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:2607.00666

ドメイン算術:環境変化下でのワンショットVLA適応

Domain Arithmetic: One-Shot VLA Adaptation under Environmental Shifts

シェア:XThreadsFacebookLINEはてブBluesky

環境変化(カメラ位置やロボットの種類の変更)で性能が落ちるVLAモデルを、タスクごとに1つのデモのみで適応させる手法DARTを提案。重みベクトルの算術演算と特異成分の部分空間整列により、ドメイン固有情報を抽出して適応する。

詳しい要約

1. どんなもの?

DARTは、環境変化(カメラ姿勢の変化や類似ロボットへの変更など)下でVision-Language-Action (VLA)モデルを適応させるための、アナロジーに基づく手法。タスクごとに複数のデモンストレーションを必要とせず、単一のデモンストレーションのみで適応を実現する。重みベクトルの算術演算(ドメイン固有情報の加算)を用いる。

2. 先行研究と比べてどこがすごい?

従来のVLA適応手法は、環境変化に対して複数のデモンストレーションを必要とすることが多く、データ収集とトレーニングのコストが高い。DARTは単一のデモンストレーションのみで適応できるため、データ収集の負担を大幅に軽減する点が優れている。また、重みベクトル間の特異成分の部分空間アライメントによりノイズ成分を除去し、ドメイン固有情報を正確に分離する点も新しい。

3. 技術・手法の肝は?

手法の核心は、重みベクトルの算術演算によるドメイン適応。具体的には、ソースドメインとターゲットドメインの間で、ドメイン固有情報を重みベクトルに加算する。ノイズ成分を除去するために、特異値分解に基づく部分空間アライメントを行い、重みベクトル間の特異成分を対応付けて、ドメイン固有情報を正確に抽出する。

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両方の実験で、多様な視覚的変化と身体的变化(embodiment shifts)を含むワンショットシナリオにおいて、既存のVLA適応手法と比較してDARTが優れていることを示した。

5. 議論はある?

要旨からは、DARTの限界や潜在的な問題についての議論は不明。ただし、単一のデモンストレーションに依存するため、デモンストレーションの質や代表性が適応性能に影響する可能性が考えられるが、要旨には明記されていない。

6. 次に読むべき論文は?

要旨で参照されている先行研究や関連手法は明示されていないが、VLAモデル適応の分野では、例えば、"RT-2"や"OpenVLA"などのVLAモデル、およびドメイン適応の一般的な手法(例えば、"Domain Adaptation"や"Few-Shot Learning")が関連する。次に読むべき論文としては、これらの基盤とな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: Taewook Kang, Taeheon Kim, Donghyun Shin, Jonghyun Choi

分類: cs.RO, cs.CV, cs.LG

原文アブストラクト

Vision-Language-Action (VLA) models often fail to perform the same learned tasks under environmental shifts, such as changes in camera pose and shifts to a different but similar robot (e.g., from Panda to UR5e). Adapting these models to the shifted environment (i.e., target domain) often requires training on multiple demonstrations for each task, which are costly to collect. To reduce the burden of data curation and training, we propose an analogy-based method that adapts VLA models under environmental shifts through weight vector arithmetic with domain-specific information addition, named Domain ARiThmetic (DART). Unlike prior approaches, DART requires collecting only a single demonstration, enabling efficient adaptation. To accurately isolate domain-specific information for addition, DART performs subspace alignment between singular components in weight vectors to filter out noisy components. In both simulated and real-world experiments, DART outperforms existing VLA adaptation methods in one-shot scenarios across diverse visual and embodiment shifts. Code is available at https://github.com/snumprlab/dart.

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. 3NVIDIA、CoRLでGR00T 2とIsaac Lab 3.0を発表新製品・発表
  4. 4GXO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
  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