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/操作arXiv:2606.14255

ReactVLA: 改良平均流アクション生成による高速・軽量なリアクティブロボット操作

ReactVLA: Fast and Lightweight Reactive Robot Manipulation via Improved Mean Flow Action Generation

シェア:XThreadsFacebookLINEはてブBluesky

拡散型VLAの推論遅延を改善するため、改良平均流アクション生成と注意残差機構を備えた軽量・低遅延なVLAフレームワークを提案し、シミュレーションと実機で性能と速度を向上させた。

詳しい要約

1. どんなもの?

- 拡散ベースのVision-Language-Action (VLA) ポリシーは反復サンプリングによる推論遅延が大きく、リアルタイムな閉ループロボット操作に適さない。 - 本論文はReactVLAを提案する。軽量・低遅延なVLAフレームワークで、リアルタイムロボット操作を目的とする。 - 2つの設計を組み合わせる:(1) improved Mean Flow (iMF) アクション生成器、(2) Attention Residuals (AttnRes)。 - iMFは多段拡散サンプリングを1〜数ステップのアクション生成に削減する。 - AttnResは動的な深さ方向特徴ルーティングで、均一な残差蓄積を置き換え、タスク関連のマルチモーダル表現を保持する。

2. 先行研究と比べてどこがすごい?

- 従来の拡散ベースVLAは反復サンプリングにより推論遅延が大きく、リアルタイム閉ループ操作に制限があった。 - ReactVLAはiMFにより多段拡散サンプリングを1〜数ステップに削減し、低遅延を実現する。 - AttnResにより均一な残差蓄積を置き換え、タスク関連のマルチモーダル表現をより良く保持する。 - 同規模のVLAベースライン(SmolVLA、π0)と比較して一貫して優れる。 - 高精度操作タスクで最大1.65倍のタスク性能向上、主要VLAモデルと比べ4倍以上の推論速度向上を達成。 - 実世界ポリシー遅延を38.6 ms未満に低減し、物理ロボットでの高速反応制御を可能にする。

3. 技術・手法の肝は?

- improved Mean Flow (iMF) アクション生成器:多段拡散サンプリングを1〜数ステップのアクション生成に削減する。 - Attention Residuals (AttnRes):動的な深さ方向特徴ルーティング機構。均一な残差蓄積を置き換え、タスク関連のマルチモーダル表現を保持する。 - これら2つを組み合わせ、軽量・低遅延なVLAフレームワークを構成する。 - 具体的なネットワーク構造や学習手順の詳細は要旨からは不明。

4. どうやって有効だと検証した?

- 大規模シミュレーションベンチマーク(LIBERO、RoboIMI)で評価。 - 実世界のロボット操作タスクでも評価。 - 同規模のVLAベースライン(SmolVLA、π0)と比較し、一貫して優れることを示す。 - 高精度操作タスクで最大1.65倍のタスク性能向上、主要VLAモデルと比べ4倍以上の推論速度向上を確認。 - 実世界ポリシー遅延を38.6 ms未満に低減し、物理ロボットでの高速反応制御を実現。

5. 議論はある?

- 要旨からは、限界や議論の詳細は不明。 - 提案手法の有効性と速度向上が強調されているが、失敗事例や制約条件についての言及はない。 - 今後の課題や倫理的影響についても要旨からは不明。

6. 次に読むべき論文は?

- SmolVLA - π0 - 拡散ベースVLAポリシー(Diffusion-based Vision-Language-Action policies) - Mean Flow - LIBERO - RoboIMI

※ 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: Yanzhao Guo, Wenkai Chen, Jianwei Zhang

分類: cs.RO

原文アブストラクト

Diffusion-based Vision-Language-Action (VLA) policies have demonstrated strong capability in modeling expressive and multimodal action distributions. However, their reliance on iterative sampling introduces substantial inference latency, which limits their applicability to reactive closed-loop robot manipulation. To address this limitation, we propose \texttt{ReactVLA}, a lightweight and low-latency VLA framework for real-time robotic manipulation. \texttt{ReactVLA} combines two complementary designs: (1) an improved Mean Flow (iMF) action generator that reduces expensive multi-step diffusion sampling to one-to-few-step action generation, and (2) Attention Residuals (AttnRes), a dynamic depth-wise feature routing mechanism that replaces uniform residual accumulation to better preserve task-relevant multimodal representations. We evaluate \texttt{ReactVLA} on large-scale simulation benchmarks, including LIBERO and RoboIMI, as well as real-world robotic manipulation tasks. Experimental results show that \texttt{ReactVLA} consistently outperforms similarly sized VLA baselines, including SmolVLA and $\pi_0$. On challenging precision manipulation tasks, \texttt{ReactVLA} achieves up to a 1.65$\times$ improvement in task performance while providing more than a 4$\times$ increase in inference speed compared with leading VLA models. Finally, it reduces real-world policy latency to below 38.6 ms, enabling fast reactive control on physical robot platforms. Please check out our project website at: https://game-loader.github.io/ReactVLA/.

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. 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

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