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:2610.03797

WAMJET: ワールドアクションモデル高速化のためのエージェントハーネス

WAMJET: A Harness for World Action Model Acceleration

シェア:XThreadsFacebookLINEはてブBluesky

コーディングエージェントに最適化ガイドと計測・検証ツールを与え、ロボット操作向けワールドアクションモデルの推論を最大9.95倍高速化するフレームワークを提案。

詳しい要約

1. どんなもの?

- World Action Models (WAMs) の推論を高速化する agentic harness である WAMJET を提案。 - coding agents に再利用可能な最適化ガイダンスと計測・検証ツールを提供。 - ボトルネック駆動のワークフローで推論をプロファイルし、対象コードを修正、効果を検証、反復的に加速スタックを洗練。 - action quality を保持しながら WAM 推論を加速することを目的とする。

2. 先行研究と比べてどこがすごい?

- 既存の加速技術は多数あるが、モデルとハードウェアごとに選択・組み合わせに多大なエンジニアリングを要する。 - WAMJET はそのボトルネックを解消し、coding agents を用いて加速スタックを自動生成。 - 6つの WAM、3つの coding agents、2つの GPU アーキテクチャにわたり、上流実装比で最大 9.95x の lossless speedup を達成。 - 近似とハードウェア認識最適化により追加の遅延削減も実現し、成功率は同等。

3. 技術・手法の肝は?

- coding agents に再利用可能な最適化ガイダンスと計測・検証ツールを装備。 - ボトルネック駆動ワークフロー:推論をプロファイル→対象コードを修正→効果を検証→ボトルネックの変化に応じて反復的に加速スタックを洗練。 - action quality を保持することを制約として最適化を進める。 - 近似およびハードウェア認識最適化も組み合わせる。

4. どうやって有効だと検証した?

- 6つの WAM、3つの coding agents、2つの GPU アーキテクチャで実験。 - 上流実装比で最大 9.95x の lossless speedup を達成。 - 近似とハードウェア認識最適化により追加の遅延削減を確認。 - 成功率が同等であることを確認。

5. 議論はある?

- 要旨からは不明。 - ただし、WAMJET が WAM 展開に有効な加速スタックを生成できることを示唆。

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。 - 同分野の定番として、World Action Models (WAMs)、video foundation models、robot manipulation に関する研究が挙げられる。

※ 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: Le Chen, Lixin Liu, Jan Schneider, Zeju Qiu, Simon Guist, Bernhard Schölkopf, Dieter Büchler

分類: cs.CV, cs.AI, cs.RO

原文アブストラクト

World Action Models (WAMs) leverage pretrained video foundation models for robot manipulation, but their large backbones and video-action co-prediction are expensive. Although existing acceleration techniques offer many ways to reduce this cost, selecting and composing them requires substantial engineering for each model and hardware platform. To tackle this bottleneck, we present WAMJET, an agentic harness that accelerates WAM inference by equipping coding agents with reusable optimization guidance and measurement and validation tools. WAMJET follows a bottleneck-driven workflow where the agent profiles inference, modifies targeted code, validates effects, and iteratively refines the acceleration stack as bottlenecks shift, while preserving action quality. Experiments span six WAMs, three coding agents, and two GPU architectures. WAMJET achieves up to 9.95x lossless speedup over upstream implementations. Approximation and hardware-aware optimization yield additional latency reductions, with comparable success rates. The results show that WAMJET can produce effective acceleration stacks for WAM deployment.

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