日本フィジカルAI新聞

世界のフィジカルAIを、日本語で。

VLAarXiv:2606.26025

ロボット制御のための文脈内世界モデリング

In-Context World Modeling for Robotic Control

シェア:XThreadsFacebookLINEはてブBluesky

ロボットポリシーが短い自己生成インタラクション履歴からシステム変数を推論し、新しいカメラ視点やロボット形態にパラメータ更新なしで適応するフレームワークを提案した。

詳しい要約

1. どんなもの?

- 現代のVision-Language-Action (VLA)モデルは、現在の観測と言語指示のみに条件付けられるため、カメラ視点やロボット形態の変化などの新しい設定に一般化できない。 - 本研究では、システム同定をin-context適応問題として扱うIn-Context World Modeling (ICWM)フレームワークを導入。 - ICWMは、ロボットポリシーが自己生成したタスク非依存の短い相互作用履歴から、システム変数を自律的に推論できるようにする。 - 従来のIn-Context Learningがタスクの指定にデモンストレーションを使うのに対し、ICWMはコンテキストウィンドウをシステムの動作理解に活用する。 - タスク実行前にこれらの相互作用を処理することで、モデルは現在のシステムの世界ダイナミクスを暗黙的に捉え、パラメータ更新なしで新しい構成に適応できる。

2. 先行研究と比べてどこがすごい?

- 従来のVLAモデルは、訓練時に遭遇した固定の実行コンテキストを暗黙的に仮定し、新しい環境にはデータ集約的なファインチューニングが必要だった。 - ICWMは、システム構成を変数として扱い、コンテキストウィンドウを利用してシステムの動作を理解することで、パラメータ更新なしに新しい構成に適応する。 - シミュレーションと実世界のロボットプラットフォームでの実験で、ICWMは新しいカメラ視点において標準的なVLAベースラインを大幅に上回る性能を示した。

3. 技術・手法の肝は?

- ICWMは、システム同定をin-context適応問題として定式化する。 - ロボットポリシーは、自己生成されたタスク非依存の短い相互作用履歴から、必須のシステム変数を自律的に推論する。 - 従来のIn-Context Learningとは異なり、ICWMはコンテキストウィンドウを「どのタスクを実行するか」ではなく「システムがどのように動作するか」を理解するために活用する。 - タスク実行前にこれらの相互作用を処理することで、モデルは現在のシステムの世界ダイナミクスを暗黙的に捉え、パラメータ更新なしで新しい構成に適応する。

4. どうやって有効だと検証した?

- シミュレーションと実世界のロボットプラットフォームでの広範な実験を実施。 - 新しいカメラ視点において、ICWMが標準的なVLAベースラインを大幅に上回ることを示した。

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や関連手法: Vision-Language-Action (VLA)モデル、In-Context Learning。 - 同分野の定番: 特に指定なし。

※ 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: Siyin Wang, Junhao Shi, Senyu Fei, Zhaoyang Fu, Li Ji, Jingjing Gong, Xipeng Qiu

分類: cs.RO, cs.CV

原文アブストラクト

Modern Vision-Language-Action (VLA) models often fail to generalize to novel setups, such as altered camera viewpoints or robot morphologies, because they are typically conditioned only on current observations and language instructions. By ignoring the underlying system configuration as a variable, these models implicitly assume a fixed execution context encountered during training, necessitating data-intensive fine-tuning for any new environment. In this work, we introduce In-Context World Modeling (ICWM), a framework that treats system identification as an in-context adaptation problem. ICWM enables robot policies to autonomously infer essential system variables from a short history of self-generated, task-agnostic interactions. Unlike traditional In-Context Learning that uses demonstrations to specify what task to perform, ICWM leverages the context window to understand how the system operates. By processing these interactions before task execution, the model implicitly captures the world dynamics of the current system, enabling adaptation to novel configurations without parameter updates. Extensive experiments in simulation and on real-world robot platforms demonstrate that ICWM significantly outperforms standard VLA baselines on novel camera viewpoints.

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

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