VLA/失敗予測2026/6/1arXiv:2606.19998

Tri-Info: 情報理論によるVLAモデルの汎用的で解釈可能な失敗予測

Tri-Info: Generalizable, Interpretable Failure Prediction for VLA Models via Information Theory

VLAモデルの動作を情報理論の観点から分析し、成功と失敗で異なる情報的シグネチャを捉えるTri-Info信号を提案。再学習なしでアーキテクチャや環境をまたいで失敗を検出でき、実世界タスクでも高い精度を達成。

詳しい要約

1. どんなもの？

- VLA models の failure prediction 手法 Tri-Info を提案 - 成功/失敗の rollout が情報理論的に異なる signature を持つと観察 - VLA 制御を closed-loop information pipeline として定式化 - 3つの情報理論的信号 (Triple Information-theoretic signals) を導出 - 6つの VLA models と3つの benchmark environments で評価 - 再学習なしで architecture, environment, sim-to-real を転移 - 実世界タスクで 83% accuracy を達成

2. 先行研究と比べてどこがすごい？

- 既存 detector は実世界タスクで chance level に崩壊 - Tri-Info は再学習なしで sim-to-real gap を転移し 83% accuracy - in-domain では最強 baseline と同等 - architecture と environment をまたいで転移可能 - 単純ながら強力な手法として位置づけ - 失敗モードの解釈可能な診断も提供

3. 技術・手法の肝は？

- VLA 制御を closed-loop information pipeline として形式化 - 成功/失敗 rollout の情報理論的 signature の違いに基づく - Triple Information-theoretic (Tri-Info) signals を導出 - 信号は actions の diversity を捉える - 信号は temporal consistency を捉える - 信号は state transitions との coupling を捉える - これら3つの情報理論的信号を failure prediction に使用

4. どうやって有効だと検証した？

- 6つの VLA models で評価 - 3つの benchmark environments で評価 - in-domain で最強 baseline と同等の性能を確認 - architecture, environment, sim-to-real gap への転移を検証 - 再学習なしで実世界タスクに適用し 83% accuracy を達成 - 既存 detector が chance level に崩壊する実世界タスクで有効性を確認

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/比較されている研究は明示されていない - 同分野の定番として VLA models, failure detection, sim-to-real transfer に関する研究が挙げられる

※ 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: Jinghan Yang, Yunchao Zhang, Wang Yuan, Haolun Wan, Jiaming Zhang, Zhengyang Hu, Yanchao Yang

分類: cs.RO, cs.AI, cs.CV, cs.LG

原文アブストラクト

Vision-Language-Action (VLA) models are increasingly deployed across diverse tasks, yet they remain black boxes whose physical interactions can cause irreversible harm, making generalizable and interpretable failure detection essential. We observe that successful and failed rollouts carry systematically different information-theoretic signatures. Building on this, we formalize VLA control as a closed-loop information pipeline and derive the Triple Information-theoretic (Tri-Info) signals that capture whether actions remain diverse, temporally consistent, and coupled to state transitions. Across six VLA models and three benchmark environments, Tri-Info matches the strongest baselines in-domain. Moreover, Tri-Info transfers across architectures, environments, and the sim-to-real gap without retraining, reaching 83\% accuracy on real-world tasks where prior detectors collapse to chance. This establishes Tri-Info as a simple yet powerful method that not only detects failures with strong cross-domain generalization, but also delivers interpretable diagnostics of the underlying failure modes.

arXivで原文を読む →arXiv概要ページ

← 論文一覧