トレース条件付きVLA計画による長期的操作

- 長期的な操作タスクを対象とした modular なフレームワーク LoHo-Manip を提案。 - 短期的な VLA 実行を、専用の task-management VLM によって長期的な指示追従へ拡張。 - manager は executor から分離され、receding-horizon 方式で呼び出される。 - 現在の観測から、progress-aware な remaining plan を予測。 - subtask sequence と done + remaining split を軽量な language memory として含む。 - visual trace（2D keypoint trajectory prompt）で次にどこへ行き何に近づくかを指定。 - executor VLA は描画された trace を条件として、長期的意思決定を局所制御の繰り返しに変換。

- 従来の VLA は短期的実行が中心で、多段階・進捗依存・誤り蓄積に弱い。 - 本手法は manager と executor を分離し、receding-horizon で remaining plan を毎ステップ予測。 - 失敗ステップが後続出力に残り trace が更新される暗黙の closed loop を実現。 - 手作りの recovery logic や脆い visual-history buffer を不要にする点が新しい。 - 長期的成功・robustness・out-of-distribution generalization で強い改善を示す。

- task-management VLM が現在観測から progress-aware remaining plan を予測。 - subtask sequence と done + remaining split を language memory として保持。 - visual trace として 2D keypoint trajectory prompt を生成。 - executor VLA は rendered trace を条件に局所制御を繰り返す。 - 各ステップで remaining plan を再予測することで暗黙の closed loop を形成。 - 失敗ステップは後続出力に残り、trace が更新され自動継続・replanning が可能。 - これにより長期的意思決定を trace 追従の局所制御へ変換。

- embodied planning、long-horizon reasoning、trajectory prediction、end-to-end manipulation を含む広範な実験を実施。 - simulation と実機 Franka robot の両方で検証。 - 長期的成功、robustness、out-of-distribution generalization における強い改善を実証。 - 詳細な評価指標やベースラインは要旨からは不明。

- 手作りの recovery logic や脆い visual-history buffer を不要にできる点を主張。 - 暗黙の closed loop により自動継続と replanning が可能になると述べる。 - 限界や失敗事例、計算コスト、スケーラビリティに関する議論は要旨からは不明。

- 要旨で参照・比較されている個別研究は明示されていない。 - 関連手法として vision-language-action (VLA) policies、task-management VLM、receding-horizon planning、visual trace / keypoint trajectory prompt が挙げられる。 - 同分野の定番として RT-1、RT-2、OpenVLA などの VLA 研究や、SayCan などの long-horizon planning 研究が次に読む候補。 - ただし要旨に具体的な参照論文名は無いため、これらは一般名としての候補。