日本フィジカルAI新聞

世界のフィジカルAIを、日本語で。

週刊ニュースレター購読
VLAarXiv:2610.12861

証拠誘導型反事実学習によるロボット政策の長尾分布対応

Evidence-Guided Counterfactual Learning for Long-Tailed Robotic Policies

シェア:XThreadsFacebookLINEはてブBluesky

視覚言語行動政策において長尾タスク分布に対処するため、指示と行動に関連する視覚証拠を特定し、反事実予測を利用してタスク指示・視覚証拠・行動の関連を強化する学習フレームワークを提案。

詳しい要約

1. どんなもの？

- 視覚-言語-行動(VLA)ポリシーの実運用で問題となる、ロボット実演データの長尾タスク分布を扱う研究。 - 共有ポリシーにおけるhead-task action bias(データ豊富なheadタスクの行動パターンへの偏り)を調査。 - tailタスクに必要な視覚的evidenceが不足すると、ポリシーがheadタスクで強化された行動にフォールバックし性能が劣化することを示す。 - この観察に基づき、Evidence-Guided Counterfactual Learningという学習フレームワークを提案。

2. 先行研究と比べてどこがすごい？

- 長尾ロボットポリシー学習において、head-task action biasとタスク固有の視覚的evidenceの関係に着目した点が新しい。 - 追加の訓練データやregion-level annotationを必要とせず、展開時の追加計算も不要。 - シミュレーションベンチマーク、異なるVLAアーキテクチャ、実世界ロボットで一貫した改善を示す。 - 特にtailタスクで堅牢に性能を向上させつつ、headタスクの性能も維持。

3. 技術・手法の肝は？

- instruction-relatedおよびaction-relatedな信号を用いて、意思決定に関連する視覚的evidenceを特定。 - 選択したevidenceを除去することでcounterfactual observationsを構築。 - 得られたcounterfactual predictionsを用いて、タスク指示・視覚的evidence・行動の関連を強化。 - 各タスクの実演数に応じてsupervisionを適応的に調整。

4. どうやって有効だと検証した？

- 複数のシミュレーションベンチマークで実験。 - 異なるVLAアーキテクチャで検証。 - 実世界ロボットプラットフォームでも実験。 - 長尾ロボットポリシー学習、特にtailタスクで堅牢かつ一貫した改善を確認。

5. 議論はある？

- 要旨からは不明。 - 限界や失敗事例、計算コスト、一般化可能性に関する議論は要旨では触れられていない。

6. 次に読むべき論文は？

- 要旨で参照/比較されている研究は明示されていない。 - 関連手法として、vision-language-action policies、long-tailed learning、counterfactual learning、head-task action biasに関する研究が挙げられる。 - 同分野の定番として、imitation learningやbehavior cloning、VLAモデル(例: RT-2, OpenVLAなど)が考えられるが、要旨に記載はない。

※ AIが要旨から生成した要約です。正確性は原文をご確認ください。

著者: Weiwei Chen, Chenghao Xu, Meiling Yu, Xu Yang, Cheng Deng

分類: cs.RO

原文アブストラクト

In the practical deployment of vision--language--action policies, handling long-tailed task distributions is a common challenge due to the highly imbalanced composition of robot demonstration datasets. To investigate this issue, we study the head-task action bias in shared robot policies, particularly focusing on its relationship with task-specific visual evidence. Our experimental analysis shows that, when the visual evidence required by a tail task is insufficient, the policy increasingly falls back on action patterns reinforced by data-rich head tasks, resulting in degraded performance on under-represented tasks. Motivated by this observation, we propose Evidence-Guided Counterfactual Learning, a training framework for long-tailed robot policies. Our method identifies decision-relevant visual evidence using instruction-related and action-related signals, and constructs counterfactual observations by removing the selected evidence. The resulting counterfactual predictions are used to strengthen the association among task instructions, visual evidence, and actions, with the supervision adaptively adjusted according to the number of demonstrations available for each task. The proposed framework requires neither additional training data nor region-level annotations and incurs no additional computation during deployment. Extensive experiments across simulated benchmarks, different VLA architectures, and real-world robot platforms demonstrate that our method robustly and consistently improves long-tailed robot policy learning, particularly for tail tasks, while maintaining reliable performance on head tasks.

arXivで原文を読む →arXiv概要ページ

関連論文

← 論文一覧
PR本紙発行元 EmplifAI