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:2609.06079

LayerRoute: 行動条件付きレイヤー混合ルーティングによる視覚言語行動ポリシー

LayerRoute: Action-Conditioned Mixture-of-Layers Routing for Vision-Language-Action Policies

シェア:XThreadsFacebookLINEはてブBluesky

視覚言語行動(VLA)ポリシーにおいて、行動モジュールの状態に応じてVLMのレイヤー表現を動的に混合・再利用するルーティング手法を提案し、シミュレーションと実世界で性能を向上させた。

詳しい要約

1. どんなもの?

LayerRouteは、Vision-Language-Action (VLA)ポリシー向けの新しい表現ルーティングインターフェースを提案する。VLAポリシーは事前学習済みのVision-Language Model (VLM)を利用してロボット制御のアクション生成を行うが、既存のVLAインターフェースでは、VLMの各層の表現へのアクセスが固定された層割り当てに制限され、アクション計算中の中間表現も明示的に再利用されない。LayerRouteは、アクション条件付きの適応的ルーティングを導入し、VLM層とアクション表現への動的アクセスを可能にする。具体的には、Layer Mixture RouterがキャッシュされたVLM表現の動的混合を形成し、Action-State Rereadが以前のアクション表現を再利用する。これにより、タスクに応じて適切な層の表現を選択し、ロボット制御の性能を向上させる。

2. 先行研究と比べてどこがすごい?

先行研究のVLAインターフェースは、VLM情報を各アクション層に対して固定された層割り当てで公開し、中間アクション状態は残差ストリームを通じて暗黙的にのみ伝播される。LayerRouteは、アクション条件付きのルーティングを導入することで、VLM層とアクション表現への適応的アクセスを可能にし、固定割り当ての制限を克服している。また、Action-State Rereadにより、以前のアクション表現を明示的に再利用する点が新しい。これにより、タスクに応じて必要な表現を動的に選択でき、性能向上を達成している。

3. 技術・手法の肝は?

手法の核心は2つのコンポーネントからなる。1つ目はLayer Mixture Routerで、アクション層の状態に基づいて、キャッシュされたVLMの各層の表現の重みを動的に計算し、混合表現を生成する。2つ目はAction-State Rereadで、アクション計算の中間状態を保存し、後のアクション層で再利用する。これにより、VLMの階層的表現とアクションの進行状態を考慮した適応的なルーティングが実現される。追加パラメータはわずかで、既存のVLAポリシーに統合可能である。

4. どうやって有効だと検証した?

多様なシミュレーションと実世界のベンチマークで評価された。具体的には、LIBERO Longなどのベンチマークで、StarVLA-πとπ0.5をベースラインとして、LayerRouteを統合した際の性能を比較した。その結果、LIBERO Longで最大7.2の性能向上を達成し、追加パラメータは0.31% / 3.87%とわずかである。また、アブレーション研究により、アクション条件付き層ルーティングの有効性が確認され、ルーティング分析により、アクション層やタスク設定に応じた構造化された割り当てパターンが明らかにされた。

5. 議論はある?

要旨からは、LayerRouteの有効性は示されているが、潜在的な限界や議論については明示されていない。例えば、異なるVLAアーキテクチャへの一般化や、実世界の多様なタスクでのスケーラビリティ、ルーティングの解釈可能性などに関する議論は要旨には含まれていない。また、追加パラメータが少ないとはいえ、計算オーバーヘッドや実時間性能への影響も不明である。これらの点は要旨からは不明であり、今後の研究で検討されるべきであろう。

6. 次に読むべき論文は?

要旨で参照されている研究は、StarVLA-πとπ0.5であり、これらはVLAポリシーのベースラインとして使用されている。また、VLMの階層的表現を利用する関連研究や、アクション条件付きルーティングの類似手法が考えられるが、具体的な論文名は要旨にない。次に読むべき論文としては、VLAポリシーの基盤となるVision-Language-Actionモデルに関する研究や、Mixture-of-Experts (MoE) を用いた適応的ルーティングの手法が関連する。具体的には、π0.5やStarVLA-πの元論文、およびVLMの層表現を利用したロボット制御の研究が挙げられる。

※ 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: Zheng Lu, Haoran Liao, Wanqi Zhong, Yunhe Ni, Lijie Wang, Xingjie Fan, Zhisheng Chen, Yantang Qu, Meijia Chen, Tianyu Xin, Zirui Song, Yiming Li

分類: cs.AI, cs.LG

原文アブストラクト

Vision-Language-Action (VLA) policies leverage pretrained vision-language models (VLMs) to guide action generation for robot control. VLMs provide hierarchical visual-semantic representations that evolve across layers, from local visual geometry to abstract, language-aligned semantics; different manipulation tasks may therefore require different mixtures of layer representations. Meanwhile, the action module maintains intermediate representations that evolve throughout action computation and may provide useful information for subsequent decisions. However, existing VLA interfaces offer limited flexibility in representation access: VLM information is exposed through fixed layer assignments for each action layer, while intermediate action states are only propagated implicitly through residual streams without explicit reuse. We introduce LayerRoute, an action-conditioned representation routing interface that enables adaptive access to VLM layers and action representations. The Layer Mixture Router dynamically forms mixtures of cached VLM representations, while Action-State Reread reuses earlier action representations. Across diverse simulation and real-world benchmarks, LayerRoute consistently improves StarVLA-$π$ and $π_{0.5}$, achieving up to 7.2 gains on LIBERO Long with only 0.31% / 3.87% additional parameters. Ablation studies validate the benefit of action-conditioned layer routing, while routing analyses reveal structured allocation patterns across action layers and task settings.

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. 3GXO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
  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