日本フィジカルAI新聞

世界のフィジカルAIを、日本語で。

VLA/操作/継続学習arXiv:2603.07648

AtomicVLA: ロボットにおける原子スキル学習の可能性を解き放つ

AtomicVLA: Unlocking the Potential of Atomic Skill Learning in Robots

シェア:XThreadsFacebookLINEはてブBluesky

長期的・多段階のロボット操作タスクを扱うため、タスク計画・原子スキル抽象化・細粒度アクションを統合的に生成するフレームワークAtomicVLAを提案。スキル誘導型Mixture-of-Expertsによりスケーラブルな原子スキルライブラリを構築し、継続学習も可能にした。

詳しい要約

1. どんなもの?

- 提案手法: AtomicVLA - Visual-Language-Action (VLA) モデルの新フレームワーク - タスクレベルの計画、原子的スキル抽象化、細粒度アクションを同時生成 - 長期的・多段階のロボット操作タスクと継続的スキル獲得を目指す - 特徴: - Skill-Guided Mixture-of-Experts (SG-MoE) によるスケーラブルな原子的スキルライブラリ - 各エキスパートが汎用的かつ正確な原子的スキルを習得 - フレキシブルなルーティングエンコーダで新スキルに専用エキスパートを自動割当 - 継続学習を可能にする - 対象: ロボットマニピュレーション

2. 先行研究と比べてどこがすごい?

- 既存VLAモデルの課題: - 単一アクションやスキルを超えた長期的・多段階問題解決が困難 - 継続的スキル獲得への汎化が不十分 - モノリシックなアクションデコーダを集約データで訓練するためスケーラビリティが低い - AtomicVLAの優位性: - 計画と実行を統合し、原子的スキル抽象化と動的エキスパート構成を実現 - スケーラブルなスキルライブラリを構築し、継続学習を可能に - 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 - LIBEROでπ0を2.4%上回る - LIBERO-LONGでπ0を10%上回る - CALVINでπ0とπ0.5を平均タスク長で0.22と0.25上回る - 実世界の長期的タスクと継続学習でベースラインを18.3%と21%上回る

3. 技術・手法の肝は?

- 中核技術: - Skill-Guided Mixture-of-Experts (SG-MoE) - 各エキスパートが原子的スキルを専門的に習得 - スケーラブルな原子的スキルライブラリを構築 - フレキシブルなルーティングエンコーダ - 新しいスキルに対して専用の原子的エキスパートを自動的に割り当て - 継続学習を実現 - 統合フレームワーク: - タスクレベル計画、原子的スキル抽象化、細粒度アクションを同時に生成 - 詳細なアーキテクチャや訓練手順は要旨からは不明

4. どうやって有効だと検証した?

- シミュレーション実験: - LIBERO: π0を2.4%上回る - LIBERO-LONG: π0を10%上回る - CALVIN: π0とπ0.5を平均タスク長で0.22と0.25上回る - 実世界実験: - 長期的タスク: ベースラインを18.3%上回る - 継続学習: ベースラインを21%上回る - 実験設定の詳細(タスク内容、評価指標、ベースラインの定義など)は要旨からは不明

5. 議論はある?

- 要旨で議論されている点: - 原子的スキル抽象化と動的エキスパート構成が長期的・生涯ロボティクスタスクに有効であることを示唆 - 既存VLAモデルのスケーラビリティ問題を解決する可能性 - 限界や課題: - 具体的な限界、失敗事例、計算コスト、実世界での汎化性能などは要旨からは不明 - 倫理的影響や安全性の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: - π0 (pi-zero) - π0.5 (pi-zero-point-five) - 関連手法: - Visual-Language-Action (VLA) モデル - Mixture-of-Experts (MoE) - 継続学習 (continual learning) - 次に読むべき論文: - π0およびπ0.5の原論文 - LIBERO, LIBERO-LONG, CALVINベンチマークに関する論文 - 他のVLAモデルやMoEを用いたロボティクス研究

※ 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: Likui Zhang, Tao Tang, Zhihao Zhan, Xiuwei Chen, Zisheng Chen, Jianhua Han, Jiangtong Zhu, Pei Xu, Hang Xu, Hefeng Wu, Liang Lin, Xiaodan Liang

分類: cs.RO, cs.AI, cs.CV

原文アブストラクト

Recent advances in Visual-Language-Action (VLA) models have shown promising potential for robotic manipulation tasks. However, real-world robotic tasks often involve long-horizon, multi-step problem-solving and require generalization for continual skill acquisition, extending beyond single actions or skills. These challenges present significant barriers for existing VLA models, which use monolithic action decoders trained on aggregated data, resulting in poor scalability. To address these challenges, we propose AtomicVLA, a unified planning-and-execution framework that jointly generates task-level plans, atomic skill abstractions, and fine-grained actions. AtomicVLA constructs a scalable atomic skill library through a Skill-Guided Mixture-of-Experts (SG-MoE), where each expert specializes in mastering generic yet precise atomic skills. Furthermore, we introduce a flexible routing encoder that automatically assigns dedicated atomic experts to new skills, enabling continual learning. We validate our approach through extensive experiments. In simulation, AtomicVLA outperforms $\pi_{0}$ by 2.4\% on LIBERO, 10\% on LIBERO-LONG, and outperforms $\pi_{0}$ and $\pi_{0.5}$ by 0.22 and 0.25 in average task length on CALVIN. Additionally, our AtomicVLA consistently surpasses baselines by 18.3\% and 21\% in real-world long-horizon tasks and continual learning. These results highlight the effectiveness of atomic skill abstraction and dynamic expert composition for long-horizon and lifelong robotic tasks. The project page is \href{https://zhanglk9.github.io/atomicvla-web/}{here}.

  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