推論を分布として扱う：視覚言語行動モデルのための生成的プラン潜在表現

- Vision-Language-Action (VLA) ポリシーにおける推論状態を、単一表現ではなく計画上の低次元条件付き分布として表す Generative Plan Latent (GPL) を提案する研究。 - 計画とは「どの物体・把持・経路を使うか」などの中間的意思決定を指す。 - 推論状態を『アドレス可能』にし、VLA の再学習なしに plan のサンプリング(coverage)、要求に応じた選択(steering)、実行結果による再重み付け(outcome adaptation)を可能にする。

- 既存の reasoning 付き VLA は中間決定を単一の表現に圧縮しており、複数の有効な plan が存在する場合に代替案が隠れてしまう。 - GPL は reasoning state を plan 上の分布として保持することで、代替 plan の保持・選択・修正を可能にする点が異なる。 - 同じ guidance を native action distribution に与えても信頼できる改善が見られなかったのに対し、plan への steering では成功率が大きく向上した点を対比している。

- reasoning state を plan(物体・grasp・route など)上の低次元条件付き分布としてモデル化する Generative Plan Latent (GPL) を導入。 - 分布として持つことで、再学習なしに plan のサンプリング(coverage)、要求に基づく選択(steering)、deployment outcomes による再重み付け(outcome adaptation)が可能。 - 明示的な plan が観測から既に決まらない decision information を持つ場合に最も有用であることを示す分析を含む。

- SimplerEnv manipulation で $π_0$ を用いて coverage・steering・outcome adaptation の3つを検証。 - 分析を RoboCasa、LIBERO、maze domain に拡張。 - plan の steering により要求に従う実行の割合が 0.48 から 0.94 に向上。同一 guidance を native action distribution に適用しても信頼できる利得は見られなかった。

- 明示的な plan は、観測から既に決定されない decision information を運ぶ場合に最も有用であると議論。 - native action distribution への guidance では信頼できる改善が得られないことから、plan レベルでの表現・操作の重要性を示唆。 - 具体的な限界や失敗ケースについては要旨からは不明。

- 要旨で比較・参照されている $π_0$、SimplerEnv、RoboCasa、LIBERO に関する研究。 - reasoning を伴う VLA ポリシー(例: 中間推論を単一表現に圧縮する既存手法)の代表的研究。 - plan レベルの分布表現や steering に関連する generative planning / latent variable モデルの定番研究。