失敗から学ぶVLA：失敗軌道を負のガイダンスに活用したロバストなロボット操作

- 本論文は、VLA (Vision-Language-Action) モデルにおける success-only behavioral cloning の脆弱性を解決するための枠組みを提案している。 - 提案手法は Adaptive Failure-Informed Learning (AFIL) と呼ばれる end-to-end フレームワーク。 - failure trajectories を adaptive negative guidance として活用し、diffusion- および flow-based な VLA ポリシーの学習を改善する。 - 対象はロボティックマニピュレーションタスク。

- 既存の VLA は success-only behavioral cloning に依存し、失敗データを学習に活用しないため、小さな実行エラーが連鎖して out-of-distribution な失敗に陥りやすい。 - AFIL は failure trajectories を明示的に学習信号として利用する点が新しい。 - 失敗モードの手作業設計や human-in-the-loop recovery を必要とせず、pretrained VLA から failure rollouts をオンライン生成する。 - 成功・失敗の Dual Action Generators (DAGs) を共通の vision-language backbone で共有し、限られたパラメータ増加で failure-aware な学習を実現する。

- pretrained VLA を用いて failure rollouts をオンラインで生成する。 - 成功行動用と失敗行動用の Dual Action Generators (DAGs) を用意し、共通の vision-language backbone を共有して同時に学習する。 - サンプリング時には failure generator が、成功分布と失敗分布の per-diffusion-step 距離に基づく guidance strength で、失敗しやすい領域から離れ信頼できる成功モードへと行動生成を適応的に誘導する。 - diffusion- および flow-based VLA ポリシーに適用可能な設計。

- in-domain および out-of-domain のロボティックマニピュレーションタスクで検証。 - short-horizon と long-horizon の両設定をカバー。 - 既存の VLA ベースラインと比較し、タスク成功率とロバスト性が一貫して向上することを示した。 - 有効性・効率性・汎用性を実証したと主張している。

- 要旨からは不明。 - ただし、failure rollouts のオンライン生成品質や、guidance strength の設計・計算コスト、DAGs のパラメータ共有による干渉などが議論点になり得るが、本文に明示されていない。

- 要旨で直接参照・比較されている個別研究名は記載されていない。 - 関連手法として、diffusion-based VLA、flow-based VLA、behavioral cloning、negative guidance を用いる diffusion policy 関連の研究を次に読むべき候補として挙げられる。 - 具体的な論文名は要旨からは不明。