VLAポリシー6チェックポイント、指示なしでも動作　開始抑制法を検証

何が起きたか

arXiv掲載の論文は2026年10月30日、LIBERO-Goalシミュレーションで6つのVLAポリシーのチェックポイントを評価したと報告した。初期状態を固定して指示だけを変えたところ、空の指示でも6つすべてが全エピソードで動き始め、うち5つは指示されていないタスクをしばしば完了した。

詳細

評価では、空、無難な内容、無意味、実行不可能、別タスクの各指示を用いた。2つのGR00Tチェックポイントでは、指示が実行するタスクを左右した一方、動き始めるかどうかは左右せず、実行不可能な指示でも動いた。 開始を抑える方法として、指示文への「タスクがなければ動かない」という文言の追加、指示あり・空入力時の最初のアクションチャンクがほぼ同じ場合に停止させるゲート、非タスク入力で静止するようにするファインチューニングを試した。文言の追加は6つのチェックポイントのいずれでも停止させず、ゲートは6つ中5つで非タスク入力時に停止した。ファインチューニング後は非タスク入力でタスクを完了しなかったが、静止を安定して保てず、実行不可能な指示での開始も抑えられなかった。

Key Facts

本紙の見方

この結果の焦点は、指示が何のタスクを選ぶかと、そもそも動作を開始するかが別の問題として現れた点にある。空入力でも6つすべてが動き、5つでは未指定タスクまで完了した。さらに2つのGR00Tチェックポイントでは、指示がタスク選択を変えても開始自体を止めず、実行不可能な指示でも動いた。タスク理解の成否だけでは、動作許可の制御を評価しきれないことを示す結果と読める。 抑制策の差も重要だ。自然言語で「動くな」と付け足す方法は6つすべてで失敗した一方、空入力時と指示入力時の初動を比較するゲートは5つで非タスク入力を止めた。ただし、これを一般的な解決策とはみなせない。1つのチェックポイントでは有効でなく、ファインチューニングも非タスク入力でタスクを完了させない効果と、静止を保つ効果が一致しなかった。停止の判定をポリシーへの指示だけに任せる方法と、出力動作を外側で照合する方法の違いが結果に表れている。 評価は初期状態を固定し指示を変えるLIBERO-Goalのシミュレーションであり、実機での安全性を検証した結果ではない。したがって、この研究が直接示すのは、対象となった6チェックポイントとシミュレーション条件における挙動である。実機のセンサー入力や環境変化がある場合に同じ開始挙動が出るか、ゲートが有効だった5つ以外でも停止を判定できるかは、別途確認が必要になる。 設計上は、空・無意味な入力だけでなく、実行不可能な指示を停止条件の試験に含める必要性が示唆される。ファインチューニングは非タスク入力でのタスク完了を防いだものの、実行不可能な指示での開始を抑えられなかったため、「タスクを完了しない」と「動き出さない」は同じ安全要件ではない。次に確認すべきなのは、論文が示した各方式の判定条件と失敗ケースが、異なるタスクや実機でも再現するか、また開始抑制とタスク実行の性能をどう併せて評価するかである。

なぜ重要か

対象となった6チェックポイントでは、空の指示が安全な停止を意味しなかった。ロボットの開始制御を設計・評価する際、タスクを完了したかだけでなく、空や実行不可能な指示で動き始めないかを別の要件として確認する必要がある。