Newest papers

PACT-VLA: Speculative Action-Chunk Verification with Pre-Commit Observations

Yixiang Zhu, Ruilong Wu, Yonghao Chen, Jiaxiang Zou, Yusong Hu, Xinyu Chen · 2026 · arXiv (Cornell University)

DOI: 10.48550/arxiv.2610.28019 · cited by 0 works (OpenAlex) · open-access PDF

Vietnamese

Các chính sách Vision-language-action-batayACT (VLA) thường được triển khai với kết luận không đồng bộ trong các thiết lập thế giới thực, nơi các điểm hành động tiếp theo được tạo ra trong khi robot vẫn đang thực hiện nhiệm vụ trước đó. Vào thời điểm chunk mới được cam kết, robot và cảnh đã thay đổi, vì vậy chunk được điều chỉnh trên một quan sát cố định và thành công nhiệm vụ có thể giảm mạnh khi sự chậm trễ kết luận này tăng lên. Kin tạo ra nhiều chunk ứng cử viên có thể cho phép các quan sát mới hơn đánh giá lựa chọn cuối cùng, nhưng các phương pháp đa ứng cử viên hiện có thể xếp hạng các ứng cử viên với quan sát bắt đầu kết luận cố định hoặc liên tục chuyển đổi giữa các ứng cử viên trong quá trình thực hiện, điều này có thể làm cho chuỗi hành động được thực hiện bị mất liên tục. Hiểu quan chính của

Machine translation (Meta M2M100); the English original follows.

Abstract

Vision-language-action (VLA) policies are commonly deployed with asynchronous inference in real-world settings, where the next action chunk is generated while the robot is still executing the previous one. By the time the new chunk is committed, the robot and scene have changed, so the chunk is conditioned on a stale observation and task success drops sharply as this inference delay grows. Generating multiple candidate chunks could let newer observations inform the final choice, but existing multi-candidate methods either rank candidates with the stale inference-start observation or repeatedly switch between candidates during execution, which can make the executed action sequence discontinuous. Our key insight is that inference delay can be used as decision time. While candidate generation is still underway, candidate selection can reuse the VLA itself to choose the complete action chunk that best fits a later observation. We propose PACT-VLA, a training-free framework that generates candidates from the inference-start observation and selects one using this pre-commit observation. Its scoring function, FlowRes, measures the residual between each candidate's implied flow direction and the velocity predicted by the frozen policy under the pre-commit observation, requiring no separate verifier. A pipelined implementation overlaps observation processing with candidate generation and batches scoring, so selection adds no control-step delay on the evaluated hardware. At a four-step delay, PACT-VLA improves average success by 15.0 percentage points over RTC on Kinetix and by 5.2 points over single-candidate asynchronous execution with GR00T N1.7 on LIBERO, and it further improves existing delay-robust methods. On three real-robot tasks, it raises average success from 60% to 82% over naive asynchronous execution with the same frozen $π_{0.5}$ checkpoint.

Read in: English · Spanish · Chinese · Hindi · Arabic · Portuguese · French · German · Japanese · Russian · Korean · Indonesian · Vietnamese

Topics: Computer science, Asynchronous communication, Task (project management), Inference, Selection (genetic algorithm), Key (lock)

Sources: OpenAlex (CC0), arXiv, Crossref. Agent Exchange