VLA2026/9/9arXiv:2609.10021

RoboDrop: 局所勾配適合性によるVLA事後学習データのキュレーション

RoboDrop: Curating VLA Post-Training Data via Local Gradient Compatibility

VLAモデルの事後学習データに含まれる誤りを、学習中の局所勾配の適合性を指標に自動で検出・除去するデータキュレーション手法を提案。

詳しい要約

1. どんなもの？

- VLAモデルのpost-training用データキュレーション手法「RoboDrop」を提案。 - データ中のheterogeneous errors（実行ミス、センサドリフト、タイムスタンプずれ）を自動検出・除去。 - 学習軌跡に沿ったlocal gradient compatibilityを監督信号の監査に利用。 - 1エポックのwarm-up中に各サンプルをオンラインでスコアリングし、エピソード単位で集約してフィルタリング。

2. 先行研究と比べてどこがすごい？

- 既存のデータクリーニング手法は特定のcorruption typeに特化していることが多い。 - RoboDropは多様なエラーに汎用的に対応し、より正確に信頼できないデモを識別。 - キュレーション後のpost-trainingで下流ポリシー性能が一貫して向上。 - 実機ロボットのロールアウト成功率が平均35.0%から67.5%に上昇。

3. 技術・手法の肝は？

- 1エポックのwarm-up run中に、各候補サンプルの勾配をタスク意味的・視覚的にマッチしたvalidationサンプルの勾配と比較。 - local gradient compatibilityをpost-training性能への影響の代理指標として使用。 - サンプルスコアをエピソードレベルで集約し、自動後処理ルールでフィルタリング決定。 - オンラインでスコアリングし、学習軌跡を考慮したcontext-conditionedな監査を実現。

4. どうやって有効だと検証した？

- 制御されたobservation-action corruption、シミュレーションの自然にsuboptimalなデモ、非専門家による収集エラーを含む実機ロボットデータセットで評価。 - これらの設定で、RoboDropが先行手法よりも正確に信頼できないデモを識別。 - キュレーション済みデータでのpost-trainingにより、下流ポリシーが一貫して強化。 - 実機ロボットのロールアウト成功率が平均35.0%から67.5%に向上。

5. 議論はある？

- 要旨からは不明。 - ただし、training-trajectory-awareでcontext-conditionedな監督監査が堅牢なVLA post-trainingに有効であると結論付けている。

6. 次に読むべき論文は？

- 要旨で参照/比較されている研究は明示されていない。 - 関連手法として、VLAモデル（例：RT-2、OpenVLA）、データクリーニング手法、post-training手法が挙げられる。 - 同分野の定番として、Vision-Language-Actionモデル、ロボットデータセットのキュレーション、強化学習からのデモンストレーションフィルタリングなどが考えられる。

※ 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: Runze Xu, Yuanfan Xu, Cuijie Xu, Shuang Dai, Yining Li, Yu Wang, Jincheng Yu

分類: cs.RO

原文アブストラクト

Vision--language--action (VLA) models acquire broad generalization through large-scale pretraining, yet adapting them to a new task and robot embodiment still requires post-training on newly collected data. Unlike pretraining, post-training targets task- and embodiment-specific adaptation, making it particularly sensitive to data quality. In practice, collected robot datasets often contain heterogeneous errors, including execution mistakes, sensor drift, and timestamp misalignment, which can impair post-training and policy performance. Manual inspection is costly, while existing data-cleaning methods are typically tailored to particular corruption types. To address these challenges, we introduce \textsc{RoboDrop}, a data-curation framework that audits supervision using local gradient compatibility measured along the training trajectory as a proxy for its effect on post-training performance. During a one-epoch warm-up run, RoboDrop scores each candidate sample online by comparing its gradient with those of task-semantic and visually matched validation samples. The resulting sample scores are aggregated at the episode level, and a simple automatic post-processing rule converts them into filtering decisions. We evaluate RoboDrop on controlled observation--action corruptions, naturally suboptimal demonstrations in simulation, and real-robot datasets containing non-expert collection errors. Across these settings, RoboDrop more accurately distinguishes unreliable demonstrations than prior methods, while post-training on the curated data consistently yields stronger downstream policies, with average real-robot rollout success rising from $35.0\%$ to $67.5\%$. These results establish training-trajectory-aware, context-conditioned supervision auditing as an effective approach to robust VLA post-training.

arXivで原文を読む →arXiv概要ページ