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/模倣学習arXiv:2605.08434

失敗から学ぶ:適応的失敗情報学習による視覚言語行動モデルの強化

Failing Forward: Adaptive Failure-Informed Learning for Vision-Language-Action Models

シェア:XThreadsFacebookLINEはてブBluesky

失敗軌跡を適応的な負のガイダンスとして利用し、拡散・フローベースのVLAポリシーを学習するフレームワークAFILを提案。成功と失敗のデュアルアクション生成器を共有バックボーンで訓練し、サンプリング時に失敗領域から遠ざけることでロバスト性を向上させる。

詳しい要約

1. どんなもの?

- Vision-language-action (VLA) モデル向けの新しい学習フレームワーク - 名称は Adaptive Failure-Informed Learning (AFIL) - 失敗軌道を適応的な負のガイダンスとして活用 - diffusion- and flow-based VLA policies を対象 - 成功のみの behavioral cloning の脆さを改善 - オンラインで失敗ロールアウトを生成し、手作業の失敗モード設計や人間の介入を不要にする - 成功と失敗の Dual Action Generators (DAGs) を共通の vision-language backbone で学習 - サンプリング時に失敗生成器が失敗しやすい領域を避け、信頼できる成功モードへ誘導

2. 先行研究と比べてどこがすごい?

- 従来の VLA は成功のみの behavioral cloning に依存し、失敗からの修正信号がない - 小さな実行エラーが複合して回復不能な out-of-distribution 失敗になりやすい - AFIL は失敗軌道を負のガイダンスとして活用し、失敗を学習に組み込む - 手作業による失敗モード設計や human-in-the-loop recovery を不要にする - 限られたパラメータオーバーヘッドで失敗を考慮したポリシー学習を実現 - 既存の VLA ベースラインよりタスク成功率とロバスト性を一貫して改善

3. 技術・手法の肝は?

- 事前学習済み VLA を用いてオンラインで失敗ロールアウトを生成 - 成功行動と失敗行動のための Dual Action Generators (DAGs) を共同訓練 - 共通の vision-language backbone を共有し、パラメータ効率を確保 - サンプリング時、失敗生成器が行動生成を失敗しやすい領域から遠ざけ、成功モードへ誘導 - ガイダンス強度は各 diffusion step における成功分布と失敗分布の距離に基づいて適応的に決定 - diffusion- and flow-based VLA policies に適用可能な end-to-end フレームワーク

4. どうやって有効だと検証した?

- in-domain および out-of-domain のロボットマニピュレーションタスクで実験 - 短期的および長期的な設定の両方をカバー - 既存の VLA ベースラインと比較してタスク成功率とロバスト性を評価 - AFIL が一貫して成功率とロバスト性を改善することを示す - 有効性、効率性、汎用性を実証

5. 議論はある?

- 要旨からは不明 - 失敗軌道の生成品質や分布シフトへの影響、計算コスト、他タスクへの一般化限界などは明示されていない

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 diffusion policy、flow matching、behavioral cloning、vision-language-action (VLA) モデル、Dual Action Generators (DAGs) が挙げられる - 同分野の定番として RT-1、RT-2、OpenVLA などの VLA 研究が次に読むべき候補

※ 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: Meng Zheng, Samhita Marri, Anwesa Choudhuri, Benjamin Planche, Zhongpai Gao, Van Nguyen Nguyen, Terrence Chen, Girish Chowdhary, Ziyan Wu

分類: cs.RO

原文アブストラクト

Vision-language-action (VLA) models provide a promising paradigm for scalable robotic manipulation, yet their reliance on success-only behavioral cloning leaves them brittle; lacking corrective training signals, minor execution errors rapidly compound into unrecoverable, out-of-distribution failures. To address this limitation, we propose Adaptive Failure-Informed Learning (AFIL), an end-to-end framework that leverages failure trajectories as adaptive negative guidance for diffusion- and flow-based VLA policies. AFIL uses a pretrained VLA to generate failure rollouts online, avoiding the need for handcrafted failure-mode design or human-in-the-loop recovery. It then jointly trains Dual Action Generators (DAGs) for successful and failed behaviors while sharing a common vision-language backbone, enabling efficient failure-aware policy learning with limited parameter overhead. During sampling, the failure generator adaptively steers action generation away from failure-prone regions and toward more reliable success modes, with guidance strength determined by the per-diffusion-step distance between success and failure distributions. Experiments across in-domain and out-of-domain robotic manipulation tasks, covering both short- and long-horizon settings, show that AFIL consistently improves task success rates and robustness over existing VLA baselines, demonstrating its effectiveness, efficiency, and generality.

  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