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:2601.07060

PALM: アフォーダンス推論と進捗認識による長期的ロボットマニピュレーションのためのポリシー学習

PALM: Progress-Aware Policy Learning via Affordance Reasoning for Long-Horizon Robotic Manipulation

シェア:XThreadsFacebookLINEはてブBluesky

視覚言語行動モデルにアフォーダンス推論とサブタスク進捗予測を組み込み、長期的な多段階ロボット操作の成功率と汎化性能を大幅に向上させた研究。

詳しい要約

1. どんなもの?

- 長期的なロボット操作タスクのためのVLAフレームワークPALMを提案。 - 相互作用中心のaffordance reasoningとsubtask progress cuesを統合。 - 繰り返し行動、ステップの見落とし、早期終了などの実行エラーを低減。

2. 先行研究と比べてどこがすごい?

- 既存のVLAモデルは長期的・多段階タスクで内部推論機構が不足。 - PALMはaffordance表現と進捗予測を組み合わせ、実行エラーを抑制。 - シミュレーションと実世界でベースラインを上回る性能を達成。

3. 技術・手法の肝は?

- 相互作用中心のaffordance reasoningを構造化。 - 物体関連性、接触幾何、空間配置、運動ダイナミクスを捉えるaffordance表現を蒸留。 - 視覚運動制御のためのタスク関連アンカーとして利用。 - サブタスク内の連続的な進捗を予測し、スムーズな遷移を実現。

4. どうやって有効だと検証した?

- 広範なシミュレーションと実世界実験を実施。 - LIBERO-LONGで91.8%の成功率を達成。 - CALVIN ABC->Dで平均長12.5%改善。 - 実世界の3つの長期的汎化設定でベースラインの2倍の改善。

5. 議論はある?

- 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は明示されていない。 - 同分野の定番として、vision-language-action (VLA) models、LIBERO、CALVINが関連。 - 具体的な論文名は要旨からは不明。

※ 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: Yuanzhe Liu, Jingyuan Zhu, Yuchen Mo, Gen Li, Xu Cao, Jin Jin, Yifan Shen, Zhengyuan Li, Tianjiao Yu, Wenzhen Yuan, Fangqiang Ding, Ismini Lourentzou

分類: cs.RO

原文アブストラクト

Recent advancements in vision-language-action (VLA) models have shown promise in robotic manipulation, yet they continue to struggle with long-horizon, multi-step tasks. Existing methods lack internal reasoning mechanisms that can identify task-relevant interaction cues or track progress within a subtask, leading to critical execution errors such as repeated actions, missed steps, and premature termination. To address these challenges, we introduce PALM, a VLA framework that structures policy learning around interaction-centric affordance reasoning and subtask progress cues. PALM distills complementary affordance representations that capture object relevance, contact geometry, spatial placements, and motion dynamics, and serve as task-relevant anchors for visuomotor control. To further stabilize long-horizon execution, PALM predicts continuous within-subtask progress, enabling seamless subtask transitions. Across extensive simulation and real-world experiments, PALM consistently outperforms baselines, achieving a 91.8% success rate on LIBERO-LONG, a 12.5% improvement in average length on CALVIN ABC->D, and a 2x improvement over real-world baselines across three long-horizon generalization settings.

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