SafeLoop: 視覚言語行動マニピュレーションのためのリスク認識ロールバック

- Vision-Language-Action (VLA) モデルによる長期的な manipulation の安全性を高める手法。 - SafeLoop は VLA モデルのパラメータを変更せずに外付けで動作する non-invasive な wrapper。 - 危険予測と rollback による回復機能を追加する。 - 身体衝突と物体落下のリスクを予測し、安全チェックポイントの保存や joint space での後退を行う。

- 従来の VLA モデルは長期的な実行において小さな状態推定・制御誤差が不可逆的な失敗（衝突や物体落下）につながる問題があった。 - SafeLoop はパラメータを変更せずに外付けで安全性を向上させる点が新しい。 - 危険を事前に予測し、rollback によって回復する proactive な安全機構を提供。 - 安全性とタスク成功率のトレードオフを改善し、危険ケースを約70%削減。

- 視覚と固有感覚からリスク予測器を学習し、身体衝突と物体失敗について確率と hazard までの時間を出力。 - 軽量コントローラが予測リスクに基づき3つの行動を選択：noop（継続）、record（安全チェックポイント保存）、rollback（joint space で後退）。 - rollback は最近の安全な waypoint に戻り、ベースポリシーに再度クエリを送り代替の継続を生成。

- LIBERO の24タスク（各16ランダムシード）と実機3タスク（各25ロールアウト）で評価。 - 代替手法と比較して、安全性と成功率の総合的なトレードオフが優れていることを確認。 - 危険ケースを約70%削減しつつ、タスク成功率とベースポリシーの制御率を維持。

- 要旨からは不明。

- LIBERO ベンチマークに関する研究。 - Vision-Language-Action (VLA) モデルに関する研究。 - ロボット manipulation における安全機構や rollback 手法に関する研究。