RecastVLA: 適応的ポリシー状態による過去の相互作用から未来の制御へ

- RecastVLAは、sequential manipulation における過去の相互作用を、action generation 自体が持続的な state として保持する VLA policy。 - flow-matching ベースの vision-language-action policy 内に adaptive policy state を維持する。 - この state は shared fast weights で表現され、action generation 中は固定される。 - depth-specific interfaces が同じ state を読み、depth と flow evaluations の特徴が次の policy call のための1回の update を共同で定義する。

- 明示的な history representation を持つ policy は過去の相互作用を context として利用できるが、本手法は action generation 自体を subsequent control の持続的 state にする点を問う。 - action-side test-time training を基盤とし、flow-matching VLA policy 内に adaptive policy state を組み込む。 - 制御された RoboTwin 比較で、state を保持することで success が改善し、shared design は independently trained layer-local TTT を 2.58 points 上回る。

- flow-matching vision-language-action policy 内で adaptive policy state を維持する。 - state は shared fast weights として表現され、action generation 中は固定される。 - depth-specific interfaces が同一 state を読み、depth と flow evaluations の特徴が次の policy call の update を共同で定義する。 - subsequent action losses が initialization、interfaces、update rule を、以前の state transitions を通した微分により訓練する。 - 展開時、update は expert action labels なしで policy 自身の action-generation features を用いる。

- LIBERO、RoboTwin、RoboDojo、および12の real-robot tasks で評価。 - test-time training なしで訓練した matched policy と比較し、mean success が改善。 - RoboTwin Clean-to-Clean で 10.68 percentage points の改善。 - 制御された RoboTwin 比較で、state の保持が success を改善し、shared design が independently trained layer-local TTT を 2.58 points 上回る。

- 要旨からは不明。

- action-side test-time training、flow-matching vision-language-action policy、layer-local TTT が関連手法として挙げられる。 - 同分野の定番として vision-language-action models、test-time training、sequential manipulation の研究が参考になる。