VLA ギャラリー / モデル一覧 / VA

Dense Policy

Shanghai Jiao Tong University; Xidian University; Shanghai Innovation Institute · 2025-03

VAVA絶対値は非公開回帰

エンコーダのみのTransformerで行動列を双方向に密に拡張し、対数時間で生成する。

論文

Dense Policy: Bidirectional Autoregressive Learning of ActionsarXiv 2503.13217

概要

分類

VA

タイプ

VA

発表

2025-03

機関

Shanghai Jiao Tong University; Xidian University; Shanghai Innovation Institute

重み公開

なし

パラメータ

絶対値は非公開; DP比+9.19M、ACTの半分未満

構造

バックボーンLLM

なし

ビジョンエンコーダ

ResNet18または3Dスパース畳み込み

アクションヘッド

双方向の階層拡張 (連続L2) (回帰)

チャンク

非公開

制御周期

非公開

構造の原文要約

2D ResNet18(GroupNorm)または3Dスパース畳み込みエンコーダ + 4層BERTエンコーダのみの構造; 単一フレームから行動列を粗いものから双方向に展開する対数時間推論、連続行動L2損失

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: GPU・バッチ・時間は非公開; 1000 エポック(比較対象のACTは2000)

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

Adroit・MetaWorldは課題あたり10デモ、DexArt 100; 実機は課題あたり50デモ

主要データセット

Adroit; DexArt; MetaWorld; 自社Flexivデータ

タスク・評価

シミュレーション Adroit, DexArt, MetaWorld; 実機 Put Bread into Pot, Open Drawer, Pour Balls, Flower Arrangement

ロボット

Flexiv Rizon + Robotiq 2F-85

推論

推論デバイス・速度

ACTと同程度の速度、DP比で約10倍; 実験は i9-10980XE + RTX 2080 Ti

推論メモリ

非公開

重み bf16(計算)

非公開

実行場所

ローカルPC

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 · ベース制御なし (Flexiv腕)

備考

主な特徴

エンコーダのみのTransformerで行動列を双方向に密に拡張し、対数時間で生成する。DPよりパラメータが9.19M多いが、推論は約10倍速い。

備考

パラメータの絶対値は本文になく、図9が行動ヘッドのパラメータを比較。

検証

確認