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/意思決定arXiv:2605.01194

VLA-ATTC: 相対アクション批評モデルによるVLAモデルの適応的テスト時計算

VLA-ATTC: Adaptive Test-Time Compute for VLA Models with Relative Action Critic Model

シェア:XThreadsFacebookLINEはてブBluesky

VLAモデルに不確実性に基づく「認知クラッチ」を導入し、複雑な状況でのみ推論フェーズへ切り替える適応的テスト時計算フレームワークを提案。相対比較で最適アクションを選ぶ批評モデルにより、LIBERO-LONGでSOTAの失敗率を50%以上削減した。

詳しい要約

1. どんなもの?

- VLA-ATTCは、Vision-Language-Action (VLA) モデルに適応的なtest-time compute (TTC) を付与するフレームワーク。 - 不確実性に基づく「cognitive clutch」により、反射的な実行からTTC熟考フェーズへ動的に移行する。 - TTCフェーズでは、新規のRelative Action Critic (RAC) モデルが生成候補から最適な行動をペアワイズ比較で選択する。 - 効率的なサンプリング戦略と自動データパイプラインを導入し、計算コストを削減しつつ手動アノテーションなしで選好ペアを収集する。 - LIBERO-LONGベンチマークでSOTAモデルPI0.5の失敗率を50%以上削減する。

2. 先行研究と比べてどこがすごい?

- 従来のVLAモデルは高速で直感的な意思決定に依存し、複雑・曖昧な状況で最適以下の行動や破滅的な行動をとることがあった。 - VLA-ATTCは、不確実性に基づく「cognitive clutch」で必要な時のみTTC熟考フェーズに移行し、適応的に計算資源を配分する。 - 従来の絶対値推定ではなく、Relative Action Critic (RAC) によるペアワイズ比較を用いることで、不安定な絶対値推定を置き換え、学習目的を大幅に簡素化する。 - 効率的なサンプリング戦略と自動データパイプラインにより、計算コストを償却し、手動アノテーションを不要にする。 - LIBERO-LONGベンチマークでSOTAモデルPI0.5の失敗率を50%以上削減する点が優れている。

3. 技術・手法の肝は?

- 不確実性に基づく「cognitive clutch」:VLAモデルの不確実性を評価し、反射的実行からTTC熟考フェーズへ動的に移行する。 - Relative Action Critic (RAC):生成された行動候補からペアワイズ比較により最適な行動を選択する。これにより絶対値推定の不安定性を回避し、学習目的を簡素化する。 - 効率的なサンプリング戦略:計算コストを償却するために導入。 - 自動データパイプライン:手動アノテーションなしで選好ペアを収集・キュレーションする。

4. どうやって有効だと検証した?

- LIBERO-LONGベンチマークで評価を実施。 - SOTAモデルPI0.5と比較し、失敗率を50%以上削減することを確認。 - 具体的な実験設定や他のベースラインとの比較は要旨からは不明。

5. 議論はある?

- 要旨からは、VLA-ATTCの限界や議論の詳細は不明。 - 今後の課題や倫理的考慮についても言及されていない。 - コードと重みはオープンソース化される予定。

6. 次に読むべき論文は?

- 要旨で参照されている研究:PI0.5(SOTAモデル)、LIBERO-LONGベンチマーク。 - 関連手法:Vision-Language-Action (VLA) モデル、test-time compute (TTC)、Relative Action Critic (RAC)。 - 同分野の定番:RT-1, RT-2, Octo, OpenVLA などが関連研究として挙げられる。

※ 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: Wenhao Li, Xiu Su, Yichao Cao, Hongyan Xu, Xiaobo Xia, Shan You, Yi Chen, Chang Xu

分類: cs.RO

原文アブストラクト

Vision-Language-Action (VLA) models have demonstrated remarkable capabilities and generalization in embodied manipulation. However, their decision-making relies on a fast, instinctive process that lacks deliberation. This strategy often leads to suboptimal or catastrophic actions when facing complex or ambiguous scenarios that require greater consideration. In this paper, we introduce \textbf{VLA-ATTC}, a framework that endows VLA models with adaptive test-time compute (TTC). VLA-ATTC employs an uncertainty-based ``cognitive clutch'' to dynamically transition from reflexive execution to a TTC deliberation phase when necessary. During TTC phase, a novel \textbf{Relative Action Critic} (RAC) model identifies the optimal action from generated candidates via pairwise comparisons. This relative mechanism replaces unstable absolute value estimation, significantly simplifying the learning objective. Furthermore, we introduce an efficient sampling strategy to amortize computational costs and an automated data pipeline that curates preference pairs without manual annotation. On the LIBERO-LONG benchmark, VLA-ATTC reduces the failure rate of the SOTA model PI0.5 by over 50\%. We will open-source all the code and weights.

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

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