視覚言語行動ポリシーのための事後的不確実性推定

- Vision-language-action (VLA) ポリシーが持つ epistemic uncertainty を推定する手法の提案。 - 単一ポリシーの embeddings から事後的に不確実性を推定する post-hoc kernel-variance heads。 - 各 head は training demonstrations の embeddings を条件とした Gaussian process の条件付き分散を計算。 - 目的は、新しい状況で有用な demonstrations や assistance を要求できるようにすること。 - 失敗コストが高い場面を想定。 - SmolVLA と LIBERO-10 を用いた実験で評価。

- 先行手法は独立に訓練した複数ポリシーの ensemble の disagreement を利用。 - 複数ポリシーの訓練・実行が必要でコスト大。 - 提案法は単一ポリシーのみで epistemic uncertainty を推定。 - 回帰ターゲットや勾配更新が不要で、ポリシー自体を変更しない。 - SmolVLA では vision-language backbone 上の head が ensemble scores 比で uncertainty-scoring time を最大約50倍削減。 - setup costs も大幅に削減。 - 性能面でも task-level correlation、active learning での demonstration acquisition、supervisor への referral で two-policy ensemble scores と競合的。

- post-hoc kernel-variance heads を単一ポリシーの embeddings 上に構築。 - 各 head が Gaussian process の条件付き分散を計算し、epistemic uncertainty を推定。 - 条件付けに training demonstrations の embeddings を使用。 - 回帰ターゲットや gradient updates は不要。 - ポリシーは変更せず、事後的に head を fit。 - modality-specific heads と fused heads の違い。 - modality-specific heads は unfamiliar な camera、instruction、state 入力を識別。 - fused heads は個別には familiar な入力の unfamiliar な組み合わせを検出可能。

- SmolVLA と LIBERO-10 で実験。 - task-level correlation with task success を two-policy ensemble scores と比較。 - active learning における demonstration acquisition で評価。 - 強い supervisor policy への referral を human assistance の proxy として評価。 - uncertainty-scoring time と setup costs を ensemble scores と比較。 - controlled perturbations による補完的評価を実施。 - modality-specific heads が unfamiliar な camera、instruction、state 入力を識別できるか確認。 - fused heads が individually familiar な入力の unfamiliar な組み合わせを検出できるか確認。 - 評価対象の p…

- 既存の LIBERO-10 評価プロトコルは主にタスク間の coverage 差の認識を報酬化。 - execution variability が within-task rankings の評価を弱める。 - そのため controlled perturbations が補完的評価として有用。 - modality-specific heads と fused heads の挙動の違いを示す。 - 単一ポリシーから有用な uncertainty estimates が得られることを示唆。 - adaptive robot learning への応用可能性。 - 具体的な限界や失敗ケースについての詳細は要旨からは不明。

- ensemble disagreement を用いる先行研究（複数ポリシーの ensemble に基づく uncertainty 推定）。 - SmolVLA（実験で使用された VLA ポリシー）。 - LIBERO-10（評価に用いられた benchmark）。 - Gaussian process に基づく uncertainty estimation の関連手法。 - active learning や supervisor への referral に関する関連研究。