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/量子化arXiv:2604.11572

ドリフト対応ポストトレーニング量子化による効率的な視覚言語行動モデル

DA-PTQ: Drift-Aware Post-Training Quantization for Efficient Vision-Language-Action Models

シェア:XThreadsFacebookLINEはてブBluesky

視覚言語行動モデル(VLA)の量子化時に生じる時間的誤差蓄積による動作ドリフトを解決するため、ドリフト対応PTQ(DA-PTQ)を提案。クロススペース表現補償と動作駆動混合精度割り当てにより、低ビットでも高精度な制御を実現。

詳しい要約

1. どんなもの?

- Vision-Language-Action models (VLAs) の効率的な展開を目的とした Post-Training Quantization (PTQ) 手法である DA-PTQ を提案。 - VLAs は embodied AI に有望だが、メモリと計算要求が高く、リソース制限のあるロボットへの展開が困難。 - 既存の PTQ を直接適用すると、逐次制御中に性能が大幅に低下する問題を特定。 - 時間的誤差蓄積が主要因で、vision-language-to-action インターフェースでの量子化摂動が増幅され、実行軌跡に kinematic drift が生じる。 - DA-PTQ は量子化を逐次決定プロセス上の drift-aware 最適化問題として定式化。

2. 先行研究と比べてどこがすごい?

- 従来の PTQ 手法を VLAs に直接適用すると、逐次制御中に性能が著しく劣化することを明らかにした。 - 時間的誤差蓄積と kinematic drift という新たな問題を特定し、それに対処する初の drift-aware PTQ を提案。 - 低ビット設定でも full-precision モデルに匹敵する性能を達成し、リソース制限のあるロボットプラットフォームでの実用的展開を可能にする点が優れている。

3. 技術・手法の肝は?

- 量子化を逐次決定プロセス上の drift-aware 最適化問題として定式化。 - 2つのコンポーネントから構成: - Cross-Space Representation Compensation:マルチモーダル表現と行動空間間の構造的歪みを緩和し、行動の一貫性を向上。 - Motion-Driven Mixed-Precision Allocation:軌道レベルの運動誤差を最小化するようにビット幅を割り当て。

4. どうやって有効だと検証した?

- 広範な実験を実施し、DA-PTQ が kinematic drift を大幅に低減することを示した。 - 低ビット設定下で full-precision モデルと同等の性能を達成することを確認。 - リソース制限のあるロボットプラットフォームでの実用的展開が可能であることを実証。

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示されていない。関連手法として Post-Training Quantization (PTQ) や Vision-Language-Action models (VLAs) の研究が挙げられる。

※ 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: Siyuan Xu, Tianshi Wang, Fengling Li, Lei Zhu, Heng Tao Shen

分類: cs.RO, cs.MM

原文アブストラクト

Vision-Language-Action models (VLAs) have demonstrated strong potential for embodied AI, yet their deployment on resource-limited robots remains challenging due to high memory and computational demands. While Post-Training Quantization (PTQ) provides an efficient solution, directly applying PTQ to VLAs often results in severe performance degradation during sequential control. We identify temporal error accumulation as a key factor, where quantization perturbations at the vision-language-to-action interface are progressively amplified, leading to kinematic drift in executed trajectories. To address this issue, we propose Drift-Aware Post-Training Quantization (DA-PTQ), which formulates quantization as a drift-aware optimization problem over sequential decision processes. DA-PTQ consists of two components: (1) Cross-Space Representation Compensation, which mitigates structured distortions between multimodal representations and action space to improve action consistency, and (2) Motion-Driven Mixed-Precision Allocation, which assigns bit-widths by minimizing trajectory-level motion errors. Extensive experiments show that DA-PTQ significantly reduces kinematic drift and achieves comparable performance to full-precision models under low-bit settings, enabling practical deployment of VLAs on resource-limited robotic platforms.

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

FRONTIER(GPU搭載BTOパソコン)

FRONTIER(GPU搭載BTOパソコン)の公式広告バナーFRONTIERでGPU搭載PCを見る ↗
PR本紙発行元 EmplifAI