Pada si Iroyin
AtunseAI Understanding finifini

Ọna ti ko ni ikẹkọ ṣe iyara awọn awoṣe iṣe-ede-iriran lori ohun elo eti, awọn ijabọ iwe

AdaVLA jẹ ọna ori ayelujara ti awọn onkọwe sọ pe o yara si awọn awoṣe iṣe-iriran ti o baamu laisi ikẹkọ tabi iraye si data ikẹkọ. Lori Orin Jetson AGX kan, wọn ṣe ijabọ awọn iyara iyara ti 1.87 × fun π0.5 ati 2.24 × fun X-VLA pẹlu ibajẹ oṣuwọn aṣeyọri aifiyesi.

5 min readRead the primary source
Source-provided image accompanying Training-free method speeds up vision-language-action models on edge hardware, paper reports
Iwe aṣẹ orisun akọkọOrisun ti o gbasilẹ
Olutẹwe
arxiv.org
Orisun ọna asopọ
arxiv.orghttps://arxiv.org/abs/2608.29208
Orisun iru
Iwe akọkọ - ikede osise, iwe, iforukọsilẹ, tabi oju-iwe ẹgbẹ akọkọ ti a ka taara.
AtokọLoye eyi ni iṣẹju 60

Bẹrẹ nibi

Awọn ofin bọtini

Awoṣe Ede Iranran (VLM)
Awoṣe multimodal kan ti o nṣiṣẹ ni apapọ ni wiwo ati alaye ọrọ.
Itanran-tuning
Ilọsiwaju ikẹkọ lori data-ašẹ kan pato lati ṣe atunṣe awoṣe ti a ti kọ tẹlẹ si iṣẹ-ṣiṣe kan pato.
Agbara
Agbara awoṣe lati ṣetọju iṣẹ ṣiṣe labẹ ariwo, awọn iyipada, tabi awọn igbewọle ọta.
Ṣe idanwo fun ara rẹAwọn awoṣe AI ti ṣalaye adanwo

Kini o ṣẹlẹ

Iwe kan ti a fi silẹ si arXiv ni Oṣu Kẹjọ Ọjọ 29 ati gba si IROS 2026 ṣafihan AdaVLA, ọna ti ko ni ikẹkọ fun isare awọn awoṣe iṣe-ede-iriran lakoko itọkasi. Awọn onkọwe ṣe ifọkansi ipinnu idogba iyatọ lasan aṣetunṣe ti a lo nipasẹ awọn awoṣe ti o baamu, bakanna bi idiyele iṣiro ti awọn perceptrons multilayer.

AdaVLA jẹ apẹrẹ fun awọn awoṣe iṣe-ede-iriran, eyiti o ṣajọpọ igbewọle wiwo, imọ ti o ni ibatan ede ati ironu pẹlu awọn abajade ti o ṣe itọsọna awọn iṣe robot. Iwe naa sọ pe awọn ọna ṣiṣe wọnyi le mu awọn agbara roboti pọ si ṣugbọn nilo iṣiro idaran, diwọn awọn idahun akoko gidi ati imuṣiṣẹ lori awọn ẹrọ eti. Awọn onkọwe dojukọ awọn awoṣe ti o da lori ṣiṣan-sisan, eyiti itọkasi rẹ pẹlu leralera yanju idogba iyatọ lasan. Wọn jiyan pe pupọ iṣẹ isare ti o wa tẹlẹ ṣojumọ lori awoṣe ede-iriran ti o wa ni abẹlẹ kuku ju ilana iṣe aṣetunṣe yii. Ninu akọọlẹ yii, idinku iṣẹ ti o kan ninu iran iṣe jẹ aringbungbun si ṣiṣe awọn eto diẹ sii dara fun imuṣiṣẹ ti o ni ihamọ.

Ọna naa n ṣiṣẹ lori ayelujara lakoko itọka ati pe ko nilo iṣatunṣe itanran tabi iraye si ipilẹ data ikẹkọ atilẹba. O nlo metiriki kan ti o jade lati iṣipopada ti itọpa ti o baamu-sisan lati ṣe iṣiro igbẹkẹle ninu iṣe ti ipilẹṣẹ. Gẹgẹbi iwe naa, iṣiro yẹn gba AdaVLA laaye lati dinku nọmba awọn igbesẹ ifọkasi ni agbara. Ilana naa tun yipada ni ibamu pẹlu awọn iwọn pruning multilayer-perceptron nipa lilo igbelewọn pataki ti awọn onkọwe ṣe apejuwe bi daradara ati data ikẹkọ-ọfẹ. Ọna naa nitorina daapọ ipinnu ifarabalẹ adaṣe pẹlu idinku adaṣe ti iṣẹ awoṣe inu, ni ibamu si apejuwe iwe naa.

Lori ipilẹ ala LIBERO, ṣiṣẹ lori ẹrọ NVIDIA Jetson AGX Orin, awọn onkọwe ṣe ijabọ iyara-akoko 1.87 fun awoṣe π0.5 ati iyara akoko 2.24 fun X-VLA, pẹlu ohun ti wọn ṣe apejuwe bi ibajẹ aifiyesi ni awọn oṣuwọn aṣeyọri. Iwe naa tun sọ pe ọna naa ni idanwo fun agbara lori awọn iṣẹ-ṣiṣe roboti gidi-aye nipa lilo SmolVLA. Orisun naa ko ṣe pato awọn abajade iṣẹ-ṣiṣe gangan, awọn akoko ipilẹ, awọn iye oṣuwọn aṣeyọri, awọn ipin gige tabi agbara ohun elo. Awọn ifasilẹ yẹn fi awọn afiwe akọle ti o royin ṣe iwulo bi akopọ ti iwe, ṣugbọn ni opin bi ipilẹ fun idajọ profaili imuṣiṣẹ ni kikun.

Awọn alaye orisun: arxiv.org ↗

Kini idi ti o ṣe pataki

Ti awọn abajade ti a royin ba duro kọja awọn eto idanwo, AdaVLA le jẹ ki diẹ ninu awọn eto iṣe-ede-iriran jẹ iwulo diẹ sii fun awọn roboti pẹlu iširo inu ọkọ to lopin. Apẹrẹ ti ko ni ikẹkọ le tun ṣe iranlọwọ fun awọn ẹgbẹ ti ko le wọle si data ikẹkọ ohun-ini tabi ni agbara iyipo-tuntun-daradara miiran.

Iṣoro iṣeṣe jẹ pataki fun AI ti o ni ara nitori robot nigbagbogbo ni lati tumọ awọn ipo wiwo iyipada si awọn iṣe ni iyara, lakoko ti o nṣiṣẹ laarin awọn opin ti ohun elo inu ọkọ. Ọna kan ti o dinku iṣẹ aropin ni akoko asiko le mu idahun sii laisi nilo ṣiṣe ikẹkọ tuntun. Iyẹn ṣe pataki ni pataki nigbati awoṣe jẹ ohun-ini, nigbati data ikẹkọ ko le ṣe pinpin fun awọn idi ikọkọ, tabi nigbati ẹgbẹ imuṣiṣẹ nilo lati mu eto ti o wa tẹlẹ kuku kọ tuntun kan. Iwe naa ṣafihan apapọ yii ti awọn ifowopamọ akoko asiko ati pe ko si ibeere ikẹkọ afikun bi afilọ ilowo akọkọ.

Ọna ijabọ AdaVLA n ṣalaye awọn orisun oriṣiriṣi meji ti iṣiro: awọn igbesẹ ti o baamu-sisan tun ati fifuye iṣẹ-ṣiṣe multilayer-perceptron inu. Ifihan agbara igbẹkẹle jẹ ipinnu lati jẹ ki eto naa lo iṣiro diẹ sii nigbati ipa ọna iṣe ba han aidaniloju ati kere si nigbati o han iduroṣinṣin. Ni ipilẹ, iru ipinya adaṣe le funni ni iṣowo ti o wulo diẹ sii ju lilo idinku kan ti o wa titi nibi gbogbo, botilẹjẹpe orisun ko pese afọwọsi ominira ti ẹrọ yẹn. Pataki ti apẹrẹ nitorina da lori boya awọn iṣakoso adaṣe mejeeji ṣiṣẹ ni igbagbogbo kọja awọn awoṣe idanwo ati awọn iṣẹ ṣiṣe.

Awọn abajade ti a royin jẹ ohun akiyesi nitori pe wọn gba wọn lori ẹrọ ti o da lori eti kuku ju ṣapejuwe nikan ni awọn ofin ti agbegbe aarin data nla kan. Iwe naa tun sọ pe ọna naa ṣe itọju awọn oṣuwọn aṣeyọri ni pẹkipẹki lakoko iyara awọn awoṣe oriṣiriṣi meji, o sọ pe o ṣe ayẹwo lori awọn iṣẹ-ṣiṣe roboti gidi-aye pẹlu awoṣe kẹta. Iwọnyi jẹ awọn ẹtọ lati inu iwe iwadii kan, sibẹsibẹ; orisun ko ṣe iṣeto imurasilẹ iṣelọpọ, igbẹkẹle gbooro, ailewu ni awọn agbegbe ti ara, tabi giga julọ kọja aaye gbooro ti AI roboti. Awọn abajade abajade tọka si itọsọna ti a royin fun iṣapeye iyasọtọ, dipo ipari ipinnu nipa iye gbooro ti imọ-ẹrọ.

Interactive Mechanism

Ibaraẹnisọrọ Mechanism: Bii O Ṣe Nṣiṣẹ Lootọ

Ṣawari imọ-ẹrọ abẹlẹ lẹhin idagbasoke yii ni ibaraenisọrọ.

Thinking Budget (Test-Time Tokens):1,024 tokens
Complex Accuracy79%Math & Code Logic
Latency3.2sTime to first full output
Inference Cost$0.0092Per query estimated
Reasoning StyleStep VerificationInternal chain depth
Active Thinking Trace:
1Deconstruct user problem into formal constraints
2Propose candidate hypotheses & step-by-step calculation
3Self-correction: Backtrack and refute subtle edge cases
4Exhaustive consistency check & final output synthesis
Core takeaway: Test-time compute fundamentally changes AI economics. Instead of only scaling during pre-training, giving reasoning models more tokens at inference time allows them to systematically solve PhD-level STEM problems.
Ibanisọrọ Erongba Ṣayẹwo+10 Points
AI Models Explained Quiz

Which component of an AI application is the machine-learning model itself?

Kini lati wo tókàn

Awọn ibeere akọkọ jẹ boya awọn iyara gbogbogbo kọja awọn awoṣe diẹ sii, awọn iṣẹ ṣiṣe, awọn atunto ohun elo ati awọn agbegbe, ati iye deede ni iyipada labẹ awọn ipo ti o nira tabi iyara iyipada. Orisun naa ko pese alaye iṣẹ-ṣiṣe nipasẹ awọn abajade iṣẹ-ṣiṣe, awọn isiro lairi, awọn wiwọn agbara tabi awọn iyipada-oṣuwọn aṣeyọri gangan.

Iyẹwo siwaju yẹ ki o ṣe afihan iṣẹ-ṣiṣe LIBERO pipe, ipilẹ-ipilẹ deede ati awọn laini isare, awọn iyatọ-oṣuwọn aṣeyọri, nọmba awọn idanwo ati iyatọ laarin awọn ṣiṣe. Yoo tun jẹ iwulo lati mọ bii igbagbogbo AdaVLA ṣe iyipada isuna ifẹnukonu tabi ipin pruning, boya metric igbẹkẹle rẹ kuna lori awọn iwoye dani, ati boya awọn iyara ti a royin pẹlu gbogbo akoko asiko ṣiṣe ti a ṣafihan nipasẹ oludari isọdọtun. Awọn wiwọn wọnyi yoo ṣe alaye bi awọn abajade apapọ ṣe dide ati boya ilana imudọgba funrararẹ yi anfani to wulo.

Orisun naa ṣii ṣii bii ọna naa ṣe huwa nigbati roboti ba pade awọn ayipada ayika ni iyara, awọn ilana aibikita, awọn nkan ti ko mọ tabi awọn iṣe aabo-pataki. Idinku awọn igbesẹ itọkasi tabi awọn paati nẹtiwọọki gige le ni awọn ipa aiṣedeede kọja awọn iṣẹ ṣiṣe paapaa ti awọn oṣuwọn aṣeyọri apapọ ko yipada. Alaye ti awọn onkọwe pe agbara-aye gidi jẹ ifọwọsi pẹlu SmolVLA yoo jẹ alaye diẹ sii pẹlu awọn alaye nipa ohun elo, awọn agbegbe, kika iṣẹ-ṣiṣe, awọn ipo ikuna ati awọn afiwera. Laisi awọn alaye wọnyẹn, alaye agbara ko le ṣafihan bi ọna naa ṣe ṣe idahun si iwọn awọn ipo ti o ni ibatan si iṣẹ ṣiṣe ti ara.

Gbigba iwe naa si IROS 2026 jẹ ifihan agbara ti ikede apejọ ti nbọ, ṣugbọn ko yanju aidaniloju to ku. Awọn oluka yẹ ki o wo iwe kikun, imuse idasilẹ tabi awọn igbelewọn atẹle lori awọn eto VLA ti o baamu-sisan ati ohun elo ti a fi sinu. Awọn afiwe pẹlu awọn ọna isare miiran, awọn wiwọn lilo agbara ati awọn opin igbona, ati idanwo labẹ awọn ihamọ aabo ti ara yoo pinnu boya ilana naa ni iye ti o kọja awọn ami-ami ti a royin. Iru ohun elo atẹle yoo tun jẹ ki awọn ẹtọ iwe naa rọrun lati ṣe ayẹwo kọja awọn awoṣe, awọn agbegbe ati awọn ipo imuṣiṣẹ.

Awọn itọsọna ti o jọmọ & awọn ibeere

Awọn awoṣe AI ti ṣalayeAwọn aṣoju AIAyirapadaAI IkẹkọṢe idanwo ohun ti o mọ — gbiyanju idanwo AI ọfẹ kanWa ọrọ AI kan ninu iwe-itumọ waTẹle olutọpa idasilẹ awoṣe AI
Ṣe eyi wulo?