Lu xew
Benn këyit buñu jox arXiv ci 29 ut te ñu nangu ko ci IROS 2026 dafay wane AdaVLA, muy anam wu amul tàggat ngir gaawlu gis-gis-làkk-jëf ci diiru inference. Auteur yi dañu xoole ci saafara equation différentiel ordinaire bu ñuy jëfandikoo ci model yuy méngoo, ak itam njëgu xayma bu perceptron yu bari yi.
AdaVLA dañu ko jagleel xeetu gis-gis-làkk-jëf, lu boole ay dugal yu ñuy gis, xam-xam bu jëm ci làkk ak xalaat ak ay génne yuy tegtal jëfi robot. Këyit dafa wax ni sistem yooyu mën nañu gëna suqali kàttanu robo yi waaye fàww ñu def ay xayma yu bari, di tënk tontu ci jamono dëgg ak dugal ko ci ay aparey yu yam. Auteur yi dañu bàyyi seen xel ci model yu lalu ci flow-matching, maanaam ñu baamtu saafara benn equation différentiel bu amul benn werante. Dañu jàpp ni liggéey yu bari yi am ci wàllu gaawaay dañu sëgg ci xeetu làkku gis-gis bi, moo gën liggéey biy baamtu ci defar jëf. Ci kontu bii, wàññi liggéey bi ci defar jëf lu am solo la ngir defar sistem yi ñu gëna méngoo ak jëfandikoo gi tënk.
Xeetu xam-xam bi dafay dox ci net bi ci diiru inference te soxlawul wala jëfandikoo dataset tàggat yaram bu njëkk bi. Dafay jëfandikoo benn metrik bu juge ci courbure bu trajectoire bi méngoo ak debit bi ngir xayma wóolu jëf jiñ defar. Sunu sukkandikoo ci këyit bi, xayma boobu dafay may AdaVLA mu wàññi limu jéego yi ci anam wu dinaamik. Kadar bi itam dafay soppi ratios dagg perceptron multilayer ci anam wu méngoo ak jàngat bu am solo bi bindkat yi wax ni dafa baax te amul benn done buñ tàggat. Kon anam wi dafa boole benn dogal bu méngoo ak wàññiku bu méngoo ak liggéeyu model bi ci biir, buñu sukkandikoo ci tegtali këyit bi.
Ci benchmark LIBERO, dawal ci benn aparey NVIDIA Jetson AGX Orin, bindkat yi dañu wax ni 1.87-yoon gaawaay ci model π0.5 ak 2.24-yoon gaawaay ci X-VLA, ak li ñuy wax ni degradation bu tuuti ci. Këyit dafa wax itam ni dañu natt anam wi ñuy jëfandikoo SmolVLA ngir xam ndax amna doole ci liggéey yu robot yi ci àdduna dëgg. Source bi leeralul njariñu liggéey bi, waxtu baseline bi, valeur yu baax yi, ratios dagg yi wala energie bi hardware bi di jëfandikoo. Yooyu ñàkka bàyyi rapoor titre comparaison am njariñ ci resumé këyit, waaye yam ci fundamaa ngir àtte profil deployment bi yépp.
Ay leeral ci cosaan: arxiv.org ↗
Lu tax mu am solo
Sudee liñu xamle ci resultaa yi weesuna jekkal yiñ natt, AdaVLA mën na def yenn sistemu vision-language-action yu gëna am njariñ ci robot yu am ordinatër yu néew ci biir. Niñu ko defaree te du am benn tàggat mën na jàppale mbootaay yi mënu ñu am done yu jëm ci tàggat wala ñu mëna am beneen cycle de .
Jafe-jafe bi am solo la ci IA biñ defar ndax robot bi dafa wara tekki coppite yi ci anam yi ñuy gisee ci jëf ci lu gaaw, ci noonu muy doxalee ci biir àppu hardware bi ci biir. Benn anam buy wàññi liggéeyu inference ci runtime mën na yokk tontu te soxlawul tàggat yaram bu bees. Loolu dafay am solo rawatina sudee model bi mooy moomeel, sudee done yiñ tàggat mënu ñu séddoo ndax sababi nëbbëtu, wala sudee ekipu dugal bi dafa soxla gëna baaxal sistem bi fi nekk moo gën tabax beneen. Këyit dafay wane boole bi ñuy sakkanal waxtu liggéey bi ak amul beneen tàggat buñ laaj, muy li gëna am solo ci jëfandikoo gi.
Xeetu xam-xam bi AdaVLA wax dafay wax ci ñaari balluwaay yu wuute ci xayma: jéego yu baamtu yu méngoo ak liggéeyu perceptron multilayer. Siñaale wóolu bi dafay may sistem bi mu gëna jëfandikoo xayma sudee trajectoire jëf bi dafa melni lu wóorul, ba noppi di wàññi sudee dafa melni stabil. Ci yoon sax, xeetu xaaj bu méngoo bi mën na joxe kompromis bu gëna am njariñ moo gëna jëfandikoo benn wàññi bu takku fépp, doonte balluwaay bi joxewul benn firnde bu moom boppam ci mekaniism boobu. Kon njariñu jëmmal mingi aju ci ndax ñaari seytu yiy méngoo dañuy dox ci anam wu méngoo ci xeetu liggéey yiñ natt.
Resultaa yiñ siiwal dañu am solo ndax dañu leen jëlee ci benn aparey bu jublu ci catu boor bi, te duñu leen joxe ci environmaa bu mag bu am data-centre. Këyit dafa wax itam ni anam wi dafay denc njuréefi njuréef yi ci di gaawaale ñaari xeetu robo yu wuute, ba noppi wax ni dañu ko jàngat ci liggéeyi robot ci àdduna dëgg ak ñatteelu xeetu liggéey. Waaye, loolu dafa bawoo ci benn téere gëstu; source bi taxul ñu mëna defar ay produit, wóor gu yaatu, kaaraange ci environmaa yi, wala gëna mag ci wàll wi gëna yaatu ci IA robotic. Resultaa yi dañuy wane yoon wiñ xamle ci optimisation inference, du conclusion bu dëgër ci valeur bu gëna yaatu ci xarala yi.
Mekanism buy weccoo xalaat: naka lay doxee
Saytu xarala yu bees yi ci ginaaw yokkute bii ci anam wu weccoo xalaat.
Which component of an AI application is the machine-learning model itself?
Li nga wara seetaan ci topp
Laaj yi gëna am solo ñooy ndax gaawaay yi dañuy gëna bari ci model yi, liggéey yi, configurations hardware yi ak environmaa yi, ak ban coppite ci njub ci anam yu jafe wala yu gaaw yuy soppiku. Source bi joxeewul ay leeral ci njariñu liggéey bu nekk, lim yu latency, natt doole wala coppite yi ci tolluwaayu jaar yoon.
Beneen jàngat bi dafa wara wane liggéey LIBERO bu mat sëkk, baseline bu dëggu ak latency yu gaaw, wuute ci tolluwaayu ndam, limu jéem ak wuute ci daw yi. Dina am solo itam ñu xam ñaata yoon la AdaVLA di soppi budget inference bi wala ratio pruning, ndax metric confiance bi dafay lajj ci seen yu wuute, ak ndax gaawaay yiñ xamle dañuy boole bépp runtime overhead bu contrôleur adaptif bi dugal. Natt yooyu dina ñu leeral ni resultaa agrégat yi di jogee ak ndax anam wi ñuy jaar ngir mëna ànd ci boppam dafay soppi njariñ li ci nekk.
Source bi dafay bàyyi ubbeeku ci ni anam wi di doxee su robot bi daje ak coppite yu gaaw ci environmaa bi, tegtal yu jaxasoo, mbir yuñ xamul wala jëf yu am solo ci wàllu kaaraange. Wàññi jéego yi ci inference wala dagg composant reso bi mën na am njeexital yu wuute ci liggéey yi doonte tolluwaayu ndam li daanaka du soppeeku. Wax ji bindkat yi wax ni dëgg-dëgg dañu ko gëmoon ak SmolVLA dina gëna am solo ci ay leeral ci hardware, environmaa yi, lim liggéey, anam yu ñàkka mëna ak méngale. Su detay yooyu amul, waxtaanu robustness bi mënul wane ni njuréef bi di toppatoo bariwaayu anam yi jëm ci liggéeyum physique.
Nanngug këyit bi ci IROS 2026 dafay màndargaal siiwal konferaas biy ñëw, waaye mënul saafara jafe-jafe yi des. Jàngatkat yi war nañu xool këyit bu mat sëkk, amal giñ siiwal wala jàngat yi ci topp ci yeneen sistem VLA yu méngoo ak jumtukaay yiñ samp. Tegtale ak yeneen xeeti inference-acceleration, natt jëfandikoo energie ak àppu tàngoor, ak saytu ci suufu kaaraange physique mooy wane ndax pexem bi amna solo bu weesu benchmark yiñ xamle. Materialu toppu bu mel nii dina tax itam ñu gëna yombal waxtaanu këyit bi ci model yi, environmaa yi ak anam yi ñuy jëfandikoo.