VLA-Fabric：複数アームVLAエージェントのための学習的相互作用による協調

- VLA-Fabricは、各armごとに1つの完全なVLAモデルを持たせ、policy境界を越えた学習されたinteractionで協調させるmulti-arm VLAフレームワーク。 - 各armのlocal perceptionとaction ownershipを保持したまま、複数armの協調操作を実現する。 - 3arm・4armのチームを構成し、simulationとphysical experimentsで評価している。

- 既存のmulti-arm coordinationは、centralized joint policies、high-level task/role assignment、teammateに反応するlocally executed policiesなどで整理されてきた。 - しかし、action生成中に完全なaction-producing VLA同士が明示的にinteractする方法はほとんど未探索だった。 - VLA-Fabricはpolicy境界を越えたlearned interactionを導入し、独立学習したlocal policiesよりphysical 4タスクで16–40 percentage points成功率を改善。

- 各armに1つの完全なVLAを割り当て、local perceptionとaction ownershipを維持する。 - interactionをどこで行うか、peer情報をどうaggregateするか、interactionをどう学習するかを体系的に検討。 - shared context、peer-specific latent information、action-stage interactionという補完的なcoordination functionsを同定。 - これらのfunctionsを構造の異なるVLA architectureに再実装し、tensor layoutやbackbone実装に依存しないことを示す。

- 3armおよび4armのチームを構成し、simulationとphysical experimentsで評価。 - 4つのphysical tasksすべてで、Full interactionが独立学習のlocal policiesより16–40 percentage points成功率を改善。 - 構造の異なるVLA architectureへの再実装により、coordination principleの汎用性を検証。

- 完全なVLA policies間の明示的interactionが、networked embodied intelligenceへのscalableな道筋になり得ると示唆。 - interactionの配置・aggregation・学習方法の設計選択が協調性能に寄与することを議論。 - ただし、より大規模なarm数や多様なタスクへの一般化、実環境での限界については要旨からは不明。

- centralized joint policiesに関する研究。 - high-level task/role assignmentに基づくmulti-arm coordination研究。 - teammateに反応するlocally executed policiesの研究。 - 完全なVLAモデル（Vision-language-action models）の代表的手法。