VLAモデルの実行時失敗を言語フィードバックで修正する「CorrectVLA」、UFactory xArm7で検証

何が起きたか

研究チームは2026年8月30日、arxiv.orgで「CorrectVLA」を発表した。これは、VLAモデルのポリシー重みを変更せずに、タスクレベルの自然言語による修正を加法的なアクションの大きさの調整に変換するフレームワークである。実ロボット実験ではUFactory xArm7を用い、環境変化下でベースポリシーがほぼ完全に機能しなくなる状況でも、ほぼ完璧な成功率を回復した。

詳細

CorrectVLAは、人間が単一のタスクレベルの修正を与え、それを全ロールアウトに一様に適用する（エピソードごとの介入は行わない）。シミュレーションでは、分布内およびOODタスクの両方で実行ミスアライメント失敗を回復した。実ロボット実験では、UFactory xArm7を用いて環境変化下で検証し、オブジェクトの位置やIDをまたいで一般化した。また、LIBERO-90の失敗モードの分類を通じて、実行ミスアライメント失敗（ポリシーが正しいターゲットに到達するがアクションの大きさが不正確）が修正可能なサブセットである一方、意味理解自体が崩壊する失敗モードはこのアプローチでは修正できないことを見出した。

Key Facts

本紙の見方

CorrectVLAの提案は、VLAモデルの実用化における重要な課題である「実行時失敗」に、再学習を伴わない軽量な修正手段を提供する点で新規性がある。従来のVLAモデルは、環境変化や分布外の状況で系統的な失敗を示すことが知られているが、その修正には追加データによる再学習や微調整が必要とされてきた。CorrectVLAは、人間の言語フィードバックをアクションの大きさの調整に変換することで、ポリシー重みを固定したまま修正を可能にする。これは、実世界での展開コストを大幅に削減する可能性を秘めている。 本論文の核心は、修正可能な失敗と修正不可能な失敗の境界を明確にした点にある。実行ミスアライメント失敗（戦略は正しいがアクションの大きさが不正確）は修正可能である一方、意味理解自体が崩壊する失敗は修正不可能である。この境界は、VLAモデルの推論時修正の適用範囲を定義するものであり、今後の研究において、どの失敗モードに注力すべきかの指針を与える。 業界構造への含意として、このアプローチはロボットの導入現場での「現場調整」を容易にする。例えば、UFactory xArm7のような産業用ロボットアームで、環境変化によりタスク成功率が低下した場合、再学習のためのデータ収集や計算資源を用意することなく、言語による修正で対応できる可能性がある。これは、ロボットの運用コストを下げ、導入障壁を低減する効果が期待される。 未確定の論点としては、CorrectVLAが実環境でどの程度の頻度で修正を必要とするか、また、修正が複数回必要な場合の累積効果や、より複雑なタスクでの有効性が挙げられる。さらに、言語フィードバックの質や曖昧さが修正の成功率に与える影響も検証が必要である。

なぜ重要か

CorrectVLAは、VLAモデルの実用化における「実行時修正」の可能性を示し、再学習コストをかけずにロボットの適応性を高める手法として注目される。特に、産業用ロボットの現場導入において、環境変化への迅速な適応を可能にする点で、ロボット運用の効率化に寄与する可能性がある。