移動する障害物に対するVLAポリシーのマルチリンク安全フィルタリング

- 対象は pretrained な VLA policy の実行時安全性。 - タスク成功だけでなく、無関係な物体を倒す危険を扱う。 - 再学習なしで hazard を回避する training-free shield を提案。 - gripper, wrist, forearm を5つの ellipsoid で覆う。 - 各指令を barrier program で filter し、keep-out ellipsoid を RGB-D から reset 時に fit。 - その後は sparse optical flow で中心を追従。

- 従来は end effector 中心の shielding が多く、arm link 全体を守らない。 - 本手法は gripper, wrist, forearm を5 ellipsoid で覆い、より広く保護。 - hazard が動いても sparse optical flow で追従し、再検出・再fitを不要に。 - 再学習不要で pretrained VLA policy に後付け可能。 - onboard compute を policy と共有する制約下で動作。

- 5つの ellipsoid で arm の gripper, wrist, forearm を表現。 - reset 時に RGB-D から keep-out ellipsoid を fit。 - 単一の barrier program で全 commanded motion を filter。 - sparse optical flow で hazard の ellipsoid center を追従。 - 再検出や再fitを行わず計算を抑制。 - 推論高速化のため vision-language prefix の trimming と flow-matching steps 削減を実施。

- 6つの simulated hazard-motion 条件で評価。 - collision を 65.62% から 27.27% に低減。 - safe-success を 29.35% から 50.43% に向上。 - ablation で arm link 保護が end-effector shielding を上回ることを確認。 - tracking が reset 時固定の hazard 推定で失う保護の大部分を回復。 - heterogeneous edge hardware で 5-ellipsoid barrier が CPU 上 99th percentile 2.2 ms。 - π0.5 policy call を integrated GPU で 343 ms から 177.3 ms に短縮。 - 物理 SO-101 arm の4タスクで、shielded 16 episodes 中3回接触、unshielded 16 episodes 中11回接触。

- タスク成功だけでは安全性を示せない点を強調。 - 再学習なしで実行時保護を実現する意義。 - arm link 全体を守ることの有効性を ablation で議論。 - hazard 追従の寄与を議論。 - onboard compute 共有下での実時間性を議論。 - 限界や失敗条件の詳細は要旨からは不明。

- 要旨で参照・比較されている個別研究は明示されていない。 - 関連手法として VLA policy、barrier program、control barrier function、optical flow tracking、ellipsoid fitting、SO-101 arm が挙げられる。 - 同分野の定番として vision-language-action models、safe control / shielding、runtime monitoring を読むとよい。