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:2610.04933

DiVeR: VLAのテスト時スケーリングのための意思決定クリティカル検証器学習

DiVeR: Decision-Critical Verifier Learning for VLA Test-Time Scaling

シェア:XThreadsFacebookLINEはてブBluesky

VLA方針のテスト時スケーリングにおいて、行動候補の識別に重要な状態を推定し、検証器の学習を再重み付けする手法DiVeRを提案。LIBEROやRoboCasa、実機実験で成功率を向上させた。

詳しい要約

1. どんなもの?

- VLAポリシーの性能向上を目的とした検証器学習手法 - 推論時に複数の行動候補をサンプリングし、成功に導くものを選択するtest-time scaling - 軌跡レベルの結果から学習する分類ベース検証器の課題に対処 - 決定臨界状態を推定し、検証器学習を再重み付けするDiVeRを提案 - LIBERO, RoboCasa, 実世界Franka Research 3で有効性を検証

2. 先行研究と比べてどこがすごい?

- 既存の分類ベース検証器は軌跡レベルの結果のみを使用 - 全ての訪問状態を等しく扱い、候補識別に役立つ状態の差異を無視 - DiVeRは決定臨界性を推定し、重要な状態に学習を集中 - ステップレベルのアノテーションや追加の環境相互作用が不要 - 検証器推論のオーバーヘッドはごくわずか

3. 技術・手法の肝は?

- サンプリングされた行動表現の分散から決定臨界性を推定 - 分散が大きい状態を決定臨界状態とみなす - この信号を用いて検証器学習の重みを再調整 - 行動選択が最も結果に影響する状態に学習を誘導 - 追加のアノテーションや環境相互作用を必要としない

4. どうやって有効だと検証した?

- LIBERO, RoboCasa, 実世界Franka Research 3での実験 - 検証器ガイド付き行動選択によりタスク成功率が一貫して向上 - 検証器推論のオーバーヘッドは無視できる程度 - 有効性を複数環境で確認

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 - 関連手法として分類ベース検証器、test-time scaling、VLAポリシー、LIBERO, RoboCasa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: Seongheon Park, Heecheol Kim, Shulin Tian, Lilika Makabe, Namiko Saito, Katsushi Ikeuchi, Sharon Li, Yasuyuki Matsushita

分類: cs.RO, cs.AI, cs.LG

原文アブストラクト

Scaling robot data and model capacity has improved Vision-Language-Action (VLA) policies, but further progress is constrained by the high cost of robotic data. Verifier-guided test-time scaling offers an efficient alternative by sampling multiple action candidates and selecting the one most likely to lead to task success at inference time. Existing classification-based verifiers learn from trajectory-level outcomes but treat all visited states equally, even though their value for candidate discrimination can vary across a trajectory. At many states, plausible actions are similar and provide limited discrimination signal, while only a sparse set of decision-critical states admits meaningfully different actions that can substantially affect downstream outcomes. To address this, we propose DiVeR, which estimates decision criticality from the dispersion of sampled action representations. DiVeR then uses this signal to reweight verifier learning toward states where action selection is most consequential, without requiring step-level annotations or additional environment interaction. Across LIBERO, RoboCasa, and real-world experiments on a Franka Research 3 robot, DiVeR consistently improves task success through more effective verifier-guided action selection, while adding negligible verifier inference overhead.

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

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