何が起きたか

研究チームは2026年5月17日、arXivにプレプリント「DyGRO-VLA: Cross-Task Scaling of Vision-Language-Action Models via Dynamic Grouped Residual Optimization」を公開した。同フレームワークは、VLAモデルの強化学習（RL）最適化をタスク横断的に拡張し、汎用性を向上させることを目的とする。

詳細

DyGRO-VLAは2段階の最適化フレームワークで、(1)情報理論の原理に基づきタスク横断的な潜在表現を獲得し、(2)混合RL残差（mixture-of-RL-residuals）により方策最適化を動的に洗練する。これにより、タスク関連の潜在情報を活用しつつ、最適化過程での表現への悪影響を軽減する。評価はLIBERO、RoboTwin2ベンチマークと実世界で実施され、マルチタスク訓練と分布シフトの下で強いベースラインを一貫して上回ったと報告されている。

Key Facts

DyGRO-VLAは、VLAモデルのRL最適化をタスク横断的に拡張する2段階フレームワークである。出典一覧
同フレームワークは、情報理論に基づくタスク横断的潜在表現の獲得と、動的グループ化残差最適化（mixture-of-RL-residuals）を組み合わせる。出典一覧
評価はLIBERO、RoboTwin2ベンチマークおよび実世界で実施され、マルチタスク訓練と分布シフトの下で強いベースラインを一貫して上回ったと報告されている。出典一覧

本紙の見方

本提案は、VLAモデルのRL最適化がタスク固有に陥る問題を指摘し、タスク横断的な表現学習と動的最適化を組み合わせる点で新規性がある。従来のRLベースのVLA最適化はタスク特化型が多く、汎用性を損なうという課題があった。DyGRO-VLAは情報理論的なアプローチで共通表現を捉え、残差最適化でタスク間の干渉を抑えることで、マルチタスク環境での性能向上を狙う。これは、ロボット基盤モデルの実用化に向けた重要な一歩とみられる。ただし、論文はプレプリントであり、査読を経ていない点や、実世界評価の詳細（タスク数、ロボット構成など）が不明な点は今後の確認事項である。また、提案手法の計算コストや実装の複雑さが実運用に与える影響も検討が必要だ。

なぜ重要か

VLAモデルの汎用性向上は、ロボットが多様なタスクを学習し適応する能力に直結する。DyGRO-VLAは、タスク横断的な最適化手法として、ロボット基盤モデルの発展に寄与する可能性がある。今後の実世界での検証結果が注目される。