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:2611.09376

LLMは重み編集でロボットをデバッグできるか

Can LLMs Debug Robots by Editing Their Weights?

シェア:XThreadsFacebookLINEはてブBluesky

GPT-6 Astraがロボット基盤ポリシーの重みの一部(65行のトークン埋め込み)を編集し、勾配更新や新規デモなしに言い換え指示への成功率を86.3%から92.0%へ改善した。

詳しい要約

1. どんなもの?

- ロボット基盤ポリシー($\pi_{0.5}$)の語彙的指示グラウンディングを、LLM(GPT-6 Astra)が重み編集で修復する試み - 勾配更新や新規デモンストレーションなしで、トークン埋め込みの65行のみを編集 - 重みを読み取り、CPUワークスペースと予算付きシミュレータフィードバックを用いる weight-space programming の枠組み - 対象はロボットポリシーのデバッグであり、一般的な能力獲得ではないと位置づけ

2. 先行研究と比べてどこがすごい?

- 従来のポリシー改善は勾配更新や追加デモを要することが多いが、本手法はそれらを不要とする - わずか65行の token-embedding 編集で held-out paraphrase の成功率を改善 - ランダム方向の編集では効果がないことを対照実験で示す - 編集者自身の lexicon による完全置換よりも回帰が少ない傾向 - ただし先行研究との直接比較は要旨からは不明

3. 技術・手法の肝は?

- GPT-6 Astra がポリシーの重みを読み、CPUワークスペース上で編集候補を生成 - 予算付きシミュレータフィードバックを用いて候補を評価・選別 - 勾配更新や新規デモンストレーションなしで token-embedding 行を編集 - 13の追加ロボットセッションでは候補を棄却する仕組みも備える

4. どうやって有効だと検証した?

- $\pi_{0.5}$ 上の3独立セッションで765の held-out paraphrase を評価 - 最良で成功率 86.3% → 92.0%(48修復、4回帰、exact paired $p=1.31\times10^{-10}$) - 編集トークンを含む335指示では 74.3% → 87.5%、残り430エピソードは結果変化なし - ランダム方向編集は効果なし - 追加13セッションでは12候補を棄却、残る1件も有意な held-out 改善なし - 別途、benchmark metadata が FastWAM の成功率を 70.0% → 48.6% に低下させる一方、評価対象 VLA の集計率は不変

5. 議論はある?

- 得られた証拠は精密な語彙修復を支持するが、欠落したロボット能力の一般的獲得は支持しない - 編集者自身の lexicon による完全置換は利得の多くを説明するが回帰が増え、編集者との直接差は 0.05 で有意でない - 追加セッションでの棄却が多く、汎化や再現性には限界 - benchmark metadata の影響は評価設計上の注意点を示唆

6. 次に読むべき論文は?

- $\pi_{0.5}$ および FastWAM の原論文 - weight-space programming や model editing の関連研究 - token-embedding 編集や lexical grounding に関する研究 - VLA(vision-language-action)ポリシーのデバッグ手法 - 要旨で直接参照されている研究は限られるため、同分野の定番として上記を挙げる

※ 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: Jusheng Zhang, Keze Wang, Liang Lin

分類: cs.RO, cs.AI

原文アブストラクト

A language model can repair a robot policy's lexical instruction grounding by editing just 65 token-embedding rows. We bring weight-space programming to robot foundation policies: GPT-6 Astra reads weights and uses a CPU workspace and budgeted simulator feedback, without gradient updates or new demonstrations. Three independent sessions on $π_{0.5}$ all improve success on 765 held-out paraphrases; the best raises success from 86.3\% to 92.0\% (48 repairs, four regressions; exact paired $p=1.31\times10^{-10}$). Among the 335 instructions containing edited tokens, success rises from 74.3\% to 87.5\%; the other 430 episodes have zero outcome changes. Matched random-direction edits do not help. Full replacement using the editor's own lexicon explains much of the gain but produces more regressions; its direct difference from the editor is not significant at 0.05. Across 13 further robot sessions, the editor declines 12 candidates; the sole retained edit does not show a significant held-out gain. Separately, benchmark metadata lowers FastWAM success from 70.0\% to 48.6\%, while the evaluated VLA's aggregate rate is unchanged. The evidence supports precise lexical repair, not general acquisition of missing robot capabilities.

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. 2GXO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
  3. 3newmo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
  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