異種ロボットのための校正済み予測安全：行動条件付きJEPAフレームワークとモデルベース安全シールド

本論文は、異種ロボット向けに、実行前にタスク進捗と物理的リスクの両方を予測するaction-conditioned JEPA world modelを提案し、それをembodiment-specificなmodel-based safety shieldと組み合わせた展開可能なパイプラインを構築する。具体的には、receding-horizon decision pipelineとして、(1) proposerがK個の候補アクションチャンクを生成し、(2) action-conditioned JEPAが各候補をfrozen-encoder latent spaceでembodiment embeddingに条件付けしてロールアウトし、(3) calibrated risk/progress headが各ロールアウトをスコアリングして不確実性を報告し、(4) deterministicなper-embodiment safety shieldが不適格な候補をフィルタリングし、(5) fallback ladderが空の許容セットを処理する。学習されたランキングは許容候補の並べ替えのみを…

先行研究のVision-Language-Action (VLA)ポリシーは広く一般化するが実行時の保証がなく、古典的なmodel-based plannerは運動学的・幾何学的制約を尊重するが一般化が乏しい。本手法は、action-conditioned JEPA world modelを用いて候補アクションのタスク進捗と物理的リスクを事前に予測し、それをembodiment-specificなmodel-based safety shieldと組み合わせることで、VLAの一般化とmodel-based plannerの安全性保証を両立しようとする点が新しい。また、calibratedな予測と不確実性報告により、信頼性の高い意思決定を目指す。

手法の核は、action-conditioned JEPA world modelをfrozen-encoder latent spaceで動作させ、embodiment embeddingで条件付けすること。これにより、異なるロボット間で共有可能な潜在表現を学習し、候補アクションのロールアウトを効率的に予測する。さらに、calibrated risk/progress headが各ロールアウトのリスクと進捗をスコアリングし、不確実性を出力する。決定論的なper-embodiment safety shieldが運動学的・幾何学的制約をチェックし、不適格な候補を除外する。fallback ladderは許容候補が空の場合の安全なフォールバックを提供する。

シミュレーション環境LIBERO-Longで事前登録されたプロトコルを用いて評価した。600エピソードの構成で、フルフレームワークがshield-onlyベースラインよりも成功率を向上させ、マッチした再現率で衝突の偽陰性を減少させた。また、ターゲットのon-robotおよびedgeアクセラレータでの展開効率の測定も含まれる。実ロボット実験とオフラインの再ランキング有意性テストは将来の作業として残されている。

議論として、実ロボット実験が未実施であり、オフラインの再ランキング有意性テストも未完了であることが挙げられる。また、提案手法はシミュレーションでのみ検証されており、実環境での有効性は不明。さらに、calibratedな予測の不確実性が実際の安全性にどの程度寄与するかは要旨からは不明。論文には開示事項があると述べられているが、詳細は不明。

要旨で参照されている関連研究として、Vision-Language-Action (VLA)ポリシー、model-based planner、Joint-Embedding Predictive Architecture (JEPA)、model-based safety shield、LIBERO-Longベンチマークが挙げられる。次に読むべき論文としては、これらの基盤となった研究、特にJEPAの原論文やVLAポリシーの代表的なもの、model-based safety shieldの手法を扱った論文が考えられる。