日本フィジカルAI新聞

世界のフィジカルAIを、日本語で。

VLAarXiv:2506.17639

RLRC: 強化学習による圧縮VLAモデルの性能回復

RLRC: Reinforcement Learning-based Recovery for Compressed Vision-Language-Action Models

シェア:XThreadsFacebookLINEはてブBluesky

VLAモデルを構造的プルーニング・強化学習による性能回復・量子化の3段階で圧縮し、メモリを最大8分の1、推論を2.3倍高速化しつつ成功率を維持した。

詳しい要約

1. どんなもの?

- Vision-Language-Action models (VLA) の実機展開を妨げる巨大なパラメータ数と高い推論遅延を解決するための、モデル圧縮フレームワーク。 - 三つの段階からなるパイプライン: (1) structured pruning、(2) SFT と RL による性能回復、(3) その後の quantization。 - 最大 8 倍のメモリ削減と 2.3 倍の推論高速化を、元のタスク成功率を維持したまま達成する。 - 複数の VLA backbone に適用可能で、オンデバイス展開を狙う。

2. 先行研究と比べてどこがすごい?

- まず VLA のモデル圧縮に関する体系的な実証研究 (systematic empirical study) を行っている点が特徴。 - 既存の圧縮ベースラインと比較して、RLRC は一貫して優れた性能を示すと報告。 - 単なる pruning + quantization ではなく、SFT と RL を組み合わせた回復段階を組み込むことで、元のタスク成功率を維持できる点が先行手法との違い。 - 具体的なベースライン名は要旨からは不明。

3. 技術・手法の肝は?

- 三段階の圧縮・回復パイプライン: structured pruning → SFT と RL による性能回復 → quantization。 - RL 段階には critic warm-up strategy を導入し、訓練を安定化させる。 - BC loss regularization を加え、policy behavior を保持する。 - これら二つの工夫により、圧縮後の回復訓練中の安定性と方策の維持を両立させる。

4. どうやって有効だと検証した?

- 複数の VLA backbone に対する広範な実験を実施。 - 既存の圧縮ベースラインとの比較で RLRC が一貫して上回ることを示す。 - 最大 8 倍のメモリ削減と 2.3 倍の推論高速化を達成しつつ、元のタスク成功率を維持できることを確認。 - 具体的なタスク・データセット名は要旨からは不明。

5. 議論はある?

- 要旨からは不明。 - 想定される論点としては、圧縮率と成功率のトレードオフ、RL 回復段階の訓練コスト、異なる VLA backbone 間での汎化性などが考えられるが、要旨には明記されていない。

6. 次に読むべき論文は?

- 要旨で参照・比較されている具体的な圧縮ベースライン名は不明。 - 関連手法として、VLA の代表的な backbone (例: OpenVLA など) や、structured pruning、quantization、SFT、RL を用いた圧縮・回復に関する研究を次に読むべき候補として挙げる。 - プロジェクトページ https://rlrc-vla.github.io も参照候補。

※ AIが要旨から生成した要約です。正確性は原文をご確認ください。

著者: Yuxuan Chen, Yixin Han, Yize Huang, Xiao Li

分類: cs.RO, cs.AI

原文アブストラクト

Vision-Language-Action models (VLA) have demonstrated remarkable capabilities and strong potential in complex robotic manipulation. However, their large parameter sizes and high inference latency hinder real-world deployment, especially on resource-constrained platforms. To address this, we conduct a systematic empirical study of model compression for VLAs. Building on these insights, we present \textit{RLRC}, a three-stage compression and recovery pipeline consisting of structured pruning, performance recovery via SFT and RL, and subsequent quantization. The RL stage incorporates a critic warm-up strategy and BC loss regularization to stabilize training and preserve policy behavior. RLRC achieves up to an 8 times memory reduction and 2.3 times inference speedup while maintaining the original task success rate. Extensive experiments across multiple VLA backbones show that RLRC consistently outperforms existing compression baselines, highlighting its effectiveness for on-device deployment. Project website: https://rlrc-vla.github.io

関連論文

  1. 1Boston Dynamics、車輪付きAtlasの研究試作機を紹介研究・技術
  2. 2GXOとApptronik、Apolloの物流現場試験を拡大 最大1,000台の展開を構想量産・展開
  3. 3newmoとKDDIが資本業務提携 2028年に堺市で自動運転タクシー商用化目指す提携・買収
  4. 4NVIDIA、CoRLでGR00T 2とIsaac Lab 3.0を発表新製品・発表
  5. 5UC BerkeleyとNVIDIAの研究者、AIエージェントでロボット制御コードを仮想環境で改善研究・技術

PR・アフィリエイト広告

MINISFORUM(ミニPC)

MINISFORUM(ミニPC)の公式広告バナーMINISFORUM公式ストアを見る ↗
PR本紙発行元 EmplifAI