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:2607.04609

SEAM: 視覚言語行動ポリシーにおけるアクションチャンク動作の滑らかな実行

SEAM: Smooth Execution of Action-Chunked Motion for Vision-Language-Action Policies

シェア:XThreadsFacebookLINEはてブBluesky

アクションチャンク方式のVLAポリシーで生じるチャンク境界の不連続を、学習不要の推論時補正で滑らかにする手法を提案した。

詳しい要約

1. どんなもの?

SEAMは、Vision-Language-Action (VLA)ポリシーが固定長のaction chunkを実行する際に生じる、チャンク境界での不連続性(multimodal bifurcation)を解決するための、トレーニング不要の推論時手法である。SEAMはflow matching VLAに適用され、実行済みプレフィックスを消費した後、前のチャンクの未実行テールを解析的な整合性参照として利用する。コア機構であるVelocity-guided Loss Steering (VLS)は、このテールから時間依存のターゲットを導出し、各Eulerステップ後に閉形式の補正を適用する。これにより、ポリシーネットワークへのバックプロパゲーションや再トレーニングを必要とせず、チャンク間の遷移を滑らかにする。

2. 先行研究と比べてどこがすごい?

既存の手法は、各denoisingステップでのポリシーへのバックプロパゲーション、rejection sampling、または再トレーニングを必要とし、計算コストやタスク信頼性を犠牲にしていた。SEAMはこれらを一切必要とせず、トレーニング不要の推論時手法であり、閉形式の補正を用いることで計算コストを低く抑える。さらに、SEAMはタスク成功率をベースラインと同等に維持しながら、境界のjerkとチャンク遷移の不連続性を大幅に削減する点で優れている。

3. 技術・手法の肝は?

SEAMの核心は、同期実行の洞察に基づく。ロボットが実行済みプレフィックスを消費した後、前のチャンクの未実行テールが解析的な整合性参照として利用可能になる。VLSはこのテールから時間依存のターゲットを導出し、各Eulerステップ後に閉形式の補正を適用する。この補正はポリシーネットワークへのバックプロパゲーションを伴わないため、計算効率が高い。

4. どうやって有効だと検証した?

LIBERO-10ベンチマークとpi_0.5モデルを用いて検証された。SEAMは境界のjerkを28%削減し、チャンク遷移の不連続性を27%削減した。タスク成功率はベースラインレベルを維持し、denoisingループのコストは非ガイドのベースラインとほぼ同等であった。

5. 議論はある?

要旨からは、SEAMの限界や潜在的な欠点についての議論は不明である。ただし、SEAMはflow matching VLAに特化しており、他のタイプのVLAポリシー(拡散ベースなど)への適用可能性は要旨からは不明である。また、LIBERO-10とpi_0.5でのみ検証されており、他のベンチマークやモデルでの汎用性は不明である。

6. 次に読むべき論文は?

要旨で参照されている関連研究は、既存の手法(バックプロパゲーションを用いる手法、rejection sampling、再トレーニングを必要とする手法)や、flow matching VLA、pi_0.5、LIBERO-10などである。次に読むべき論文としては、これらの既存手法の詳細や、VLAポリシーにおけるaction chunkingの基礎を扱った論文が挙げられる。具体的には、flow matchingに関する論文や、pi_0.5の元論文、LIBEROベンチマークの論文が関連する。

※ 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: Dijia Zhan, Xuemiao Xu, Jinyi Li, Jie Tang

分類: cs.RO

原文アブストラクト

Vision-Language-Action (VLA) policies that execute fixed-length action chunks can exhibit multimodal bifurcation: a cross-chunk inconsistency in which adjacent chunks generated from independent Gaussian latents can converge to incompatible trajectory modes, producing abrupt discontinuities at chunk boundaries. Existing remedies either require backpropagation through the policy at each denoising step, rely on rejection sampling, or require retraining, each trading computational cost or task reliability for smoother transitions. We propose SEAM (Smooth Execution of Action-Chunked Motion), a training-free inference-time method for flow matching VLAs. SEAM exploits a simple synchronous-execution insight: after the robot consumes the executed prefix, the previous chunk's unexecuted tail is already available as an analytic consistency reference. Its core mechanism, Velocity-guided Loss Steering (VLS), derives a time-dependent target from this tail and applies a closed-form correction after each Euler step without backpropagating through the policy network. On LIBERO-10 with pi_0.5, SEAM reduces boundary jerk by 28%, reduces chunk transition discontinuity by 27%, preserves baseline-level task success, and keeps denoising-loop cost near the unguided baseline.

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

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