VLA-Forget、ロボット基盤モデルの「アンラーニング」手法を提案

何が起きたか

2026年4月5日にarxiv.orgで公開された論文「VLA-Forget: Vision-Language-Action Unlearning for Embodied Foundation Models」において、ロボット操作の基盤モデルであるVLAモデル向けのアンラーニング手法が提案された。この手法は、安全でない行動やプライバシーに関わる行動を除去しつつ、知覚・言語・行動制御の性能を維持することを目指す。

詳細

VLA-Forgetは、OpenVLAスタイルのポリシーを対象とし、視覚エンコーダ、クロスモーダルプロジェクタ、言語バックボーンに分散する不要な知識を扱う。提案手法は、知覚とクロスモーダル特異性のための比率対応選択的編集と、ユーティリティを保持する忘却のための層選択的推論・行動アンラーニングを組み合わせる。3つの目的関数（対象忘却、知覚保存、推論保持）を、視覚エンコーダ、プロジェクタ、行動生成トランスフォーマーの上部ブロックに対する段階的更新で最適化する。実験では、忘却セットの行動プローブと保持タスク評価において、強力なアンラーニングベースラインと比較して、忘却効率10%向上、知覚特異性22%向上、推論・タスク成功率9%向上、量子化後回復55%低減を達成したと報告している。

Key Facts

本紙の見方

今回の提案は、ロボット操作の基盤モデルであるVLAモデルに「アンラーニング」の概念を持ち込んだ点で新規性がある。従来のアンラーニング研究は主に単一の視覚モデルや言語モデルを対象としており、視覚と言語と行動が融合したVLAモデルへの適用は進んでいなかった。VLA-Forgetは、不要な知識が視覚エンコーダ、クロスモーダルプロジェクタ、言語バックボーンに分散しているという構造を踏まえ、部分的なアンラーニングでは不十分であると指摘し、モジュール横断的なアプローチを取る。この点は、既存のアンラーニング手法が抱える「残存忘却」や「ユーティリティ損失」の問題に対処する試みとして位置づけられる。 本紙の過去報道との接続は、関連記事が提供されていないため直接の言及は避けるが、ロボット基盤モデルの安全性やプライバシーに関する議論が活発化する中で、アンラーニング技術はモデルの更新や修正を可能にする手段として注目される。特に、実環境での展開を考えると、学習後に特定の行動を除去する需要は高まるとみられる。 業界構造への含意としては、VLAモデルの実用化において、安全性や規制対応が重要な課題となる。アンラーニング技術は、モデルの再学習なしに特定の行動を除去できるため、開発コストや時間を削減できる可能性がある。また、量子化後の回復を低減する効果は、エッジデバイスへの展開を考慮する際に有用であり、ロボットの実装形態に影響を与える可能性がある。 未確定の論点としては、提案手法が実際のロボットシステムでどの程度有効か、また大規模なVLAモデルへのスケーラビリティが不明である。さらに、アンラーニングの対象となる「不要な行動」の定義や、忘却後のモデルの安全性保証についても、今後の検証が必要である。

なぜ重要か

VLAモデルの実用化が進む中で、安全性やプライバシー上の懸念から、特定の行動を事後的に除去する技術は重要になる。VLA-Forgetは、知覚や推論の性能を保ちながら不要な行動を忘れさせる手法を提案しており、ロボット基盤モデルの安全な展開に寄与する可能性がある。