VLA行動チャンク実行のためのポリシー整合型予測検証

- VLA policies が生成する action sequence のうち、どこまで実行するかを決める手法。 - 提案手法は policy-aligned predictive verifier (PAV)。 - 候補 action prefix の結果を予測し、成功継続との整合性を評価する。 - 未来予測を action 生成ではなく、既存提案の評価に使う点が特徴。 - 評価は pi_0 と pi_0.5 で LIBERO, RoboTwin 2.0, 実世界 manipulation。

- 既存の adaptive 手法は generation stability や prediction agreement で実行長を決める。 - しかしそれらは候補 prefix 実行がタスク完遂能力を保つか保証しない。 - PAV は実行前に候補 prefix の結果を予測し、成功継続との互換性を評価する。 - 未来予測を action 生成でなく、VLA の内部 task-conditioned representation space で既存提案の評価に使う。 - これにより success-query trade-off の改善を報告。

- policy-aligned predictive verifier (PAV) を導入。 - 候補 action prefix の結果を予測し、成功継続との互換性を評価。 - VLA の内部 task-conditioned representation space で既存提案を評価。 - 学習は trajectory-level survival supervision と localization prior を組み合わせる。 - localization prior は failed rollouts 内の有用行動を保持。 - 得られた validity scores が execution-horizon selection を導く。

- pi_0 と pi_0.5 を用いて評価。 - 環境は LIBERO, RoboTwin 2.0, 実世界 manipulation。 - success-query trade-offs の改善を確認。 - 詳細なベースライン比較や指標は要旨からは不明。

- 未来予測のロボティクスにおける役割を再定義する可能性を示唆。 - action 生成ではなく、提案行動をどこまで信頼するかの評価に使う方向性。 - 限界や失敗事例、計算コスト、一般化性の議論は要旨からは不明。

- pi_0 および pi_0.5 の原論文。 - LIBERO, RoboTwin 2.0 のベンチマーク論文。 - adaptive action-chunk execution に関する既存研究。 - VLA の action sequence 実行長決定に関する関連手法。