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:2610.21453

CarryOn: 個別化と信頼性を両立するロボット支援のための二重ループハーネス

CarryOn: A Dual-Loop Harness for Personalized and Reliable Robot Assistance

シェア:XThreadsFacebookLINEはてブBluesky

凍結したVLAポリシーを拡張し、ユーザー嗜好を反映した計画と安全監視・失敗回復を組み合わせて、個別化された信頼性の高いロボット支援を実現する二重ループシステムを提案。

詳しい要約

1. どんなもの？

本論文は、汎用VLAモデルに欠けるpersonalizationとreliable executionを補うため、frozen VLA policyを拡張するdual-loop harness「CarryOn」を提案する。 - planning loop: 持続的なuser-level/scene-level contextを保持し、新観測にgrounding、対話で更新 - execution loop: policy rolloutを監視し、危険接触を予測してactionをshield - 失敗時: 再利用可能なcontrol-based recovery skillsを呼び出し、reflectionで改善 - 実機とsimulationで評価

2. 先行研究と比べてどこがすごい？

generalist VLAはopen-world manipulationを可能にするが、personalizationとreliable executionが不足。 - 従来は単一のgeneric solutionに依存し、persistentなuser preferenceをsubtask分解にgroundingできない - 安全面ではexplainable safety assuranceやfailure recoveryが不十分 - CarryOnはfrozen VLAを変更せずdual-loopで拡張し、preference-consistentなsubtask dispatch、違反率低減、recovery成功率向上を実現

3. 技術・手法の肝は？

frozen VLA policyをaugmentするdual-loop harness。 - planning loop: persistentなuser-level/scene-level contextを保持し、新観測に継続的にgrounding、interactionで改訂。これにより会話や変化するsceneを跨いだpersonalized task selectionとexecution groundingを可能にする - execution loop: policy rolloutを能動監視し、予測されるhazardous contactからactionをshield - 失敗時: reusableなcontrol-based recovery skillsを起動し、task progressを回復。過去の失敗へのreflectionでskillをrefine

4. どうやって有効だと検証した？

real robotとsimulationで検証。 - 複数user/sceneにわたりpreference-consistentなsubtaskをdispatch - 既にsafety-finetunedなVLAのviolation rateを52.6%から6.1%へ低減 - refined skillsを再利用した際のrecovery successを13%から80%へ向上

5. 議論はある？

要旨からは不明。 - 限界、失敗事例、計算コスト、汎化性、倫理面などの議論は要旨に記載なし

6. 次に読むべき論文は？

要旨で参照/比較されている研究や関連手法を挙げる。 - generalist vision-language-action (VLA) models - safety-finetuned VLA - control-based recovery skills - 同分野の定番としてopen-world manipulation、robot safety assurance、failure recoveryに関する研究

※ 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: Zixuan Wang, Yuqi Liu, Yuxin Chen, Sengqiao Yang, Jinhui Ye, Pengguang Chen, Changsheng Lu, Shu Liu, Bei Yu, Jiaya Jia

分類: cs.RO, cs.CV

原文アブストラクト

While generalist vision-language-action (VLA) models have enabled diverse open-world manipulation, real-world robotic assistance requires two critical capabilities they currently lack: personalization and reliable execution. First, executing an instruction like "make me a sandwich" requires grounding subtask decomposition in persistent user preferences rather than relying on a single generic solution. Second, reliable deployment demands explainable safety assurance that proactively prevents hazards and gracefully recovers from occasional physical failures. To address these gaps, we present CarryOn, a dual-loop harness designed to augment a frozen VLA policy. The planning loop maintains persistent user-level and scene-level context that is continually grounded against new observations and revised through interaction, enabling personalized task selection and execution grounding across conversations and changing scenes. The execution loop actively supervises policy rollouts, shielding actions from predicted hazardous contact. When execution fails, the system invokes reusable control-based recovery skills that restore task progress and are refined through reflection on earlier failures. On a real robot and in simulation, CarryOn dispatches preference-consistent subtasks across users and scenes, reduces the violation rate of an already safety-finetuned VLA from 52.6% to 6.1%, and increases recovery success from 13% to 80% when refined skills are reused.

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