何が起きたか
研究チームは、VLAポリシーを未ラベルの展開ストリームから適応させるためのTTTフレームワーク「VANE」を提案した。VANEは、現在の視覚・言語コンテキストに基づいてプロンプト適応を条件付け、実行された行動の将来の視覚的結果から学習する。候補更新はライブポリシーから分離され、その後の観察で評価され、将来の証拠によって裏付けられた場合のみコミットされる。SimplerEnv WidowXでは、対応するTTTベースラインと比較して平均成功率を3.2ポイント向上させた。Google Robotでの結果は、展開時の利得がタスクと実施形態に依存することを示している。
Key Facts
| 研究チームは、VLAポリシー向けの信頼性の高いテスト時訓練（TTT）フレームワーク「VANE」を提案した。 | [0] |
| VANEは、現在の視覚・言語コンテキストに基づいてプロンプト適応を条件付け、実行された行動の将来の視覚的結果から学習する。 | [0] |
| 候補更新はライブポリシーから分離され、その後の観察で評価され、将来の証拠によって裏付けられた場合のみコミットされる。 | [0] |
| SimplerEnv WidowXでは、VANEは対応するTTTベースラインと比較して平均成功率を3.2ポイント向上させた。 | [0] |
| Google Robotでの結果は、展開時の利得がタスクと実施形態に依存することを示している。 | [0] |
なぜ重要か
この研究は、VLAポリシーを閉ループ操作で信頼性高く適応させるための制約付きで証拠に基づくアプローチを示しており、展開時の適応の安全性と有効性に貢献する可能性がある。