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:2602.06339

生成型視覚-言語-行動モデルにおける行動ハルシネーション

Action Hallucination in Generative Vision-Language-Action Models

シェア:XThreadsFacebookLINEはてブBluesky

生成型ロボットポリシーが物理制約に反する行動を生成する「行動ハルシネーション」の構造的原因を分析し、信頼性向上の方向性を示した。

詳しい要約

1. どんなもの?

本論文は、Generative Vision-Language-Action Models (VLAs) などの Robot Foundation Models が、身体性を伴う環境での行動生成の根本問題を解決できるかを問う。特に、物理的制約に違反する action hallucination と、それが plan-level の失敗に拡張される現象を分析する。latent-variable generative policies に焦点を当て、実行可能なロボット行動と一般的なモデルアーキテクチャの構造的ミスマッチから hallucination が生じることを示す。topological, precision, horizon の3つの障壁を検討し、避けられないトレードオフを課すことを明らかにする。

2. 先行研究と比べてどこがすごい?

先行研究では generative robot policies の経験的失敗が報告されているが、その機構的な説明は不十分であった。本論文は、action hallucination を物理制約違反および plan-level 失敗として定式化し、latent-variable generative policies における構造的ミスマッチという観点から理論的に分析する点が新しい。これにより、報告された失敗に対する機構的説明を与え、表現力を放棄せずに信頼性を改善する原理的方向を示唆する。

3. 技術・手法の肝は?

latent-variable generative policies を対象に、実行可能なロボット行動とモデルアーキテクチャの間の構造的ミスマッチを分析する。具体的には、topological, precision, horizon という3つの障壁を導入し、それぞれがどのように action hallucination を引き起こし、避けられないトレードオフを課すかを理論的に検討する。これにより、生成モデルの表現力と物理的制約の整合性の間の根本的な問題を明らかにする。

4. どうやって有効だと検証した?

要旨からは不明。理論的分析が中心であり、実験的検証の詳細は記述されていない。

5. 議論はある?

本論文は、generative robot policies の信頼性と信頼性を向上させるための原理的方向を示唆するが、具体的な解決策やトレードオフの詳細な議論は要旨からは不明。表現力を維持しつつ、物理的制約を尊重する方法の探求が今後の課題として示唆される。

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。関連手法として、latent-variable generative policies や Robot Foundation Models (VLAs) が挙げられる。同分野の定番として、Diffusion Policy や Transformer-based policies などが考えられるが、要旨からは特定できない。

※ 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: Harold Soh, Eugene Lim

分類: cs.RO, cs.AI

原文アブストラクト

Robot Foundation Models, such as VLAs, promise end-to-end generative robot policies with broad generalization. Yet it remains unclear whether they fundamentally resolve the core problem of action generation in embodied settings, or overcome the long-standing challenges of robotics. We address this question by analyzing action hallucinations that violate physical constraints and their extension to plan-level failures. Focusing on latent-variable generative policies, we show that hallucinations can arise from structural mismatches between feasible robot behavior and common model architectures. We study three such barriers -- topological, precision, and horizon -- and show how they impose unavoidable tradeoffs. Our analysis provides mechanistic explanations for reported empirical failures of generative robot policies and suggests principled directions for improving reliability and trustworthiness, without abandoning their expressive power.

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

MINISFORUM(ミニPC)

MINISFORUM(ミニPC)の公式広告バナーMINISFORUM公式ストアを見る ↗
PR本紙発行元 EmplifAI