較正済み潜在プロービングによるVLAモデルの失敗予測と分類

- Vision-Language-Action models (VLAs) の実行時監視機構 VLA-Tug を提案する研究。 - VLA backbone の latent layers 上に軽量 probe を載せ、failure の早期検出と failure mode の分類を行う。 - edge 上で動く省 overhead の runtime monitor を志向。 - 3,180 本の注釈付き manipulation episodes の dataset を公開。

- 既存手法は timely・calibrated・informative・efficient の要件を満たさないと主張。 - 最強の learned baseline 比で、同一 false-positive rate 下の早期 failure 検出が最大 30% 向上。 - unseen tasks への shift 時、missed-detection/false-alarm rate の bound が有効な run が最大 86%（baseline は最大 21%）。 - failure mode を予測でき、unseen tasks で top-3 accuracy が majority baseline 比最大 44% 向上。

- VLA backbone の latent layers に対する軽量 probe（VLA-Tug）。 - trajectory の pre-failure segment を supervision に用いることで早期検出を強化。 - missed-detection と false-alarm rate を bound する calibrated な監視を実現。 - 推論 overhead は最小。failure mode の予測により corrective action を可能にする。

- 最強の learned baseline との比較で早期 failure 検出を評価（同一 false-positive rate 下で最大 30% 向上）。 - unseen tasks への shift で bound の有効性を run 単位で検証（最大 86% vs baseline 最大 21%）。 - failure mode 分類の top-3 accuracy を majority baseline と比較（最大 44% 向上）。 - lightweight steering による task success 改善も示す。

- 要旨からは不明（本文での限界・失敗事例・計算コストの詳細な議論は記述なし）。 - 主張として edge 実行可能な効率性と calibration の両立を掲げる。 - dataset 公開により latent failure detection の今後の研究を支援。

- 比較対象の strongest learned baseline（具体的名称は要旨からは不明）。 - majority baseline（failure mode 分類の比較対象）。 - Vision-Language-Action models (VLAs) の代表的手法（RT-2 等の一般名）。 - latent probing / runtime monitoring 関連の failure detection 研究。