視覚言語行動ポリシー間における成果条件付きエンドエフェクタ幾何

- Vision-language-action (VLA) policies が同じ manipulation task を異なる action interface で解くとき、task success だけでは physical execution の一致を保証しない。 - 15,000 の closed-loop LIBERO rollouts から 4 policies の end-effector geometry を cross-policy で解析。 - 主解析は clean-condition で 3,600 の configuration-matched（依存）policy pairs を形成。 - both-success pairs の median normalized dynamic time warping distance は 0.0120 m、exactly one policy succeeds では 0.0380 m。 - この順序は全 task、全 policy pair、9 つの sampling/band-limited representat…

- 先行研究では VLA policies の評価は主に task success に依存し、physical execution の一致は未検証。 - 本研究は cross-policy end-effector geometry を大規模に解析し、success だけでは捉えられない実行の違いを定量化。 - 特に both-success pairs と mixed-outcome pairs の dynamic time warping distance の順序を複数条件下で確認。 - 従来の単一 policy 評価や success rate 比較に対し、policy 間の実行幾何の一致度を指標化。 - また、低距離でも interchangeability を意味しないことを matched baseline で示し、success の裏にある residual differences を明らかに。

- 4 つの VLA policies を LIBERO 環境で closed-loop rollout し、15,000 の trajectory を収集。 - clean-condition で configuration-matched policy pairs を 3,600 形成（依存ペア）。 - end-effector trajectory 間の normalized dynamic time warping distance を計算。 - 9 つの sampling および band-limited representations で順序の頑健性を検証。 - both-success, mixed-outcome, both-failure のカテゴリ別に距離を比較。 - 72-action window や endpoint/duration adjustment などの仕様変更に対する感度を分析。 - composite visual stress 下での policy rankings と pair composition の変化を評価。

- 15,000 の closed-loop LIBERO rollouts から 3,600 の configuration-matched policy pairs を形成し、統計解析。 - both-success pairs の median normalized DTW distance 0.0120 m 対 mixed-outcome 0.0380 m を確認。 - この順序が全 task、全 policy pair、9 つの sampling/band-limited representations で保持されることを検証。 - both-failure pairs は exploratory として報告。 - 72-action window や endpoint/duration adjustment でも positive mixed-outcome coefficient が残ることを確認。 - composite visual stress 下で policy rankings と pair composition が変化することを検証。

- both-failure pairs は support が薄く不均一なため exploratory 扱い。 - 比率は representation 間で数倍変動するため、方向のみ報告し固定倍数は主張しない。 - 低 cross-policy distance は interchangeability を意味しない（matched baseline で residual differences が残る）。 - successful executions と same-task demonstrations の距離関係は training-data overlap と task constraints を分離しない。 - 72-action window や endpoint/duration adjustment の効果は specification-dependent。 - composite visual stress 下では policy rankings と pair composition が同時に変化するため、評価条件の影響が議論の余地。

- 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 Vision-Language-Action (VLA) policies、LIBERO benchmark、dynamic time warping (DTW) が挙げられる。 - 同分野の定番として manipulation における behavior cloning、reinforcement learning、imitation learning の論文が次に読むべき候補。