品質を考慮したVLA事前学習で重要な要素は何か：ベンチマークと実証研究

- VLA pretraining における demonstration quality の活用方法を比較する benchmark と empirical study。 - 5,000 の自然に suboptimal な human demonstrations と 24 の target tasks を使用。 - weighting, filtering, conditioning を reward definitions と label granularities を変えて比較。 - AXIS-Bench を導入し、crowdsourced simulation demonstrations を基盤とする。 - object と contact states を記録し、共有 trajectory 上で quality labels を再計算可能。 - replayable trajectories により workspace-aligned rendering と user-defined real-world target tasks を支援。

- 従来の VLA pretraining では demonstration quality の扱いが不明確だった。 - 本研究は weighting, filtering, conditioning を同一条件下で体系的に比較。 - 各 VLA 内で demonstrations と training budgets を一致させ、制御された比較を実現。 - 3 つの VLA で approach-aware episode conditioning が plain behavioral cloning より平均 success を改善。 - conditioning と filtering はそれぞれ episode と chunk labels を平均的に好むが、model-dependent reversals がある。 - constant-tag fine-tuning が conditioned pretraining 後の平均 success を改善。 - AXIS-Bench は quality labels の再計算と real-world target tasks…

- 5,000 の suboptimal human demonstrations と 24 target tasks を用意。 - weighting, filtering, conditioning の 3 手法を reward definitions と label granularities で比較。 - 各 VLA 内で demonstrations と training budgets をマッチさせる。 - pretraining data size と quality tags の fine-tuning/inference での役割も検討。 - AXIS-Bench は crowdsourced simulation demonstrations を基盤。 - object と contact states を記録し、共有 trajectory 上で quality labels を再計算。 - replayable trajectories で workspace-aligned rendering と user-defined real-world target t…

- 3 つの VLA で比較実験を実施。 - approach-aware episode conditioning が plain behavioral cloning より平均 success を改善することを確認。 - conditioning と filtering の label granularity 選好を平均で評価。 - constant-tag fine-tuning の効果を conditioned pretraining 後に検証。 - real-world experiment で simulation pretraining が success を 9.6% から 31.7% に向上。 - AXIS-Bench を用いた制御比較を実施。

- conditioning と filtering の label granularity 選好に model-dependent reversals がある。 - constant-tag fine-tuning は conditioned pretraining 後に有効だが、tagged/untagged inference いずれでも改善。 - pretraining data size と quality tags の役割について追加比較を実施。 - 要旨からは、限界や未解決の議論は明示されていない。

- 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 behavioral cloning, VLA pretraining, weighting, filtering, conditioning が挙げられる。 - 同分野の定番として vision-language-action (VLA) models, imitation learning, reinforcement learning from human feedback などが考えられるが、要旨に直接の参照はない。