日本フィジカルAI新聞

世界のフィジカルAIを、日本語で。

継続学習/VLAarXiv:2605.26820

視覚言語行動モデルは実世界データから忘れずに継続学習できるか?

Can Vision-Language-Action Models Learn from Real-World Data Continually without Forgetting?

シェア:XThreadsFacebookLINEはてブBluesky

実世界のロボット連続操作タスクでVLAモデルの継続学習を検証し、経験再生が破滅的忘却を防ぎ、ジョイント訓練と同等以上の性能を達成することを示した。

詳しい要約

1. どんなもの?

Vision-Language-Action (VLA) モデルが実世界で継続的に新スキルを獲得しつつ過去のスキルを忘れないための継続学習を検証する研究。単腕・双腕の10種類の多様な連続マニピュレーションタスクからなる実世界継続学習ベンチマークを構築し、実環境下での継続学習の課題を調査。

2. 先行研究と比べてどこがすごい?

従来のVLA継続学習研究はシミュレーション設定が中心で、実世界の物理条件下での検証はほとんど未着手だった。本研究は実世界ベンチマークを構築し、実環境での継続学習の困難さを明らかにした点が新しい。

3. 技術・手法の肝は?

実世界の連続マニピュレーションタスクからなるベンチマークを設計。ナイーブな逐次ファインチューニングとexperience replay (ER) を比較し、ERの設定を適切に構成することで忘却を緩和。合成された実証的知見に基づき、10タスクの異種ストリーム全体で安定した継続学習を実現。

4. どうやって有効だと検証した?

構築した実世界ベンチマーク上で広範な実験を実施。ナイーブな逐次ファインチューニングが深刻なcatastrophic forgettingを引き起こす一方、適切に設定されたERが同等の計算予算下でjoint multi-task trainingを上回ることを示した。さらに10タスク全体で安定した継続学習を達成し、実世界展開で多様な新スキルに適応しつつ以前の能力を保持できることを確認。

5. 議論はある?

実世界での継続VLA学習に関する実証研究であり、堅牢で長寿命なロボティックポリシーの展開に向けた実用的な知見を提供。ただし、具体的な議論の詳細や限界については要旨からは不明。

6. 次に読むべき論文は?

要旨で参照/比較されている研究は明示されていないが、関連手法としてexperience replay (ER) やjoint multi-task training、シミュレーション設定でのVLA継続学習研究が挙げられる。同分野の定番としてcatastrophic forgetting対策やcontinual learning全般の文献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: Jiarun Zhu, Yijun Hong, Xiaoquan Sun, Zetian Xu, Qijun He, Haijier Chen, Zhiyong Wang, Mingqi Yuan, Wenjun Zeng, Jiayu Chen

分類: cs.RO

原文アブストラクト

Vision-Language-Action (VLA) models provide a promising foundation for general-purpose robotics, yet their real-world deployment demands the ability to continually acquire new skills without forgetting prior ones. While recent studies have explored continual learning for VLA models in simulated settings, the challenge remains largely unexamined under realistic physical conditions. To bridge this gap, we construct a real-world continual learning benchmark comprising ten diverse sequential manipulation tasks across both single-arm and bimanual configurations. Through extensive experiments on this benchmark, we find that naive sequential fine-tuning leads to severe catastrophic forgetting, whereas a well-configured experience replay (ER) approach can effectively mitigate forgetting and outperform joint multi-task training under equivalent computational budgets. Notably, by synthesizing our empirical findings, we successfully achieve stable continual learning across the full 10-task heterogeneous stream, retaining previously acquired capabilities while adapting to diverse new skills in real-world deployment. This work presents an empirical study grounded in real-world continual VLA learning and offers actionable insights for deploying robust, long-lived robotic policies.

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

MINISFORUM(ミニPC)

MINISFORUM(ミニPC)の公式広告バナーMINISFORUM公式ストアを見る ↗
PR本紙発行元 EmplifAI