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/マニピュレーションarXiv:2604.10432

AnySlot: ゼロショットのスロット配置のための目標条件付き視覚言語行動ポリシー

AnySlot: Goal-Conditioned Vision-Language-Action Policies for Zero-Shot Slot-Level Placement

シェア:XThreadsFacebookLINEはてブBluesky

言語指示による精密な物体配置を実現するため、言語を視覚的な目標マーカーに変換し、目標条件付きVLAポリシーで実行する階層的フレームワークを提案。また、スロット配置の評価用ベンチマークSlotBenchも導入。

詳しい要約

1. どんなもの?

- 目的: 言語指示に基づくロボットのスロット配置をゼロショットで実現するフレームワーク AnySlot を提案。 - 特徴: 言語を視覚ゴールに変換し、goal-conditioned VLA ポリシーで実行する階層設計。 - 貢献: スロット配置評価用のシミュレーションベンチマーク SlotBench を導入。

2. 先行研究と比べてどこがすごい?

- 従来の end-to-end VLA や modular grounding では、構成的言語下での精密配置が困難。 - AnySlot は言語接地と制御の間に明示的な視覚ゴールを挟み、構成的複雑さを低減。 - ゼロショットのスロット配置で flat VLA ベースラインや modular grounding 手法を大幅に上回る。

3. 技術・手法の肝は?

- 言語指示を、意図したスロット位置に空間マーカーをレンダリングした視覚ゴールに変換。 - その視覚ゴールを goal-conditioned VLA ポリシーで実行。 - 高レベルのスロット選択と低レベルの実行を分離する階層的設計。

4. どうやって有効だと検証した?

- SlotBench を構築し、9つのタスクカテゴリで空間推論を評価。 - ゼロショットのスロット配置において、flat VLA ベースラインおよび modular grounding 手法と比較。 - AnySlot が有意に優れることを実験で示した。

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 flat VLA ベースライン、modular grounding 手法、および SlotBench に関連する研究。

※ 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: Zhaofeng Hu, Sifan Zhou, Qinbo Zhang, Rongtao Xu, Qi Su, Jorge Mendez-Mendz, Ci-Jyun Liang

分類: cs.RO

原文アブストラクト

Vision-Language-Action (VLA) policies have emerged as a versatile paradigm for generalist robotic manipulation. However, precise object placement under compositional language remains challenging for end-to-end VLA policies. Slot-level placement requires reliable slot grounding and centimeter-level geometric precision. To this end, we propose AnySlot, a framework that reduces compositional complexity by introducing an explicit spatial visual goal between language grounding and control. AnySlot converts language into a visual goal by rendering a spatial marker at the intended slot, then executes this goal with a goal-conditioned VLA policy. This hierarchical design decouples high-level slot selection from low-level execution, improving semantic accuracy and spatial robustness. Furthermore, recognizing the lack of benchmarks for such precision-demanding tasks, we introduce SlotBench, a structured simulation benchmark with nine task categories for evaluating spatial reasoning in slot-level placement. Extensive experiments show that AnySlot significantly outperforms flat VLA baselines and modular grounding methods in zero-shot slot-level placement.

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