PathTime-VLA: 視覚言語行動ポリシーの因子化事後学習のための経路・時間分離

Vision-Language-Action (VLA) ポリシーの学習・適応を改善する手法 PathTime-VLA の提案。 - 従来の VLA は固定時間間隔で行動を予測し、ロボットの経路と実行ペースを結合していた。 - 本手法は運動を progress-indexed interaction path X(s) と正の interval-time profile で表現。 - 後者は単調な時間法則 t(s) を定義し、制御指令 X(s(t)) を生成。 - 経路が同じでも時間プロファイルで異なる実行（速度選択）を表現可能。 - 段階的な post-training を可能にする。

従来の VLA は行動を固定時間間隔で予測するため、経路と実行ペースが結合し、teleoperation からの適応が困難だった。 - 本手法は classical motion planning の path-time parameterization を学習された行動表現に導入。 - これにより、幾何学的ガイダンスとタイミング（インターフェース遅延や操作者行動に影響される）を分離。 - 経路を変えずに時間プロファイルで速度選択が可能となり、chunk-wise な速度調整ができる。 - 結果として、BC + DAgger 固定 1× と比較して成功率 58/60 対 57/60、平均完了時間が約 39-52% 短縮。

PathTime-VLA の技術的核心は path-time 分離表現と段階的 post-training。 - 運動を progress-indexed interaction path X(s) と interval-time profile で表現。 - 時間プロファイルは単調時間法則 t(s) を定義し、制御指令 X(s(t)) を生成。 - 段階的 post-training: デモと DAgger 介入で target-domain prior を確立。 - Speed-DQN がロボットインタラクションから実行乗数を学習。 - Path-AWR が rollout 結果を用いて diffusion path generator を洗練。 - path-conditioned action expert が運動を実現し、経路生成と実行タイミングの学習インターフェースを分離。

3つのタスクで検証。 - 完全な手法は 58/60 成功、PathTime-VLA under BC + DAgger at fixed 1× は 57/60 成功。 - 成功試行における平均完了時間が約 39-52% 短縮。 - 具体的なタスク内容や評価指標の詳細は要旨からは不明。

要旨からは議論の詳細は不明。 - 提案手法の有効性は示されているが、限界や失敗事例、一般化性に関する議論は要旨に記載なし。 - 今後の課題や応用範囲についても要旨からは不明。

要旨で参照/比較されている研究や関連手法を挙げる。 - Vision-Language-Action (VLA) policies - classical motion planning - DAgger - Speed-DQN - Path-AWR - diffusion path generator - BC (Behavior Cloning) - 同分野の定番として teleoperation や imitation learning 関連の研究。