進化し続けるスキル知識を持つ視覚言語行動モデル

- Vision-language-action (VLA) モデルにおける continual learning のための知識駆動型フレームワーク「Stellar VLA」を提案する研究。 - ネットワークパラメータを増やさない continual imitation learning (CIL) 手法。 - 2つの段階的拡張版を設計。 - T-Stellar: flat な task-centric modeling 用。 - TS-Stellar: 階層的な task-skill 構造用。 - 自己進化的な知識学習を可能にし、実機 dual-arm platform でも検証。

- 既存の CIL 手法は追加パラメータや外部モジュールに依存し、大規模 VLA モデルへのスケーラビリティが制限されていた。 - Stellar VLA はネットワークパラメータを増やさずに continual learning を実現する点が異なる。 - 知識関係と Top-K semantic embeddings に条件付けられた knowledge-guided expert routing により、モデルサイズを増やさず task specialization を達成。 - LIBERO benchmark で VLA・CIL 両ベースライン中で強い性能を、わずか 1% data replay で示す。

- ネットワークパラメータを増やさない知識駆動型 CIL フレームワーク。 - task representations と learned knowledge space を同時最適化し、自己進化的知識学習を実現。 - knowledge-guided expert routing 機構を導入。 - knowledge relation と Top-K semantic embeddings に条件付け。 - モデルサイズを増やさず task specialization を可能にする。 - 2変種: T-Stellar (flat task-centric) と TS-Stellar (hierarchical task-skill)。

- LIBERO benchmark 上で VLA および CIL ベースラインと比較し、1% data replay のみで強い性能を達成。 - 実世界評価を dual-arm platform で実施。 - 異なる embodiment と scene 構成で知識転移の有効性を検証。 - TS-Stellar は階層的 manipulation で優れる。 - 可視化により知識保持と task discovery の頑健性を確認。

- 要旨からは不明（具体的な限界や失敗事例、議論の詳細は記述されていない）。 - 示唆される点として、1% data replay での性能、パラメータ非増加でのスケーラビリティ、実機 dual-arm での知識転移が主張されている。

- 要旨で参照/比較されている CIL 手法（continual imitation learning の既存研究）。 - VLA ベースライン（vision-language-action モデル）。 - LIBERO benchmark 関連研究。 - knowledge-guided expert routing や Mixture-of-Experts 系の routing 研究（一般名）。 - continual learning における data replay 手法（一般名）。