VLA ギャラリー / モデル一覧 / πシリーズ

Real-Time Chunking (추론시 RTC)

Physical Intelligence, UC Berkeley · 2025-06

기타πシリーズ該当なしflow matching

再学習なしでdiffusion・flow VLAに適用する推論手法で、次のチャンクを実行中のアクションに合わせてinpaintingし、推論遅延中も途切れなく実行する。

論文

Real-Time Execution of Action Chunking Flow PoliciesarXiv 2506.07339

概要

分類

πシリーズ

タイプ

기타

発表

2025-06

機関

Physical Intelligence, UC Berkeley

重み公開

なし

パラメータ

該当なし(π0.5を使用)

構造

バックボーンLLM

Gemma 2B (π0.5に適用)

ビジョンエンコーダ

SigLIP 400M (π0.5)

アクションヘッド

π0.5 flowエキスパート + inpaintingチャンク生成 (再学習なし) (flow matching)

チャンク

50ステップ

制御周期

50 Hz

構造の原文要約

π0.5(H=50、Δt=20 ms)に適用; 次のチャンクを確定済みアクションに条件付けたinpaintingで生成(再学習なし)

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

VLAの再学習なし。Kinetixシミュレーション方策(4層MLP-Mixer、32エポック)は環境あたりH100×2で約1.5 h、実験全体でH100 8枚以下

データ種類

該当なし

データ規模

該当なし

主要データセット

該当なし

タスク・評価

双腕6タスク(ろうそく点火、イーサネット差し込み、ベッドメイク(モバイル)、シャツたたみ、バッチたたみ、皿洗い(モバイル))、タスク・手法あたり10回、計480エピソード・28 h; Kinetix 12の動的タスク

ロボット

双腕・モバイル双腕マニピュレーター(π0.5の実機プラットフォーム)

推論

推論デバイス・速度

RTX 4090、bf16、denoising 5ステップ: ベースライン76 ms vs RTC 97 ms; π0 KVキャッシュprefill 46 ms

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 · 推論手法(再学習なし)

ベース制御

車輪型 (形式の記載なし) · π0.5のモバイル双腕タスク2種(Make bed・Dishes in sink)にRTCを適用; ベース速度を含むかは論文に記載なし(π0.5基準)

備考

主な特徴

再学習なしでdiffusion・flow VLAに適用する推論手法で、次のチャンクを実行中のアクションに合わせてinpaintingし、推論遅延中も途切れなく実行する。双腕6タスク480エピソード、ロボット実行28時間で評価した。

備考

学習を変えない推論手法のため、重み・データ項目は該当なし。学習時RTC(2025-12)は別行。

検証

修正反映