同じ言葉、異なる行動：推論型VLAにおけるテキストと行動の乖離を診断・制御する

- Reasoning VLA（vision-language-action）モデルにおける text-action divergence を診断・制御する研究 - 生成 rationale（テキスト）を単語単位で完全に保ったまま、視覚摂動によって物理 action だけを変えられることを示す - 対象は driving の Alpamayo と manipulation の InstructVLA の text/action 共有インターフェース - 提案する TNAS（text-neutral action-subspace）診断で、action に敏感な方向と text-loss 勾配の直交性を解析 - 含意として、rationale が同一でも安全な action を保証できないと主張

- 従来の VLA reasoning への攻撃は rationale 自体を破壊し、テキストに痕跡が残る - 本研究は rationale を word-for-word で同一に保ちつつ action のみを変える点が新しい - 局所的に最も action に敏感な方向が text-loss 勾配とほぼ直交（norm overlap 1.87% / 5.28%）であることを示す - 同一 hidden-state 摂動ノルムで、TNAS 方向は text 勾配摂動より action を 4.64x〜47.8x 大きく変化させる - 逆に text 勾配摂動は text drift を 21.2x〜277x 大きくする

- Alpamayo と InstructVLA の共有 text/action インターフェース上で TNAS 診断を構築 - action 感受性が高い局所方向と active text-loss 勾配の重なりを測定 - text-neutral residual 方向に沿った介入で hidden-state 摂動を比較 - 視覚摂動をこの方向に沿わせることで画像からの decoupling を誘導 - full-image 摂動と localized forward-camera patch の両設定を検討 - text-preserving baseline と比較し rationale 保持率と teacher-forced text drift を評価

- Alpamayo の obstacle-annotated driving scene 154 件で評価 - TNAS-guided attack は full-image 摂動で 52.6%、forward-camera patch で 35.1% の scene に新たな collision を誘発 - unguided action attack の 4.55% と比較 - text-preserving baseline 比で exact rationale preservation を 83.0% から 89.5% へ向上、teacher-forced text drift を 68.4% 削減（collision rate は同等） - InstructVLA では text drift を 40.5% 削減、85.0% の例で exact response を保持しつつ action-chunk を 1.73-unit シフト

- 変化しない rationale は安全な action を証明できないと結論 - reasoning VLA の monitor は predicted action channel を直接検証すべきと提言 - 視覚摂動がテキストに痕跡を残さず action を変え得るため、テキスト監視のみでは embodied safety の担保が不十分 - 具体的な緩和策や検出器の設計、他モデルへの一般化は要旨からは不明

- Alpamayo（driving VLA） - InstructVLA（manipulation VLA） - reasoning VLA の rationale 監視・攻撃に関する先行研究（要旨では個別名の明示なし） - VLA の action channel 監視・安全モニタリングに関する研究（要旨からは不明）