日本フィジカルAI新聞

世界のフィジカルAIを、日本語で。

VLA/エッジクラウド協調arXiv:2603.20711

RoboECC: VLAモデルのための多要素対応エッジ・クラウド協調配置

RoboECC: Multi-Factor-Aware Edge-Cloud Collaborative Deployment for VLA Models

シェア:XThreadsFacebookLINEはてブBluesky

VLAモデルの推論コストを削減するため、モデル構造とネットワーク状態を考慮したエッジ・クラウド協調配置フレームワークRoboECCを提案し、最適な分割点の特定と帯域変動への適応により最大3.28倍の高速化を実現した。

詳しい要約

1. どんなもの?

- VLA modelsの推論コスト削減を目的としたEdge-Cloud Collaborative (ECC) deploymentフレームワーク「RoboECC」を提案。 - 多様なVLAモデルに対応し、最適な分割点を特定するmodel-hardware co-aware segmentation strategyと、ネットワーク変動に適応するnetwork-aware deployment adjustment approachを備える。 - 実験では最大3.28倍の高速化を2.55%~2.62%のオーバーヘッドで実現。

2. 先行研究と比べてどこがすごい?

- 既存のECCフレームワークはVLAモデルに最適化されておらず、多様なモデル構造による最適分割点の特定困難と、ネットワーク帯域変動による性能ドリフトという2つの課題があった。 - RoboECCはこれらの課題を解決し、既存手法よりも優れた性能を実現。 - 具体的な比較対象は要旨からは不明。

3. 技術・手法の肝は?

- model-hardware co-aware segmentation strategyにより、様々なVLAモデルに対して最適な分割点を探索。 - network-aware deployment adjustment approachにより、ネットワーク変動に適応して最適性能を維持。 - これらの手法を組み合わせたECC deploymentフレームワーク。

4. どうやって有効だと検証した?

- 実験により、RoboECCが最大3.28倍の高速化を達成し、オーバーヘッドが2.55%~2.62%であることを示した。 - 具体的な検証方法やデータセットは要旨からは不明。

5. 議論はある?

- 要旨からは不明。

6. 次に読むべき論文は?

- 要旨で参照/比較されている研究は明記されていない。 - 同分野の関連手法として、Edge-Cloud Collaborative deployment、VLA models、model-hardware co-aware segmentation、network-aware deployment adjustmentなどが挙げられる。

※ 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: Zihao Zheng, Hangyu Cao, Jiayu Chen, Sicheng Tian, Chenyue Li, Maoliang Li, Xinhao Sun, Guojie Luo, Xiang Chen

分類: cs.DC, cs.LG, cs.RO

原文アブストラクト

Vision-Language-Action (VLA) models are mainstream in embodied intelligence but face high inference costs. Edge-Cloud Collaborative (ECC) deployment offers an effective fix by easing edge-device computing pressure to meet real-time needs. However, existing ECC frameworks are suboptimal for VLA models due to two challenges: (1) Diverse model structures hinder optimal ECC segmentation point identification; (2) Even if the optimal split point is determined, changes in network bandwidth can cause performance drift. To address these issues, we propose a novel ECC deployment framework for various VLA models, termed RoboECC. Specifically, we propose a model-hardware co-aware segmentation strategy to help find the optimal segmentation point for various VLA models. Moreover, we propose a network-aware deployment adjustment approach to adapt to the network fluctuations for maintaining optimal performance. Experiments demonstrate that RoboECC achieves a speedup of up to 3.28x with only 2.55%~2.62% overhead.

  1. 1Boston Dynamics、車輪付きAtlasの研究試作機を紹介研究・技術
  2. 2newmo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
  3. 3GXO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
  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

OZ GAMING(GPU搭載BTOゲーミングPC)

OZ GAMING(GPU搭載BTOゲーミングPC)の公式広告バナーOZ GAMINGで完成品PCを見る ↗
PR本紙発行元 EmplifAI