何が起きたか
研究チームは2026年6月10日、arXivにて「μVLA: On Recurrent Memory for Partially Observable Manipulation in VLA Models」を発表した。μVLAは、事前学習済みVLAモデルに学習可能なメモリトークンを追加し、時間ステップをまたいで自己注意で更新する再帰メモリを導入した。MIKASA-Roboの5つの訓練タスクで平均成功率を0.42から0.84に向上させた。
詳細
μVLAは、OpenVLA-OFTをベースに、メモリ幅m、TBPTT長K、メモリ更新規則(クロスステップ勾配または分離EMA)をパラメータとする。補助損失やアーキテクチャ変更を加えず、再帰のみを変化させた制御比較を実施した。MIKASA-Roboでは、保持タスクで成功率0.23(メモリなしの0.07に対し)、異なるメモリ構造を要するタスクではベースラインと同等だった。LIBEROでは最強の再帰変種が平均成功率96.2%を達成し、完全観測下での性能低下がないことを示した。
Key Facts
| μVLAは、事前学習済みVLAモデルに学習可能なメモリトークンを追加し、時間ステップをまたいで自己注意で更新する再帰メモリを導入した。 | [1] |
| MIKASA-Roboの5つの訓練タスクで平均成功率が0.42から0.84に向上した。 | [1] |
| 保持タスクでは成功率0.23(メモリなしの0.07に対し)を達成した。 | [1] |
| LIBEROでは最強の再帰変種が平均成功率96.2%を達成した。 | [1] |
| μVLAは補助損失やアーキテクチャ変更を加えず、再帰のみを変化させた制御比較を実施した。 | [1] |
なぜ重要か
この研究は、VLAモデルにおける再帰メモリの効果を切り分けた点で学術的に重要であり、部分観測環境でのロボット操作の信頼性向上に寄与する可能性がある。実世界のロボットは完全な状態を観測できないことが多く、μVLAの知見は実用化に向けた設計選択に影響を与えるだろう。