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:2511.17889

MobileVLA-R1: 四足歩行ロボットのための視覚-言語-行動モデルを強化学習で強化

MobileVLA-R1: Reinforcing Vision-Language-Action for Mobile Robots

シェア:XThreadsFacebookLINEはてブBluesky

自然言語指示を四足歩行ロボットの連続制御に接地させるため、多粒度Chain-of-Thoughtデータセットと教師あり学習+GRPO強化学習の二段階学習を組み合わせた統合VLAフレームワークを提案し、実機で有効性を示した。

詳しい要約

1. どんなもの?

- 四足歩行ロボット向けの vision-language-action (VLA) 統合フレームワーク MobileVLA-R1 を提案 - 自然言語指示を連続制御に接地 (grounding) し、明示的推論と連続制御を両立させる - MobileVLA-CoT と呼ぶ embodied trajectory 向け多粒度 chain-of-thought (CoT) 大規模データセットを構築 - 2段階学習 (supervised CoT alignment + GRPO 強化学習) を採用 - コードとWebサイトを公開

2. 先行研究と比べてどこがすごい?

- 既存手法は高レベル意味推論と低レベル actuation の橋渡しが弱く、grounding が不安定で実世界汎化が乏しいと指摘 - 提案は明示的推論と連続制御を単一フレームワークで統合 - CoT による構造化推論監督を学習に導入 - GRPO 強化学習で推論一貫性・制御安定性・長horizon実行を強化 - VLN/VLA タスクで強力な baseline 比約5%改善と報告

3. 技術・手法の肝は?

- MobileVLA-CoT: 多粒度 CoT を付与した embodied trajectory 大規模データセットで alignment 用の構造化推論監督を提供 - 2段階訓練: 第1段階 supervised CoT alignment、第2段階 GRPO による強化学習 - 目的は reasoning consistency、control stability、long-horizon execution の向上 - 四足ロボットの連続制御へ自然言語を接地する統合 VLA 構成 - 詳細なアーキテクチャは要旨からは不明

4. どうやって有効だと検証した?

- VLN および VLA タスクで広範な評価を実施 - 強力な baseline に対し約5%の性能改善を報告 - 四足ロボットへの実機展開により複雑環境での堅牢性を検証 - 具体的なベンチマーク名・指標・被験者数などは要旨からは不明

5. 議論はある?

- 既存手法の grounding 不安定・実世界汎化不足への対処を動機として提示 - CoT 監督と GRPO 強化学習の組合せが推論一貫性と制御安定性に寄与すると主張 - 実機検証で複雑環境での堅牢性を示す - 限界・失敗事例・計算コスト・データセット規模などの詳細な議論は要旨からは不明

6. 次に読むべき論文は?

- GRPO (Group Relative Policy Optimization) の原論文 - chain-of-thought (CoT) 推論を用いた VLA / embodied reasoning 研究 - VLN (Vision-and-Language Navigation) の代表的ベンチマークおよび手法 - 四足ロボットの locomotion 制御に関する VLA 研究 - 要旨で参照・比較されている個別研究は明示されていないため、上記は関連手法・分野の一般名

※ 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: Ting Huang, Dongjian Li, Rui Yang, Zeyu Zhang, Zida Yang, Hao Tang

分類: cs.RO, cs.CV

原文アブストラクト

Grounding natural-language instructions into continuous control for quadruped robots remains a fundamental challenge in vision language action. Existing methods struggle to bridge high-level semantic reasoning and low-level actuation, leading to unstable grounding and weak generalization in the real world. To address these issues, we present MobileVLA-R1, a unified vision-language-action framework that enables explicit reasoning and continuous control for quadruped robots. We construct MobileVLA-CoT, a large-scale dataset of multi-granularity chain-of-thought (CoT) for embodied trajectories, providing structured reasoning supervision for alignment. Built upon this foundation, we introduce a two-stage training paradigm that combines supervised CoT alignment with GRPO reinforcement learning to enhance reasoning consistency, control stability, and long-horizon execution. Extensive evaluations on VLN and VLA tasks demonstrate superior performance over strong baselines, with approximately a 5% improvement. Real-world deployment on a quadruped robot validates robust performance in complex environments. Code: https://github.com/AIGeeksGroup/MobileVLA-R1. Website: https://aigeeksgroup.github.io/MobileVLA-R1.

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. 2GXO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
  3. 3newmo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
  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

OZ GAMING(GPU搭載BTOゲーミングPC)

OZ GAMING(GPU搭載BTOゲーミングPC)の公式広告バナーOZ GAMINGで完成品PCを見る ↗
PR本紙発行元 EmplifAI