論文の概要: Uncovering Vulnerability of Vision-Language-Action Models under Joint-Level Physical Faults

• arxiv url: http://arxiv.org/abs/2606.10501v1
• Date: Tue, 09 Jun 2026 07:26:25 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-11 16:42:37.998775
• Title: Uncovering Vulnerability of Vision-Language-Action Models under Joint-Level Physical Faults
• Title（参考訳）: 統合レベル物理断層下でのビジョン・ランゲージ・アクションモデルの脆弱性の解明
• Authors: Minsoo Jo, Taeju Kwon, Junha Chun, Youngjoon Jeong, Taesup Kim,
• Abstract要約: リアルロボットは、アクチュエータの劣化、ハードウェアの故障、安全限界、衝突損傷、摩耗による摩擦などによる関節レベルの変化を経験することができる。 これらの欠陥は、政策のアクション・ツー・モーション・インタフェースを変更し、命令された行動、実現された動作、およびその後の観察の間の学習された閉ループ関係を乱すため、重要である。 本稿では,凍結したビジョン・ランゲージ・アクション(VLA)ポリシー上に構築された軽量リザーブ・キャリブレーション・フレームワークであるJ-PARCを提案する。
• 参考スコア（独自算出の注目度）: 7.207198416919797
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Deploying Vision-Language-Action (VLA) models in real robotic systems requires robustness not only to semantic and perceptual variations, but also to embodiment-side faults that change how actions are physically realized. Real robots can experience joint-level changes caused by actuator degradation, hardware faults, safety limits, collision damage, or wear-induced friction. These faults are critical because they alter the action-to-motion interface of a policy, disrupting the learned closed-loop relationship between commanded actions, realized motion, and subsequent observations. In this work, we study realistic joint-level physical faults and show that VLA models are vulnerable when predicted actions are executed through a perturbed robot body. Our analysis reveals joint-dependent effects, with heterogeneous degradation in task success across affected joints. We also show that performance drops cannot be attributed solely to physical infeasibility, since feasible faults such as increased joint friction can still substantially reduce success rates and induce closed-loop execution mismatch. Motivated by these findings, we propose Joint-level Physical-fault Aware Residual Calibrator (J-PARC), a lightweight residual calibration framework built on top of a frozen VLA policy. J-PARC infers a latent joint-fault regime from recent joint dynamics and conditions a shared residual calibrator on this regime, enabling adaptive action correction across faulty joints. Experiments show that J-PARC improves robustness under joint-level faults while preserving fault-free environment performance.
• Abstract（参考訳）: 現実のロボットシステムにVLA(Vision-Language-Action)モデルを配置するには、意味的および知覚的なバリエーションだけでなく、動作が物理的に実現される方法を変えるための実施側の欠陥も必要である。 リアルロボットは、アクチュエータの劣化、ハードウェアの故障、安全限界、衝突損傷、摩耗による摩擦などによる関節レベルの変化を経験することができる。 これらの欠陥は、政策のアクション・ツー・モーション・インタフェースを変更し、命令された行動、実現された動作、およびその後の観察の間の学習された閉ループ関係を乱すため、重要である。 本研究では,現実的な関節レベルの物理的欠陥について検討し,予測動作が摂動ロボット体を介して実行される場合に,VLAモデルが脆弱であることを示す。 本分析では, 関節の異種化による作業成功率の低下が認められ, 関節依存的効果が明らかとなった。 また, 関節摩擦の増加など実現可能な故障は, 成功率を著しく低下させ, クローズドループ実行ミスマッチを誘発する可能性があるため, 性能低下は物理的不実現性だけに起因できないことを示す。 これらの知見により,凍結VLAポリシ上に構築された軽量リザーブキャリブレーションフレームワークであるJ-PARC(Joint-level Physical-Fault Aware Residual Calibrator)を提案する。 J-PARCは、最近の関節力学と状態から、この状態に共有された残留校正器を推定し、欠陥のある関節間の適応的な動作補正を可能にする。 J-PARCは, 耐故障性能を維持しつつ, 接合部断層下での強靭性を向上することを示す実験を行った。

関連論文リスト

• Failing Forward: Adaptive Failure-Informed Learning for Vision-Language-Action Models [32.87104367896446]
  本稿では,拡散型および流路型VLAポリシーに対する適応的負のガイダンスとして,障害軌跡を利用するエンドツーエンドフレームワークを提案する。 AFILはトレーニング済みのVLAを使用して、オンラインの障害ロールアウトを生成する。 その後、デュアルアクションジェネレータ(DAG)を共同で訓練し、共通の視覚言語バックボーンを共有しながら、動作が成功し失敗する。
  論文  参考訳（メタデータ） (2026-05-08T19:57:11Z)
• Learning Reactive Dexterous Grasping via Hierarchical Task-Space RL Planning and Joint-Space QP Control [50.28263951510334]
  本稿では,リアクティブなデクスタリーグルーピングのためのハイブリッド階層型制御フレームワークを提案する。 提案手法は,低レベル共同実行から高レベル空間意図を明示的に分離する。 我々は厳密なシミュレーションと現実のパイプラインを通して提案したフレームワークを広範囲に検証する。
  論文  参考訳（メタデータ） (2026-05-05T04:49:38Z)
• RefusalGuard: Geometry-Preserving Fine-Tuning for Safety in LLMs [5.100622189286672]
  下流タスクのための微調整型セーフティアライメント言語モデルは、拒否動作を著しく低下させる可能性がある。 本稿では,モデル適応時の安全関連構造を保存する表現レベルの微調整フレームワークREFUSALGUARDを紹介する。
  論文  参考訳（メタデータ） (2026-05-03T14:48:18Z)
• AnchorRefine: Synergy-Manipulation Based on Trajectory Anchor and Residual Refinement for Vision-Language-Action Models [60.04879435087352]
  視覚言語アクション(VLA)ポリシーは、単一の統一空間内でアクションを生成する。 本稿では,VLAの動作モデリングを軌跡アンカーと残留精細化に分解する階層的フレームワークであるAnchorRefineを提案する。 LIBERO、CALVIN、および実ロボットタスクの実験では、AnchorRefineは回帰ベースと拡散ベースの両方のVLAバックボーンを一貫して改善している。
  論文  参考訳（メタデータ） (2026-04-20T04:25:24Z)
• DSO-VSA: a Variable Stiffness Actuator with Decoupled Stiffness and Output Characteristics for Rehabilitation Robotics [11.174959557114532]
  本稿では, 脱カップリングされた剛性と再生ロボットの出力挙動を特徴とする可変剛性アクチュエータを提案する。 このシステムは、可変長レバーと低シクロディダル直線機構を組み合わせた可変剛性機構を統合し、線形トルク-偏向関係を実現する。 位置ループ項が剛性と偏向角を協調的に調節する微分構成に基づいて、カスケードPIコントローラをさらに発展させる。
  論文  参考訳（メタデータ） (2025-12-21T12:13:17Z)
• Drift No More? Context Equilibria in Multi-Turn LLM Interactions [58.69551510148673]
  コンテキストドリフト(Contexts drift)とは、ターン間のゴール一貫性のある振る舞いからモデルが出力する出力の段階的なばらつきである。 シングルターンエラーとは異なり、ドリフトは時間的に展開し、静的な評価指標では捉えにくい。 マルチターンドリフトは、避けられない崩壊というよりも、制御可能な平衡現象として理解できることを示す。
  論文  参考訳（メタデータ） (2025-10-09T04:48:49Z)
• A Model for Optimal Resilient Planning Subject to Fallible Actuators [28.11583381961291]
  我々は,Markov Decision Processes (MDP) フレームワーク内での故障を受けやすいアクチュエータによる計画の問題を定式化する。 このモデルは、利用駆動型故障とアクチュエータ故障の状態依存確率をキャプチャする。 我々は、構成が密接に関連する問題を生じさせるという観察を生かして、再使用による計算を省く機会を見出した。
  論文  参考訳（メタデータ） (2024-05-18T22:07:38Z)
• Extreme Miscalibration and the Illusion of Adversarial Robustness [66.29268991629085]
  敵の訓練は、しばしばモデルの堅牢性を高めるために使用される。 我々は、この観測されたロバストネスの利得はロバストネスの錯覚(IOR)であることを示した。 我々は,NLPコミュニティに対して,試験時間温度のスケーリングを堅牢性評価に組み込むよう促す。
  論文  参考訳（メタデータ） (2024-02-27T13:49:12Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。