同じ経路でより速く：推論遅延下でのVLAモデルの学習不要な高速実行

- Vision-Language-Action (VLA) モデルの推論遅延下での実行を高速化する、訓練不要の実行レイヤー Path-preserving Time Scaling (PTS) を提案する研究。 - 対象は frozen な action-chunking ポリシー。モデル自体の能力ではなく、chunk 推論中の停止と低速な動作という2つの時間損失を扱う。 - ロボットの運動を参照 path の時間再パラメータ化として扱い、path は新規観測にのみ応じて変化させる。

- 既存の対策は停止損失と低速損失の片方のみを除去し、組み合わせると非同期性と速度向上が計画進捗と実行運動の対応を変えるため失敗する。 - PTS は path 層と time 層を分離し、両損失を同時に扱う点が新しい。 - 非同期 1x 実行と同一の one-step decoder と比較して、time 層だけで 28% (pi0.5) と 38% (SmolVLA) の追加改善。 - 最強の deployable baseline に対し throughput を pi0.5 で 33%、SmolVLA で 104% 向上し、success rate は同等以上。

- 中核原理: ロボット運動は参照 path の時間再パラメータ化であり、path は新規観測にのみ応じて変化する。 - path 層: 各 replan を決定論的に one-step で decode し、推論中に消費された progress から進入する。 - time 層: 計画増分を合算し、gripper 動作中は arm を 1x に保ち、actuator の線形範囲と遅延下の chunk feasibility でレートを上限化する。 - 誤整列した進入と確率的サンプリングが continuation error に bias と variance を加えることを示し、高速化が報われる条件として break-even success rate を導出。

- LIBERO 上で 2 つの frozen VLA (pi0.5, SmolVLA) に推論遅延を注入して評価。 - PTS は 6 つの model-suite 組み合わせすべてで最良で、zero-latency 1x 実行を上回る。 - LIBERO-Dynamic では stop-and-wait 実行を 38% 改善し、非同期 1x 実行と同等。

- 非同期性と速度向上を同時に扱う際の計画進捗と実行運動の対応変化が中心的な議論。 - 誤整列進入と確率的サンプリングによる bias/variance と、break-even success rate による高速化の損益分岐を提示。 - 訓練不要で frozen ポリシーに適用可能な点が実用上の利点。 - 限界や失敗条件の詳細は要旨からは不明。

- pi0.5 と SmolVLA (比較対象の frozen VLA)。 - action-chunking ポリシーおよび asynchronous 1x execution / stop-and-wait execution の関連研究。 - LIBERO および LIBERO-Dynamic ベンチマーク。 - 時間再パラメータ化や path-preserving 実行に関するロボティクス文献。