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:2601.00969

V-VLAPS: 価値誘導型ビジョン・言語・行動モデルプランニング

V-VLAPS: Value-Guided Planning for Vision-Language-Action Models

シェア:XThreadsFacebookLINEはてブBluesky

VLAモデルの計画に軽量な価値ヘッドを追加し、モンテカルロ木探索を高価値な分岐へ誘導することで、長期タスクや分布シフト下での性能を改善する手法を提案。

詳しい要約

1. どんなもの?

- VLAモデルはロボット操作の行動事前分布を提供するが、分布シフトや長期的タスク構造下では反応的な振る舞いが失敗しうる。 - 近年のVLA-guided planningは事前学習済みポリシーで木探索を導くが、ノード選択はポリシー事前分布と訪問回数探索に強く依存する。 - ポリシーが悪い行動を好むと、学習された価値信号がなくバイアスを修正できない。 - 本研究はVLA表現がロールアウトの成功/失敗情報を符号化するという知見に基づき、価値推定を計画に活用するV-VLAPSを提案。 - V-VLAPSはVLA-guided planningに軽量なvalue headを追加し、オフラインVLAロールアウトで学習してMonte Carlo returnを予測する。 - 予測値がシミュレーション内のMCTSを高価値分岐へ導く。

2. 先行研究と比べてどこがすごい?

- 従来のVLA-guided planningはポリシー事前分布とvisit-count探索に依存し、価値信号を持たない。 - ポリシーが劣った行動を好む場合にプランナーがバイアスを修正できない点が課題。 - V-VLAPSはVLA表現に基づく学習済み価値推定を計画に統合し、価値に基づく分岐ランキングを可能にする。 - これにより、探索が価値ベースのランキングを必要とする分岐に到達した際の性能向上が期待される。 - 具体的な先行研究名は要旨からは不明。

3. 技術・手法の肝は?

- VLA-guided planningに軽量なvalue headを追加する。 - value headはオフラインVLAロールアウトで学習され、Monte Carlo returnを予測する。 - 予測値を用いてシミュレーション内のMonte Carlo Tree Search (MCTS)を高価値分岐へ導く。 - これにより、ポリシー事前分布とvisit-count探索のみに依存しないノード選択を実現する。 - 詳細なネットワーク構造や学習手順は要旨からは不明。

4. どうやって有効だと検証した?

- 5つのLIBEROスイートで評価。 - デフォルトの探索予算では、V-VLAPSはvalue-free planning baselineと集計で同等。 - 分析により、多くの困難な失敗はルートレベルのタイムアウトであり、予測値の分離が弱いことが示された。 - より大きな探索予算では、V-VLAPSは全タスクスイートでベースラインを上回り、LIBERO-Objectで+6ポイント、LIBERO-10で+4ポイント改善。 - 結果は、探索が価値ベースのランキングを必要とする分岐に到達した際に、VLA表現が価値誘導計画を支援できることを示唆。

5. 議論はある?

- デフォルト探索予算では集計でベースラインと同等であり、改善は探索予算を増やした場合に現れる。 - 多くの困難な失敗はルートレベルのタイムアウトで、予測値の分離が弱いことが分析で示された。 - このことは、価値推定が有効に働くには探索が適切な分岐に到達する必要があることを示唆する。 - 限界や今後の課題についての詳細な議論は要旨からは不明。

6. 次に読むべき論文は?

- 要旨で参照/比較されている研究: VLA-guided planning methods, value-free planning baseline。 - 関連手法: Vision-Language-Action (VLA) models, Monte Carlo Tree Search (MCTS), LIBERO suites。 - 具体的な論文名は要旨からは不明。 - 同分野の定番として、VLAモデル (例: RT-2, OpenVLA) やロボット操作のためのplanning手法が挙げられる。

※ 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: Ke Ren, Ali Salamatian, Kieran Pattison, Cyrus Neary

分類: cs.RO, cs.AI

原文アブストラクト

Vision-language-action (VLA) models provide strong action priors for robotic manipulation, but their reactive behavior can fail under distribution shift and long-horizon task structure. Recent VLA-guided planning methods improve execution by using pretrained policies to guide tree search, yet node selection still depends heavily on policy priors and visit-count exploration. Consequently, when the policy favors poor actions, the planner lacks a learned value signal to correct this bias. Prior work has shown that VLA representations encode rollout success and failure information, suggesting that they may also support value estimation during planning. We introduce Value-Guided Vision-Language-Action Planning and Search (V-VLAPS), which augments VLA-guided planning with a lightweight value head trained on offline VLA rollouts to predict Monte Carlo returns. These predictions guide Monte Carlo Tree Search in simulation toward higher-value branches. Across five LIBERO suites, V-VLAPS matches value-free planning baseline at the default search budget in aggregate, and analysis shows that many hard failures are root-level timeouts where predicted values are weakly separated. With a larger search budget, V-VLAPS improves over the baseline in all task suites with +6 percentage points on LIBERO-Object and +4 percentage points on LIBERO-10. Our results suggest that VLA representations can support not only failure prediction, but also value-guided planning when search reaches branches where value-based ranking matters.

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

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