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:2512.21430

EVE: 生成的ポリシーのための生成器-検証器システム

EVE: A Generator-Verifier System for Generative Policies

シェア:XThreadsFacebookLINEはてブBluesky

拡散・フローマッチングなどの生成的視覚運動ポリシーを、追加学習なしでテスト時にVLMベースの検証器群と組み合わせて性能を向上させるフレームワークEVEを提案。

詳しい要約

1. どんなもの?

- 生成的な visuomotor policy(diffusion や flow-matching など)の性能を、追加学習なしで test time に向上させる枠組み。 - EVE は modular な generator-verifier 相互作用フレームワークで、frozen な base policy を複数の zero-shot VLM-based verifier agent でラップする。 - 各 verifier が base policy の候補 action に対する refinement を提案し、action incorporator が classifier guidance で統合フィードバックを action denoising に融合する。 - 言語モデルにおける test-time compute scaling の考え方を embodied control に持ち込む試み。

2. 先行研究と比べてどこがすごい?

- 従来の generative policy は distribution shift 下で性能が劣化し、回復には costly な finetuning が必要だった。 - 言語モデルでは zero-shot な foundation model を verifier として使う test-time compute scaling が推論能力を大きく改善してきた。 - EVE はこの generation-verification の枠組みを generative policy に適用し、policy も verifier も追加学習せずに test time で成功率的向上を狙う点が新しい。 - 複数 verifier 間の情報インターフェース設計を体系的に検討している点も特徴。

3. 技術・手法の肝は?

- frozen な base generative policy を generator とし、複数の zero-shot VLM-based verifier agent を組み合わせる modular 構成。 - 各 verifier は base policy の候補 action に対して action refinement を提案する。 - action incorporator が集約された verifier フィードバックを classifier guidance として action denoising に融合する。 - 異なる能力を持つ verifier 群の間での generator-verifier 情報インターフェースの設計選択を検討。 - 追加の policy 学習や verifier 学習を必要としない test-time 手法。

4. どうやって有効だと検証した?

- 多様な simulated および real の robotic task と embodiment において、EVE が追加学習なしで成功率を一貫して改善することを示した。 - 広範な ablation により、verifier の能力と action incorporator の戦略それぞれの寄与を分離して評価。 - スケーラブルで modular な generator-verifier システム構築のための実践的ガイドラインを提示。 - 具体的なタスク名・データセット名・評価指標の詳細は要旨からは不明。

5. 議論はある?

- verifier 能力と action incorporator 戦略の寄与を ablation で切り分け、設計上の実践的指針を示している。 - 一方で、zero-shot VLM-based verifier の限界や失敗モード、計算コスト、verifier 数のスケーリング則については要旨からは不明。 - distribution shift の種類や程度に対する頑健性の議論も要旨からは不明。

6. 次に読むべき論文は?

- diffusion policy や flow-matching などの generative policy の原論文。 - 言語モデルにおける test-time compute scaling および zero-shot verifier を用いた generation-verification の研究。 - classifier guidance を用いた diffusion の条件付け手法。 - VLM を zero-shot な verifier/reward として使うロボティクス関連研究(要旨で個別参照は明示されていないため、同分野の定番手法を一般名で挙げる)。

※ 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: Yusuf Ali, Gryphon Patlin, Karthik Kothuri, Jeremiah Coholich, Muhammad Zubair Irshad, Wuwei Liang, Zsolt Kira

分類: cs.RO

原文アブストラクト

Visuomotor policies based on generative such as diffusion and flow-matching have shown strong performance for robotics applications but degrade under distribution shifts, demonstrating limited recovery capabilities without costly finetuning. In the language modeling domain, test-time compute scaling has revolutionized the reasoning capabilities of modern LLMs by enabling candidate solution refinement. These methods typically leverage foundation models as verification modules in a zero-shot manner to score candidate solutions. We hypothesize that generative policies can similarly benefit from additional inference-time compute that employs zero-shot VLM-based verifiers in a generation-verification framework. To this end, we introduce EVE: a modular, generator-verifier interaction framework that boosts the performance of pretrained generative policies at test time, with no additional training. EVE wraps a frozen base policy with multiple zero-shot, VLM-based verifier agents. Each verifier proposes action refinements to the base policy candidate actions, while an action incorporator uses classifier guidance to fuse aggregated verifier feedback into action denoising. We study design choices for generator-verifier information interfacing across a system of verifiers with distinct capabilities. Across diverse simulated and real robotic tasks and embodiments, EVE consistently improves success rates without additional policy or verifier training. Through extensive ablations, we isolate the contribution of verifier capabilities and action incorporator strategies, offering practical guidelines to build scalable, modular generator-verifier systems for embodied control.

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