実時間ワールドアクションモデル：非同期デプロイによる滑らかな実行の実証研究

本論文は、World Action Modelsが固定長のaction chunkを反復的denoisingで生成する際の推論遅延が、ロボット実行中にポーズや古いアクション、不連続性を引き起こす問題に対し、推論と実行を重ねる非同期デプロイ戦略を実証的に研究したものである。10 Hzのバイマニピュレータロボット上で、同期実行、純粋な非同期切り替え、事後アクションブレンディング、denoising時ブレンディング、推論時速度ガイダンス、プレフィックス条件付き生成の6戦略を比較し、動的操作、精密配置、長期的タスクにおけるオフライン軌道解析とオンライン実験を行う。

先行研究ではWorld Action Modelsの推論遅延を無視するか、単純な同期実行を前提としていたが、本論文は非同期デプロイに焦点を当て、複数の戦略を体系的に比較する点が新しい。特に、観測・予測・実行コマンド間の時間的アライメントの重要性を明確にし、ブレンディングだけでは不連続性を修正できないことを示した点が貢献である。

手法の肝は、非同期実行のための6つのデプロイ戦略の設計と比較にある。具体的には、推論と実行をオーバーラップさせる方式（純粋非同期、ブレンディング、速度ガイダンス、プレフィックス条件付き生成）を実装し、時間的アライメントの正確さを評価する。プレフィックス条件付き生成は、トレーニング中に一貫したアクション継続を学習することで、実行時の不連続性を低減する。

有効性は、10 Hzのバイマニピュレータロボットを用いたオフライン軌道解析と、動的操作、精密配置、長期的タスクを含むオンライン実験により検証した。各戦略のタスク成功率、実行速度、軌道滑らかさを比較し、プレフィックス条件付き生成が最良のバランスを示した。

議論として、時間的アライメント誤差がチャンク境界の不連続性を引き起こし、ブレンディングだけでは修正できないことを指摘。直接アクション重み付けは滑らかだが精密タスクで精度を犠牲にし、推論時速度ガイダンスはプラットフォーム上で信頼性が低い。プレフィックス条件付き生成が最良だが、その適用範囲や限界については要旨からは不明。

要旨で参照されている関連手法として、World Action Models、action chunking、denoising-based generation、非同期実行に関する研究が挙げられる。具体的には、World Action Modelsの元論文や、action blending、velocity guidance、prefix-conditioned generationの関連研究を読むことが推奨される。