VLA ギャラリー / モデル一覧 / VA

Chain-of-Action

ByteDance Seed; University of Adelaide; NUS; CAS; CSIRO · 2025-06

VAVA非公開回帰

目標キーフレームから現時点まで軌跡を逆向きに生成し、大域目標を行動に反映する。

論文

Chain-of-Action: Trajectory Autoregressive Modeling for Robotic ManipulationarXiv 2506.09990

概要

分類

VA

タイプ

VA

発表

2025-06

機関

ByteDance Seed; University of Adelaide; NUS; CAS; CSIRO

重み公開

未確認

パラメータ

非公開

構造

バックボーンLLM

なし

ビジョンエンコーダ

ResNet-18 (多視点)

アクションヘッド

キーフレームから逆順の自己回帰連続行動 (回帰)

チャンク

非公開

制御周期

非公開

構造の原文要約

多視点ResNet-18 + Transformerエンコーダ4層・デコーダ7層; キーフレーム行動から始まる逆順の自己回帰軌跡生成、連続行動トークン・潜在一貫性損失、学習時のマルチトークン予測ヘッド、動的停止

学習

事前学習アクセラレータ

該当なし

事前学習期間

該当なし

事前学習ステップ・バッチ

該当なし

GPU・TPU時間

非公開

ファインチューニング

タスク別: H100 1枚、20,000 反復、バッチ 128(READMEのデフォルト値と同じ); 時間は非公開

データ種類

シミュレーション・合成; 実ロボットのテレオペレーション

データ規模

RLBenchタスクあたり100デモ; 実機タスクあたり35–81デモ

主要データセット

RLBench; 独自Fetchデータ

タスク・評価

RLBench 60タスク中心; Fetch実機キッチン8タスク

ロボット

Fetch(実機); RLBenchシミュレーション

推論

推論デバイス・速度

非公開

推論メモリ

非公開

重み bf16(計算)

非公開

実行場所

非公開

強化学習・ベース

強化学習

不使用 · 模倣学習(行動クローニング)のみ使用

ベース制御

固定 · ベース移動はFetch内蔵LiDARナビゲーション(別スタック); 方策はEE絶対姿勢のみ

備考

主な特徴

目標キーフレームから現時点まで軌跡を逆向きに生成し、大域目標を行動に反映する。タスクあたりH100 1枚で学習する。

備考

ACT・DP比の向上を報告したが、ノートに数値なし。

検証

確認