VLA-Rolling : réutilisation adaptative des actions pour des modèles VLA plus efficaces
En bref
- Les modèles VLA génèrent des actions par dé-bruitage progressif, mais ne conservent qu'un préfixe exécuté.
- VLA-Rolling réutilise les queues d'actions inutilisées comme état intermédiaire pour réduire les étapes de calcul.
- Résultats : jusqu'à 1,48x plus rapide et +15,08 points de réussite sur 16 configurations testées.
Des modèles vision-language-action (VLA) basés sur le flow-matching génèrent des séquences d'actions en affinant progressivement un bruit gaussien. Selon l'annonce, ces modèles ne conservent généralement que le début de chaque séquence, rejetant le reste comme inutilisé. Les chercheurs montrent que cette partie rejetée, appelée « queue d'action », conserve une progression de dé-bruitage exploitable.
VLA-Rolling, un cadre d'inférence léger, réutilise ces queues d'action en trois étapes : héritage, estimation de confiance par action et raffinement guidé par la confiance. Testé sur quatre modèles et quatre benchmarks, il réduit les coûts d'inférence dans tous les cas (jusqu'à 1,48 fois plus rapide) et améliore le taux de réussite dans 14 des 16 configurations (jusqu'à +15,08 points).
Ce que ça change pour vous
- Industrie & ManufacturingLes usines utilisant des robots basés sur des modèles VLA pourraient réduire leurs coûts de calcul et améliorer la précision des tâches robotisées.
Ce résumé vous donne l'essentiel. L'article complet, ses chiffres et ses citations sont chez Hugging Face Daily Papers.
Lire l'article originalRésumé généré par IA à partir de la source, relu par règles. Comment nous rédigeons · Signaler une erreur