VLA-Rolling: meno passaggi di denoising, controllo migliore grazie al riutilizzo adattivo delle azioni

Abstract degli autori

I modelli visione-linguaggio-azione (VLA) basati sul flow matching generano un blocco di azioni rimuovendo iterativamente il rumore gaussiano, ma in genere eseguono solo una breve sequenza iniziale prima di ripianificare sulla base di osservazioni aggiornate. In questo approccio a orizzonte mobile, la parte rimanente non eseguita — la coda delle azioni — viene scartata e il blocco successivo viene generato da nuovo rumore. Mostriamo che questa coda conserva progressi nel denoising trasferibili: inizializzando il processo con la coda delle azioni si possono eguagliare o superare i risultati di una baseline gaussiana nativa a 10 passaggi, usando meno passaggi di denoising. Tuttavia, il numero ottimale di passaggi di denoising varia notevolmente da un campione all’altro, il che indica che il riutilizzo della coda dovrebbe adattarsi all’ambiente aggiornato. Su questa base presentiamo VLA-Rolling, un framework leggero per l’inferenza che riutilizza le code delle azioni in tre fasi: trasferimento della coda delle azioni precedenti, stima della confidenza per ciascuna azione e affinamento guidato dalla confidenza mediante la reintroduzione di rumore e l’assegnazione dei passaggi di denoising, mantenendo congelato il modello VLA sottostante. Nei test con $π_{0.5}$, SmolVLA, X-VLA e MolmoAct2 su LIBERO, MetaWorld, LIBERO-Plus e RoboTwin 2.0, VLA-Rolling riduce il costo di inferenza dei blocchi di azioni in tutte le 16 coppie modello-benchmark, ottenendo un’accelerazione fino a $1.48\times$, e migliora il tasso di successo in 14 coppie fino a $15.08$ punti percentuali. Questi risultati mostrano che le code delle azioni non sono soltanto previsioni scartate, ma stati intermedi riutilizzabili che consentono un’inferenza VLA più efficiente e accurata. Dimostrano inoltre che la coda delle azioni può contribuire a generare azioni migliori con meno passaggi di denoising. Il nostro progetto è disponibile all’indirizzo https://chenbao123ww.github.io/VLA-Rolling/.