VLAモデルの能力と堅牢性に理論的限界、情報理論的証明を発表

何が起きたか

2026年5月25日、arXivに掲載された論文「Capability and Robustness Cannot Both Be Free: An Information-Theoretic Bound for Vision-Language-Action Models」が、VLAモデルの能力と堅牢性の間に情報理論的な上限が存在することを証明した。論文は、OpenVLA-7BがLIBEROベンチマークで成功率95%から5%未満に低下する例を挙げ、このトレードオフが理論的に避けられないことを示した。

詳細

論文は、任意のVLAポリシーについて、能力I(A*;A_hat)と堅牢性I(A_hat;A_tilde)-I(A_hat;δ)の和が、タスクエントロピーH(A*)と敵対的チャネル容量I(X;X_tilde)の和以下であることを証明した。証明はデータ処理不等式を2回適用することで得られる。ピクセルレベルのバウンドは約10^3ナットの緩さがあり、上限保証として機能するが、エンコーダー固有の系では1桁以上厳しくなり、実現された能力が予算の5〜9%を消費する領域に入る。検証は308セルで行われ、252の閉形式ガウスVLA、48のOpenVLA-7B+LIBERO+PGD（4スイート×4ε×3シード）、4のSquare-Attack、4のマルチステップ（T=10）を含み、定理の違反はゼロだった。さらに、離散トークン、L1回帰、フローマッチングにわたる144のクロスアーキテクチャセルで、測定可能性の不等式Rob_disc ≤ Cap_discが成立した。

Key Facts

本紙の見方

今回の研究は、VLAモデルの能力と堅牢性のトレードオフに理論的な下限が存在することを初めて証明した点で新規性が高い。従来、このトレードオフは経験的に観察されていたが、理論的な保証はなかった。証明はデータ処理不等式を用いた簡潔なもので、情報理論の枠組みでVLAの本質的な限界を示した。 本紙の過去報道との接続はないが、この結果はロボット学習分野における安全性議論に重要な含意を持つ。特に、実世界展開を目指すVLAモデルにとって、敵対的摂動に対する脆弱性は深刻な問題であり、理論的な上限が存在することは、防御手法の開発に新たな指針を与える。 業界構造への含意としては、この理論的限界は、モデルアーキテクチャや学習アルゴリズムの改良だけでは克服できない可能性を示唆する。そのため、ハードウェアやセンサー側の対策、あるいはタスク設計の変更が必要になるかもしれない。また、論文が提供する診断ツール（プレフライトエンコーダー上限、防御フォレンジックプローブ、ヘッド非依存ロバストネス比）は、異なるアーキテクチャ間での比較を可能にし、ベンチマーク設計に影響を与える可能性がある。 未確定の論点としては、理論の実用的な適用範囲が挙げられる。ピクセルレベルのバウンドは緩く、エンコーダー固有の系でのみ厳しくなるが、実際のモデルでどの程度の余裕があるのかは不明である。また、証明は特定の設定に依存しており、より複雑なタスクや異なる攻撃モデルでの一般化が今後の課題となる。

なぜ重要か

この理論的限界は、VLAモデルの開発において、能力と堅牢性の両立が原理的に困難であることを示す。開発者は、性能向上と防御のバランスを考慮した設計を迫られ、理論的な上限を意識したアプローチが重要になる。また、提供された診断ツールは、モデル評価の標準化に寄与する可能性がある。