Kintsugi-VLA: 失敗ロールアウトを介入的回復可能性で回復データに変換

シミュレーションで生成したVision-Language-Action (VLA) ポリシー訓練用データのうち、通常は破棄される失敗rolloutを、回復訓練用の合成データに変換するフレームワークKintsugi-VLAを提案。 - 特権的expertによる成功demonstrationだけでなく、失敗rolloutが含むoff-nominal状態を活用。 - シミュレータの正確な状態復元と分岐を利用し、回復開始状態を選択して回復データを生成。 - 模擬Frankaマニピュレーションタスクで有効性を検証。

従来のシミュレーション訓練パイプラインは成功demonstrationのみを保持し、失敗rolloutを破棄していた。 - Kintsugi-VLAは失敗rolloutを回復訓練データへ変換する点で新規。 - 一様サンプリングと比較し、難易度マッチングで34.6%、フレーム予算マッチングで38.4%の回復成功率を達成。 - それぞれ一様サンプリングより5.8および6.7ポイント高い。 - 外乱付きend-to-end実行やclutter・physics条件変化でも同様の順序を確認。 - clean-task成功率は76.8%から74.7%へ低下するが、回復性能向上とのトレードオフを示す。

interventional recoverabilityを定義: シミュレータをある状態に復元した後、固定された特権的expertが元タスクを完了する確率。 - adaptive Monte Carlo continuationsとpointwise Wilson intervalsを用いて推定。 - 失敗軌跡に沿った非単調な変化を特徴づけ。 - 観測されたterminal low-recoverability frontier（測定回復率が閾値未満に留まる点以降）を同定。 - このfrontierを用いて情報量の多い回復開始状態を選択し、ターゲット回復データを生成。

模擬Frankaマニピュレーションタスクで検証。 - ターゲット回復データによるSmolVLAの回復成功率を評価。 - 難易度マッチングで34.6%、フレーム予算マッチングで38.4%を達成。 - 同一回復ウィンドウ内の一様サンプリングより5.8および6.7ポイント高い。 - 外乱付きend-to-end実行、clutterおよびphysics条件の変化でも同順序を確認。 - clean-task成功率は76.8%から74.7%に低下。

失敗rolloutを破棄せず構造化された回復訓練データに変換できることを示す。 - clean-task成功率の低下（76.8%→74.7%）が議論点。 - interventional recoverabilityの非単調進化やterminal low-recoverability frontierの特性が議論の対象。 - 他のタスクや実機への一般化可能性は要旨からは不明。

要旨で参照/比較されている研究: 特権的expertを用いたシミュレーション訓練パイプライン、SmolVLA、一様サンプリング。 - 関連手法としてVision-Language-Action (VLA) ポリシー、模擬Frankaマニピュレーション。 - 同分野の定番として、シミュレーションからのsim-to-real転移や回復訓練に関する研究が挙げられる。