成功した latent computation を記憶として保持し、再利用する仕組み。 - 身体化コンテキストの変化に応じて互換性のある latent fragment を動的に検索・再構成。 - 成功した計算の時間構造と進捗に従う reasoning route を形成。 - 現在の視覚・固有受容感覚の証拠で route を refine。 - refine 後の route が行動生成を条件付ける。

- RoboMME と LIBERO-Plus で評価。 - FLOWMEM はそれぞれ 48.0% と 77.3% の成功率を達成。 - memory-free な policy をそれぞれ 1.7 ポイント、4.1 ポイント上回った。 - 成功した latent computation の再利用が閉ループ VLA 制御に有効であることを示す。

- 成功した latent computation を再利用することが閉ループ VLA 制御に価値があると主張。 - 具体的な限界や失敗ケース、計算コスト、記憶の一般化性などは要旨からは不明。

- 要旨で参照・比較されている研究は明示されていない。 - 関連手法として memory-free policies、latent reasoning を用いる VLA モデル、retrieval-augmented な制御手法が挙げられる。 - 同分野の定番として RoboMME、LIBERO-Plus ベンチマークや VLA モデル全般を参照するとよい。