VLA/パラメータ効率的ファインチューニング2026/8/15arXiv:2608.15285v1

PhaseLoRA: 制御フェーズ条件付き低ランク適応による連続動作VLAポリシー

PhaseLoRA: Control-Regime-Conditioned Low-Rank Adaptation for Continuous-Action Vision-Language-Action Policies

連続動作の操作タスクにおいて、制御フェーズ（接近、接触、把持など）に応じて適応を変化させる軽量なLoRAパラメータ化を提案し、LIBEROベンチマークで成功率を大幅に向上させた。

詳しい要約

1. どんなもの？

PhaseLoRAは、連続動作のVision-Language-Action (VLA)ポリシーをパラメータ効率良くファインチューニングするための新しいLoRAパラメータ化手法。制御ロールアウト中の位相（アプローチ、接触遷移、把持、搬送、配置など）に応じて適応を動的に変化させる。各アクションチャンク予測ステップで、fine-control tendencyとevent/boundary intensityという2つの弱教師付き記述子を用いてLoRAの左因子を変調し、低ランク更新方向を時間的に変化させる。バックボーンはほぼ凍結したまま、アクションエキスパートのみを調整する。

2. 先行研究と比べてどこがすごい？

従来のPEFT手法（LoRAなど）は制御ロールアウト全体で時間的に静的な更新を適用しており、連続動作操作の位相依存性を考慮していなかった。PhaseLoRAは、軌跡内の位相に応じて適応を条件付けることで、この点を改善。マッチしたパラメータ数の高ランクLoRAベースラインと比較して、LIBEROで平均成功率を12.2ポイント向上させ、より強力なLoRA変種も上回る。

3. 技術・手法の肝は？

手法の核は、アクションエキスパート内のLoRA左因子を、各アクションチャンク予測ステップで2つの弱教師付き記述子（fine-control tendencyとevent/boundary intensity）を用いて変調すること。これにより、有効な低ランク更新方向が時間とともに変化する。バックボーンは凍結し、軽量なLoRAパラメータ化を維持。ランダムな時間変調やスカラーゲーティングではフルモデルの性能を再現できないことをアブレーションで示し、記述子の構造的時間変動が重要であることを明らかにした。

4. どうやって有効だと検証した？

LIBEROベンチマークで評価。マッチしたパラメータ数の高ランクLoRAベースラインと比較して平均成功率を12.2ポイント向上させ、より強力なLoRA変種も上回った。アブレーションでは、ランダムな時間変調とスカラーゲーティングがフルモデルの性能を再現しないことを確認。さらに、更新方向の分析により、予測された制御記述子に関連する構造的時間変動が明らかになった。

5. 議論はある？

要旨からは、PhaseLoRAの有効性は示されたが、弱教師付き記述子の獲得方法や、他のVLAポリシーやタスクへの一般化、計算コストの詳細は不明。また、位相の定義がタスクに依存する可能性があり、より複雑な操作への適用には追加の検討が必要かもしれない。

6. 次に読むべき論文は？

要旨で参照されている研究は明示されていないが、関連手法としてLoRA (Low-Rank Adaptation) や、VLAポリシーのPEFTに関する研究が挙げられる。また、LIBEROベンチマークを用いた評価が行われているため、LIBEROに関する論文も関連する。

※ AIが要旨から生成した要約です。正確性は原文をご確認ください。

著者: Yufei Guo, Yinan Wu, Haoran Duan, Guiguang Ding, Jungong Han

分類: cs.RO, cs.AI

原文アブストラクト

Parameter-efficient fine-tuning (PEFT) is a natural way to adapt pretrained vision-language-action (VLA) policies, but most adapter designs apply temporally static updates throughout a control rollout, overlooking the phase-dependent nature of continuous-action manipulation. Such policies traverse distinct regimes, including approach, contact transition, grasping, transport, and placement, each requiring different adaptation behaviors. We propose \textbf{PhaseLoRA}, a lightweight LoRA parameterization that conditions adaptation at each action-chunk prediction step using two weakly supervised descriptors: fine-control tendency and event/boundary intensity. PhaseLoRA modulates the LoRA left factor in the action expert, allowing the effective low-rank update direction to vary over time while keeping the backbone largely frozen. On LIBERO, PhaseLoRA improves average success rate by 12.2 points over a matched-parameter high-rank LoRA baseline and outperforms stronger LoRA variants. Ablations show that random temporal modulation and scalar gating do not reproduce the performance of the full model, while update-direction analyses reveal structured temporal variation associated with the predicted control descriptors. These results establish within-trajectory conditioning as an effective lightweight PEFT axis for continuous-action VLA policies.

arXivで原文を読む →arXiv概要ページ

← 論文一覧