Faster on-device inference for flow-matching vision-language-action models中級
PICES:再学習なしでVLAロボットモデルの推論を最大2.3倍高速化
ソウル大学の研究チームは、ロボット基盤モデルを再学習せずに組み込みチップ上で速く動かす手法をプレプリントで公開した。1回の呼び出しで少しずらした行動計画を複数つくり、計画が一致すれば多くの動作を実行する。エヌビディアのJetson OrinとThorで推論時間を最大2.3倍短縮し、実機のUR10eアームでは成功率が90.7%から93.5%に上がった。