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:2607.21670

視覚運動ポリシー学習のための順序付きアクショントークン

Ordered Action Tokens for Visuomotor Policy Learning

シェア:XThreadsFacebookLINEはてブBluesky

ロボットの連続的なアクションを離散トークンに変換する際、高圧縮・完全復号可能・順序性を満たす新しいトークナイザーOATを提案し、複数のベンチマークで有効性を示した。

詳しい要約

1. どんなもの?

本論文は、視覚運動ポリシー学習におけるアクションのトークン化手法である Ordered Action Tokenization (OAT) を提案する。OAT は、連続的なロボットのアクションチャンクを離散トークンに変換する学習型トークナイザであり、高圧縮性、完全復号可能性、順序付けられたトークン空間という3つの要件を満たす。トークンは粗い制御情報から残差の詳細へと順序付けられ、推論コストとアクション忠実度の間の anytime トレードオフを提供する。

2. 先行研究と比べてどこがすごい?

既存のアクショントークン化手法は、解析的な離散化手法(例:均一量子化)ではトークン系列が長くなりすぎ、学習型の潜在トークナイザ(例:VQ-VAE)では構造が欠如し、下流のポリシーとの互換性が制限される。OAT は、学習型でありながら、トークン空間に順序構造を導入し、高圧縮と完全復号可能性を両立する点で優れている。さらに、トークンのプレフィックスが常に有効なアクションチャンクを復号できるため、推論時に任意のトークン数で停止できる柔軟性を提供する。

3. 技術・手法の肝は?

OAT は、transformer with registers を用いてアクションチャンクをトークン系列にエンコードし、有限スカラー量子化 (FSQ) を適用する。順序を誘導する訓練メカニズムとして、各トークンプレフィックスが有効なアクションチャンクを復号できるように訓練する。これにより、初期トークンは粗い制御情報を、後続トークンは残差の詳細を表現する。エンコーダとデコーダは、トークン系列からアクションチャンクを再構成するように訓練される。

4. どうやって有効だと検証した?

OAT は、自己回帰ポリシーとトークン共訓練ポリシーの2つの主要な使用法で検証された。3つのポリシーバックボーン、5つのシミュレーションベンチマークと実世界設定を含む60以上のタスクで評価され、強力なポリシー性能を一貫して達成し、推論時の柔軟性(トークン数の削減)を提供することを示した。

5. 議論はある?

要旨からは、OAT 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、トークン化の順序構造がタスクによっては最適でない可能性や、学習型トークナイザの訓練コスト、実世界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?

要旨で参照されている関連手法として、解析的離散化手法(例:均一量子化)や学習型潜在トークナイザ(例:VQ-VAE)が挙げられる。また、アクショントークンを使用する自己回帰ポリシーや、トークン損失を用いたトークン共訓練ポリシー、フローベースのアクションエキスパートに関する研究が関連する。具体的な論文名は要旨にないため、これらの一般名を挙げる。

※ 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: Chaoqi Liu, Yue Zhao, Haonan Chen, Xiaoshen Han, Jiawei Gao, Ehsan Adeli, Yilun Du

分類: cs.RO, cs.AI, cs.LG

原文アブストラクト

Action tokenization maps continuous robot action chunks to discrete tokens and has become an important interface for modern visuomotor policies. Existing approaches either rely on analytical discretization methods that produce prohibitively long token sequences or learned latent tokenizers that lack structure, limiting their compatibility with downstream policies. In this work, we identify three desiderata for action tokenization - high compression, total decodability, and an ordered token space - and introduce Ordered Action Tokenization (OAT), a learned action tokenizer that satisfies all three. OAT discretizes action chunks into an ordered sequence of tokens using a transformer with registers, finite scalar quantization, and ordering-inducing training mechanisms. By training each token prefix to decode into a valid action chunk, OAT places coarse control information in early tokens and uses later tokens to refine residual detail, yielding an anytime tradeoff between inference cost and action fidelity. We validate OAT in two prevailing uses of action tokens: autoregressive policies that generate tokens for control, and token co-training policies that use token losses to shape the vision-language model context consumed by a flow-based action expert. Across three policy backbones and more than 60 tasks spanning five simulation benchmarks and real-world settings, OAT consistently delivers strong policy performance while offering significantly greater flexibility at inference time.

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