VLA転移2026/10/15arXiv:2610.22576

身体性分類器ガイダンス：実演なしで凍結VLAを異なるロボットダイナミクスへ転移

Embodiment-Classifier Guidance: Transferring Frozen VLAs Across Robot Dynamics without Demonstrations

凍結したフローベース方策π0を新たな身体に適応させるため、軽量な身体性分類器を学習し、その勾配でデノイジング過程を誘導する手法を提案。LIBEROベンチマークで成功率を72%から80%に向上させた。

詳しい要約

1. どんなもの？

- 固定された embodiment 集合で学習された flow-based policy（例: $π_0$）を、追加の demonstrations や parameter updates なしに新しい embodiment へ転送する手法 - 軽量な embodiment classifier を学習し、その勾配で $π_0$ の各 denoising step を誘導する guidance 手法 - LIBERO simulation benchmark 上で 4 つの modified controllers を用いて評価

2. 先行研究と比べてどこがすごい？

- 従来の $π_0$ は固定 embodiment で学習され、新 embodiment への転送は open problem - 追加 demonstrations や parameter updates を必要とせず、frozen $π_0$ をそのまま利用 - 少数の calibration tasks のみで軽量 classifier を学習するため data-efficient - 12 suite-controller ペアで平均成功率を 72% から 80% へ向上、failure を相対 31% 削減（11/12 で改善、5 件は Holm correction 後も有意）

3. 技術・手法の肝は？

- 成功した action chunks を source body と target body で識別する軽量 embodiment classifier を、少数の calibration tasks で学習 - 転送時は classifier の gradient で $π_0$ の各 denoising step を nudge し、source body の成功行動分布から target body の成功行動分布への方向を推定 - classifier は $π_0$ が source body で見たが classifier 未学習の transfer tasks にも適用

4. どうやって有効だと検証した？

- LIBERO simulation benchmark で 4 つの modified controllers を用い、12 suite-controller ペアで評価 - 平均成功率 72%→80%、failure 相対 31% 削減（11/12 改善、5 件 Holm correction 後有意） - simulation 上で guidance が data-efficient であり、タスクあたり少数の target-body rollouts で済むことを確認 - weak wrist の一例で guided $π_0$ が unguided で成功ゼロだったタスクを解決し、guided successes で classifier を再学習すると 52.5%→70.7% に向上

5. 議論はある？

- weak wrists では結果が混在し、locked wrist では有害 - classifier がデータ不足の場合や実現不可能な動きを好む場合に問題が生じる - guided $π_0$ で target-body データを追加収集することでこうしたギャップを埋められる可能性 - sim-to-real 転送への有望性が示唆されるが、rollout コストが高い実環境での検証は要旨からは不明

6. 次に読むべき論文は？

- $π_0$（flow-based policy の代表例） - LIBERO simulation benchmark および modified controllers を用いた関連研究 - classifier guidance / diffusion guidance 系の手法 - sim-to-real transfer における data-efficient adaptation の関連研究

※ 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: Devin Han, Hershraj Niranjani

分類: cs.RO, cs.LG

原文アブストラクト

Flow-based policies such as $π_0$ are trained on a fixed set of embodiments, and transferring them to new ones is an open problem. To adapt a frozen $π_0$ to a new embodiment without additional demonstrations or parameter updates, we train a lightweight embodiment classifier to distinguish successful action chunks on the source body from those on the target body, using a few calibration tasks. On transfer tasks that $π_0$ saw on its source body but the classifier was never trained on, we nudge each denoising step of $π_0$ with the classifier's gradient, which estimates the direction from the distribution of successful actions on the source body toward that on the target body. On the LIBERO simulation benchmark with four modified controllers, embodiment-classifier guidance raises $π_0$'s average success on the target bodies from 72% to 80% across 12 suite-controller pairs, with a 31% relative reduction in failures (11 of 12 gain; 5 significant after Holm correction). In simulation, guidance is data-efficient, needing few target-body rollouts per task, which makes it promising for sim-to-real transfer, where rollouts are costly. Guidance is mixed on weak wrists and harmful on a locked wrist, when the classifier lacks data or favors infeasible motions. Collecting more target-body data with guided $π_0$ can fill such gaps: on one weak-wrist arm, guided $π_0$ solved a task on which unguided $π_0$ had zero successes in the original data, and retraining the classifier on the guided successes raised success from 52.5% to 70.7%.

arXivで原文を読む →arXiv概要ページ

← 論文一覧