行動履歴メモリと二重エキスパートノイズ除去による長期的視覚言語行動ポリシー

- 長期的なロボット操作タスクにおける Vision-Language-Action (VLA) モデルの性能向上を目指す研究。 - 既存 VLA は相互作用履歴を明示的に利用しないため、知覚的曖昧さ (perceptual aliasing) に弱い。 - 提案手法 ActMem-VLA は、凍結した fine-tuned VLA に memory plugin を追加する dual-expert handover アーキテクチャ。 - memory plugin は Mamba-based memory module と lightweight PreAction Expert (PAE) から構成。 - 実行された行動履歴を Mamba でエンコードし、PAE を条件付け、初期の高ノイズ denoising でタスク進行を誘導。 - その後、部分的に denoise された行動を凍結した Action Expert (AE) に渡し、低ノイズステップで詳細を洗練。

- 既存手法は temporal/progress cues を feature conditioning、action-prior modification、sampling guidance で組み込むが、memory module と base VLA を joint fine-tune するため追加の policy-training コストがかかる。 - 提案手法は trainable history-conditioned steering と frozen base-policy refinement を分離。 - 学習中は fine-tuned base VLA を凍結し、Mamba module と PAE のみを jointly optimize するため、追加パラメータは 3.45% のみ。 - LIBERO-Mem で平均成功率 80.8% を達成し、π_{0.5} の 65.2%、MemoryVLA の 49.5% を上回る。 - 実世界 4 タスクで π_{0.5} より平均成功率が 28.8% 向上。

- 凍結した fine-tuned VLA に memory plugin を追加する dual-expert handover アーキテクチャ。 - Mamba-based memory module が実行行動履歴をエンコードし、メモリを生成。 - メモリは現在のコンテキストとともに lightweight PreAction Expert (PAE) を条件付け。 - PAE は初期の高ノイズ denoising 段階でタスク進行を誘導。 - 部分的に denoise された行動を凍結した Action Expert (AE) に渡し、残りの低ノイズステップで行動詳細を洗練。 - 学習中は Mamba module と PAE のみを jointly optimize し、base VLA は凍結。

- LIBERO-Mem ベンチマークで評価。全 10 タスクの平均成功率 80.8% を達成。 - 比較対象: π_{0.5} は 65.2%、MemoryVLA は 49.5%。 - 実世界 4 タスクで評価し、π_{0.5} より平均成功率が 28.8% 向上。 - 追加パラメータは 3.45% のみ。

- 既存手法は memory module と base VLA の joint fine-tune により追加の policy-training コストがかかる点が課題。 - 提案手法は trainable history-conditioned steering と frozen base-policy refinement を分離することでこの問題に対処。 - 知覚的曖昧さ (perceptual aliasing) が長期的タスクの成功率低下を招くことが背景。 - 具体的な限界や議論の詳細は要旨からは不明。

- π_{0.5} (比較対象の VLA モデル) - MemoryVLA (比較対象の memory 拡張 VLA) - Mamba (memory module の基盤) - LIBERO-Mem (評価ベンチマーク) - Vision-Language-Action (VLA) モデル全般