VLA/蒸留/操作2026/8/30arXiv:2608.29828v1

対称性を活用した視覚言語行動蒸留によるロボット操作

SymVD: Symmetric Vision Language Action Distillation for Robot Manipulation

大規模VLAモデルの知識を、操作タスクの幾何学的対称性を利用して小型の学生ポリシーに蒸留するフレームワークを提案し、サンプル効率と汎化性を向上させた。

詳しい要約

1. どんなもの？

SymVD (Symmetric Vision Language Action Distillation) は、ロボット操作タスクにおいて、大規模なVLA (Vision-Language-Action) 教師モデルからコンパクトな生徒ポリシーへ知識を蒸留するためのフレームワークである。操作タスクに存在する回転・反射などの幾何学的対称性を明示的に活用し、等変アクタークリティック (equivariant actor-critic) アーキテクチャと対称性を考慮した目的関数を用いて生徒を訓練する。さらに、蒸留と強化学習の更新を動的にバランスする適応的重み付けを導入し、教師信号が不完全でも頑健な転移を実現する。

2. 先行研究と比べてどこがすごい？

従来のVLAモデルは汎化能力が高いが、実環境への適応やタスクシフトには追加データと再訓練が必要であり、標準的な蒸留は対称性を考慮しないため冗長な探索が生じる。SymVDは、対称性を活用することで、グループ変換に関連する構成間の冗長な探索を減らし、蒸留中のサンプル効率を向上させる点が新しい。また、適応的重み付けにより、教師信号が不完全でも頑健な転移を可能にする点も先行研究と異なる。

3. 技術・手法の肝は？

手法の核は、(1) 等変アクタークリティックアーキテクチャを採用し、ポリシーが群不変性 (group-invariant) を尊重するように対称性を考慮した目的関数で訓練すること、(2) 蒸留目的と強化学習更新を訓練進行に基づいて動的にバランスする適応的重み付けスキームを導入することである。これにより、対称性を強制することでサンプル効率を高め、教師信号の不完全さに対処する。

4. どうやって有効だと検証した？

ロボット操作タスクの実験において、標準的な蒸留法と比較して一貫した改善を示し、SAC (Soft Actor-Critic) と比較してサンプル効率と、未見の対称変換環境への汎化性能が優れていることを実証した。

5. 議論はある？

要旨からは、対称性の仮定が常に成り立つとは限らない場合の限界や、適応的重み付けの理論的保証、実ロボットでの検証などについての議論は不明である。また、VLA教師の規模や生徒の容量に関する詳細も不明。

6. 次に読むべき論文は？

要旨で参照されている関連研究として、VLAモデル (Vision-Language-Action models)、蒸留 (distillation)、強化学習 (reinforcement learning)、SAC (Soft Actor-Critic)、等変ネットワーク (equivariant networks) に関する論文が挙げられる。具体的には、VLAの基盤モデルや、対称性を利用したロボット学習の研究を読むとよい。

※ 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: Hyewon Choi, Donggyu Kim, Soojean Han

分類: eess.SY

原文アブストラクト

While pretrained Vision-Language-Action (VLA) models offer broad generalization capabilities in robotic manipulation tasks, adapting them to real-world environments or handling task shifts often requires substantial additional data and retraining. To address this, we propose Symmetric VLA Distillation (SymVD), a distillation framework that transfers knowledge from a large VLA teacher to a compact student policy by explicitly exploiting geometric symmetries in manipulation tasks, such as rotational and reflectional invariance. SymVD employs an equivariant actor-critic architecture and trains the student using a symmetry-aware objective that aligns with teacher actions under group-invariant properties. We demonstrate that by enforcing the policy to respect equivariance, SymVD reduces redundant exploration across configurations related by group transformations and improves sample efficiency during distillation. To further stabilize and improve distillation, SymVD introduces an adaptive weighting scheme that dynamically balances the distillation objective and reinforcement learning updates based on training progress, enabling robust transfer even when the teacher signal is imperfect or misaligned. Experimental results on robotic manipulation tasks demonstrate that SymVD consistently improves over standard distillation and also outperforms SAC in terms of sample efficiency and generalization to previously unseen symmetric transformations of the environment.

arXivで原文を読む →arXiv概要ページ

← 論文一覧