何が起きたか

Physical Intelligenceは2025年5月28日、VLA向けの新手法「knowledge insulating VLAs」を公表した。中核は、VLMバックボーンに連続動作出力を担うアクションエキスパートを付けても、エキスパート側の勾配をバックボーンへ流さない設計である。 同社は、この手法をπ0.5 + KnowledgeInsulation(KI)と呼び、FAST-tokenized discretized actionsでバックボーンを学習しながら、アクションエキスパートには連続動作を担当させる構成を示した。論文では、RT-2やOpenVLAのようなトークン化された離散アクション方式と、π0系の連続出力方式の違いを比較している。

詳細

公開資料では、π0.5 + KIはVLM backboneとaction expertの2要素で構成される。バックボーンはFAST-tokenized discretized actionsで表現学習を行い、action expertはflow matchingにより連続動作を生成するが、その勾配はVLM backboneに伝播しない。 資料はまた、従来のaction expert設計では、VLM backboneの表現が不利な学習ダイナミクスにさらされ、言語指示への追従性やweb-scale pre-trainingで得た知識が損なわれる可能性があると説明する。π0.5 + KIでは、一般的なVLMデータとrobot planning dataも追加学習に用いるとしている。

Key Facts

Physical Intelligenceが2025年5月28日に「VLAs that Train Fast, Run Fast, and Generalize Better」を公開した[1]
同社は「knowledge insulating VLAs」を提案し、π0.5 + KnowledgeInsulation(KI)と名付けた[1]
π0.5 + KIはVLM backboneとaction expertで構成される[1]
action expertの勾配はVLM backboneに流さない設計である[1]
学習ではFAST-tokenized discretized actions、一般的なVLM data、robot planning dataを用いるとしている[1]

本紙の見方

今回の新規性は、ロボット向けVLAに連続動作出力を足すだけでなく、その際にVLM backboneの知識をどう守るかを学習設計として明示した点にある。既存のπ0系の延長としては、action expertで連続制御を行う構図自体は同じだが、同社は勾配の流し方を変えることで、web-scale事前学習の表現を壊しにくくする方針を打ち出した。 本紙の関連記事である36Kr、Unitree Roboticsの王興興氏インタビューを報道 Physical AIの突破口に言及が示したのは、Physical AIの突破口をどこに置くかという問題意識である。本件は、その問題意識に対して、モデル内部の知識保持とロボット制御の両立をどう設計するかという、かなり下層の技術課題に踏み込んでいる。別の見方をすれば、ここで争点になるのはロボットの行動精度そのものだけでなく、言語理解を含むVLMの表現を学習中にどれだけ維持できるかである。 業界構造の観点では、焦点はハードウェア単体よりも、VLMバックボーン、action expert、連続制御の学習手法、そしてrobot planning dataの組み合わせに移る。トークン化した離散アクションは学習しやすい一方で推論が遅く、連続出力は滑らかだが学習ダイナミクスが難しいという、VLA設計のトレードオフが改めて示されたとみられる。今後確認すべき論点は、このKI設計が実機のどの作業でどこまで汎化するか、またバックボーン固定や勾配遮断以外の方法と比べてどの条件で有効かである。

なぜ重要か

Physical Intelligenceの主張が一次資料どおりなら、VLAの性能差はモデル規模だけでなく、学習時にVLM backboneの知識をどう保護するかに左右される。ロボット制御を担うaction expertと、言語・視覚の表現を担うVLM backboneを分けて扱う設計は、実運用での精度と学習効率の両立条件を考える材料になる。 また、同社が一般的なVLM dataとrobot planning dataも併用すると示したことで、ロボット学習は単一のデータセットや単一の制御ヘッドでは完結しないことが明確になった。

日本への影響

日本のロボット企業や研究機関にとっては、機体制御そのものだけでなく、VLM backbone、action expert、robot planning dataの組み合わせ方が競争条件になる可能性がある。特に、言語指示への追従性を維持しながら連続制御を学ばせる設計は、日本勢が得意とする実機検証や産業用途の学習データ設計と接続しうるが、一次資料には日本企業との関係や適用先は書かれていない。