Causeway: VLAポリシーにおける指示切替時のタスク到達性回復

- VLA policiesは標準初期状態から多くのタスクを実行できるが、別タスク実行後に新指示を与えると失敗することがある。 - 本研究はinstruction switchingを扱う。 - 先行タスクが生んだ状態から目標タスクが到達不能になる状態をtask islandsと呼ぶ。 - Causewayはtraining-freeなinference-time介入で、再入可能にする。

- 従来のVLAは標準初期状態での成功率が高くても、instruction switching後の再開に弱い。 - Causewayはパラメータ更新・新action head・外部action生成を不要とする。 - 凍結したVLAのdecoding計算を再利用し、action-stream表現内で状態指向のwriteを行う点が新しい。 - 要旨では具体的な先行研究名との比較は述べられていない。

- 現在状態と目標タスクのre-entry poseを与える。 - 凍結されたdecoding computationをback-propagateする。 - action-stream representation内にstate-directed writeを適用する。 - VLA自身がreturn motionをdecodeする。 - パラメータ更新、新action head、外部action generationは不要。

- LIBERO-Goalで71のcross-object pairs、3つのswitch timings、3つのVLA architecturesを評価。 - bare-switch成功率を3-26%から47-65%へ向上。 - handoff neighborhood到達率をモデル間で42-72 percentage points改善。 - LIBERO-Objectと実機xArmでも回復が確認され、シミュレーションと実ロボットの両方で有効性を示す。

- task islandsという概念を提示し、instruction switchingの難しさを定式化。 - training-freeで既存VLAに適用可能な点を主張。 - 要旨からは限界や失敗事例、計算コスト、re-entry pose依存性などの議論は不明。 - 実機xArmでの追加実験はあるが、詳細な議論は要旨からは不明。

- 要旨で参照・比較されている個別研究は明記されていない。 - 関連手法としてVLA policies、LIBERO-Goal、LIBERO-Object、xArmが挙げられる。 - 同分野の定番としてVision-Language-Action models、instruction following、robot manipulation benchmarksを読むとよい。