日本フィジカルAI新聞

世界のフィジカルAIを、日本語で。

VLAarXiv:2511.05397

EveryDayVLA: 低コストロボット操作のための視覚-言語-行動モデル

EveryDayVLA: A Vision-Language-Action Model for Affordable Robotic Manipulation

シェア:XThreadsFacebookLINEはてブBluesky

300ドル以下で組み立て可能な6自由度マニピュレータと、離散・連続行動を統合出力し不確実性に応じて再計画するVLAモデルを提案し、実環境で従来手法を大きく上回る成功率を達成した。

詳しい要約

1. どんなもの?

- EverydayVLAは、Vision-Language-Action (VLA) modelを用いた低コストなロボットマニピュレーションシステム - $300未満で組み立て可能な6-DOF manipulator - modest payloadsとworkspaceに対応 - 単一の統合モデルがdiscrete actionとcontinuous actionを同時に出力 - adaptive-horizon ensembleによりmotion uncertaintyを監視し、on-the-fly re-planningをトリガー - LIBEROや実世界テストで評価されたロボット基盤モデルの民主化を目指す研究

2. 先行研究と比べてどこがすごい?

- 従来のVLA modelsは高価なハードウェアに依存し、novel scenesやcluttered scenesで苦戦 - EverydayVLAは$300未満の6-DOF manipulatorでVLAを実現し、コスト面で大きな優位 - LIBEROではstate-of-the-art success ratesに匹敵 - 実世界テストでprior methodsをin-distributionで49%、out-of-distributionで34.9%上回る - 低コストハードウェアと高性能VLAの組み合わせが先行研究との差分

3. 技術・手法の肝は?

- 単一のunified modelがdiscrete actionsとcontinuous actionsをjointlyに出力 - adaptive-horizon ensembleがmotion uncertaintyを監視 - uncertaintyに応じてon-the-fly re-planningをトリガーし、安全で信頼性の高い操作を実現 - 6-DOF manipulatorは$300未満で組み立て可能な設計 - 詳細なアーキテクチャや学習手法は要旨からは不明

4. どうやって有効だと検証した?

- LIBEROベンチマークで評価し、state-of-the-art success ratesに匹敵することを確認 - 実世界テストを実施し、prior methodsと比較 - in-distributionで49%向上 - out-of-distributionで34.9%向上 - 実験動画と詳細はプロジェクトページで公開 - 具体的なタスク内容や被験者数などは要旨からは不明

5. 議論はある?

- 低コスト化により家庭や研究ラボでの経済的利用の可能性を議論 - VLAの民主化とrobotic foundation modelへのアクセス拡大を主張 - 一方で、modest payloadsとworkspaceという制約や、novel/cluttered scenesへの頑健性の限界については要旨からは不明 - 安全性やre-planningの頻度・遅延に関する定量的議論は要旨からは不明

6. 次に読むべき論文は?

- LIBEROベンチマークに関する論文 - Vision-Language-Action (VLA) modelsの代表的研究(例: RT-2, OpenVLAなど) - adaptive-horizon ensembleやuncertainty-based re-planningに関連する研究 - 低コストロボットマニピュレータやオープンソースハードウェアに関する研究 - 要旨で直接参照されているprior methodsの特定論文は不明

※ AIが要旨から生成した要約です。正確性は原文をご確認ください。

著者: Samarth Chopra, Alex McMoil, Ben Carnovale, Evan Sokolson, Rajkumar Kubendran, Samuel Dickerson

分類: cs.RO, cs.CV

原文アブストラクト

While Vision-Language-Action (VLA) models map visual inputs and language instructions directly to robot actions, they often rely on costly hardware and struggle in novel or cluttered scenes. We introduce EverydayVLA, a 6-DOF manipulator that can be assembled for under $300, capable of modest payloads and workspace. A single unified model jointly outputs discrete and continuous actions, and our adaptive-horizon ensemble monitors motion uncertainty to trigger on-the-fly re-planning for safe, reliable operation. On LIBERO, EverydayVLA matches state-of-the-art success rates, and in real-world tests it outperforms prior methods by 49% in-distribution and 34.9% out-of-distribution. By combining a state-of-the-art VLA with cost-effective hardware, EverydayVLA democratizes access to a robotic foundation model and paves the way for economical use in homes and research labs alike. Experiment videos and details: https://everydayvla.github.io/

関連論文

  1. 1Boston Dynamics、車輪付きAtlasの研究試作機を紹介研究・技術
  2. 2newmoとKDDIが資本業務提携 2028年に堺市で自動運転タクシー商用化目指す提携・買収
  3. 3GXOとApptronik、Apolloの物流現場試験を拡大 最大1,000台の展開を構想量産・展開
  4. 4NVIDIA、CoRLでGR00T 2とIsaac Lab 3.0を発表新製品・発表
  5. 5UC BerkeleyとNVIDIAの研究者、AIエージェントでロボット制御コードを仮想環境で改善研究・技術

PR・アフィリエイト広告

FRONTIER(GPU搭載BTOパソコン)

FRONTIER(GPU搭載BTOパソコン)の公式広告バナーFRONTIERでGPU搭載PCを見る ↗
PR本紙発行元 EmplifAI