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:2610.24804

生涯ロボット学習のための疎なアダプタ割当・再利用・統合手法SARAM

SARAM: Sparse Adapter Allocation with Reuse and Merging for Lifelong Robot Learning

シェア:XThreadsFacebookLINEはてブBluesky

新タスクごとに疎な層だけにアダプタを追加し既存の凍結アダプタを再利用、展開時はタスク署名で更新をバックボーンに統合することで、記憶容量と推論コストをタスク数に依存させずに生涯学習を実現した。

詳しい要約

1. どんなもの?

- 生涯ロボット学習のためのフレームワーク「SARAM」 - 大規模pre-trained vision-language-action (VLA) backboneを前提とする - タスクを逐次獲得しつつ過去タスクを忘却しないことを目的とする - adapter-based手法の課題であるタスク固有adapterと選択モジュールの蓄積を抑える - 固定されたonboard資源予算下でのon-disk storageとdeployment costのscalabilityを狙う - ストレージ増加を制限しつつ、GPU memoryとper-step inference costをタスク系列長に依存させない - 実機UR5 armでも検証

2. 先行研究と比べてどこがすごい?

- 先行のadapter-based手法はタスク固有adapterとselection moduleがタスク系列とともに蓄積し、on-disk storageとdeployment costがscalabilityの課題となる - SARAMはタスク系列長に対してGPU memoryとper-step inference costを独立に保つ点が異なる - タスクごとのon-disk stateを最大4.5x削減しつつ、4つのLIBERO suitesでadapter-based baselinesと同等以上 - タスク系列が伸びてもGPU memory usageとcontrol frequencyがbackboneと同程度に保たれる - 異なるbackboneの実機UR5 armでも逐次タスク系列を通じたretentionを示す

3. 技術・手法の肝は?

- 新タスクごとに過去タスクのfrozen adaptersを再利用する - 新規adapterはsparsely selected layersにのみ導入する - duplication penaltyにより、adapter libraryが既に表現していない情報を新adapterが捉えるよう促す - deployment時はbackbone activation statisticsから導くcompact signatureでepisodeごとに1回タスクを識別する - 対応するtask updateをbackboneにmergeし、control loopにはbackboneのみを残す

4. どうやって有効だと検証した?

- 4つのLIBERO suitesでadapter-based baselinesと比較 - 性能は同等以上 - タスクあたりのon-disk stateは最大4.5x少ない - タスク系列が伸びてもGPU memory usageとcontrol frequencyがbackboneと同程度であることを確認 - 異なるbackboneを用いた実機UR5 armでの実験により、逐次タスク系列を通じたretentionを実証

5. 議論はある?

- 要旨からは不明 - 想定される論点として、sparsely selected layersの選び方、duplication penaltyの設計、compact signatureの識別精度、merge後のbackbone更新の影響などが考えられるが、要旨には明記されていない

6. 次に読むべき論文は?

- 比較対象のadapter-based lifelong learning手法(要旨では個別名の記載なし) - 基盤となるvision-language-action (VLA) backbone(要旨では個別名の記載なし) - LIBERO benchmark - 関連する定番としてadapter-based continual learning、parameter-efficient fine-tuning、experience replayを用いたlifelong learning

※ 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: SeongJun Jeong, Chungwoo Lee, Gi-Cheon Kang, Byoung-Tak Zhang

分類: cs.RO

原文アブストラクト

Lifelong robot learning requires acquiring new tasks sequentially without forgetting earlier ones. With large pre-trained vision-language-action (VLA) backbones, adapter-based methods effectively mitigate this challenge. However, their task-specific adapters and selection modules accumulate with the task stream, creating a scalability challenge in on-disk storage and deployment cost under fixed onboard resource budgets. We propose SARAM, a lifelong learning framework that limits storage growth while keeping GPU memory and per-step inference cost independent of the task stream length. For each new task, SARAM reuses frozen adapters from previous tasks and introduces new adapters only at sparsely selected layers, with a duplication penalty encouraging them to capture information not already represented by the adapter library. At deployment, a compact signature derived from backbone activation statistics identifies the task once per episode, and the corresponding task update is merged into the backbone, leaving only the backbone in the control loop. Across four LIBERO suites, SARAM matches or exceeds adapter-based baselines while adding up to 4.5x less on-disk state per task. GPU memory usage and control frequency remain comparable to those of the backbone as the task stream grows. Experiments on a real UR5 arm with a different backbone further demonstrate retention throughout a sequential task stream.

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