論文の概要: $τ_0$-VLA: a Hierarchical Robot Foundation Model with World-Model-Guided Test-Time Computation

• arxiv url: http://arxiv.org/abs/2608.16885v1
• Date: Mon, 17 Aug 2026 17:59:11 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-08-18 19:59:03.83461
• Title: $τ_0$-VLA: a Hierarchical Robot Foundation Model with World-Model-Guided Test-Time Computation
• Title（参考訳）: $τ_0$-VLA:World-Model-Guided Test-Time Computationを用いた階層型ロボット基礎モデル
• Abstract要約: ロングホライズンロボットの操作には、ロボットが個々のスキルを確実に実行し、拡張されたタスクに対してそれらを一貫性を持ってシーケンスする必要がある。 計算スケーリング可能な推論問題として高レベルサブタスク生成を定式化する階層型ロボット基盤モデルである$_0$-VLAを導入する。 低レベルポリシーは、生成されたサブタスクを複数のロボットエンボディメントにわたって実行する。
• 参考スコア（独自算出の注目度）: 51.05516457377339
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Long-horizon robot manipulation requires a robot to both execute individual skills reliably and sequence them coherently over extended tasks. Most hierarchical vision-language-action (VLA) models make each such decision with a single forward pass, leaving no mechanism to allocate additional computation to difficult or consequential choices. We introduce $τ_0$-VLA, a hierarchical robot foundation model that formulates high-level subtask generation as a compute-scalable inference problem through world-model-guided test-time computation. At each inference step, the high-level policy uses execution memory to generate a subtask and, when needed, searches over alternatives before committing to its output. A low-level policy then executes the generated subtask across multiple robot embodiments. The policy is trained on 40,115 hours of heterogeneous real-world data with multimodal co-training. Across in-domain and distribution-shifted settings, allocating additional test-time computation substantially improves next-subtask prediction accuracy, and these gains translate into higher closed-loop success on long-horizon robot manipulation tasks.
• Abstract（参考訳）: ロングホライズンロボットの操作には、ロボットが個々のスキルを確実に実行し、拡張されたタスクに対してそれらを一貫性を持ってシーケンスする必要がある。 ほとんどの階層的視覚言語アクション(VLA)モデルは、これらの決定を1つの前方通過で行い、困難または連続的な選択に余分な計算を割り当てる機構を残さない。 本稿では,高レベルサブタスク生成を世界モデル誘導テスト時間計算による計算スケーリング可能な推論問題として定式化する階層型ロボット基盤モデルであるτ_0$-VLAを紹介する。 各推論ステップでは、ハイレベルポリシーは実行メモリを使用してサブタスクを生成し、必要に応じて、その出力にコミットする前に代替品を検索する。 低レベルポリシーは、生成されたサブタスクを複数のロボットエンボディメントにわたって実行する。 このポリシーは、マルチモーダルなコトレーニングを伴う40,115時間の異種実世界のデータに基づいて訓練されている。 ドメイン内および分散シフト設定全体にわたって、追加のテスト時間計算を割り当てることにより、次のサブタスク予測精度が大幅に向上し、これらの利得は、長い水平ロボット操作タスクにおけるクローズドループの成功に繋がる。

関連論文リスト

• DSWAM: A Dual-System World Action Foundation Model for Fine-Grained Robot Manipulation [14.193285862278913]
  World Action Models (WAMs) は、VLA(Vision-Language-Action) ポリシーに代わる有望な代替手段を提供する。 既存のWAMは、物理的に基盤化された実行では優れているが、言語レベルの明確な計画インターフェースが欠如している。 DSWAM(Dual-System World Action Foundation Model)を紹介する。
  論文  参考訳（メタデータ） (2026-07-06T10:57:01Z)
• ELASTIC: Efficiently Learning to Adaptively Scale Test-Time Compute for Generative Control Policies [36.28264388380867]
  ジェネレーティブコントロールポリシー(GCP)は、ロボット制御におけるテストタイムスケーリングを可能にする。 テスト時間計算はシーケンシャルスケーリングと並列スケーリングの2つの軸に沿って割り当てることができる。 GCPの状態依存型テスト時間計算スケジュールを学習するアルゴリズムであるELASTICを提案する。
  論文  参考訳（メタデータ） (2026-06-30T05:00:32Z)
• RoboClaw: An Agentic Framework for Scalable Long-Horizon Robotic Tasks [28.827331437876452]
  データ収集、ポリシー学習、タスク実行を単一のVLM駆動コントローラで統合するエージェントロボットフレームワークであるRoboClawを提案する。 ポリシーレベルでは、RoboClaw氏はEntangled Action Pairs(EAP)を紹介している。 デプロイ中、同じエージェントが高レベルの推論を行い、学習されたポリシープリミティブを動的にオーケストレーションして長期のタスクを遂行する。
  論文  参考訳（メタデータ） (2026-03-12T05:22:59Z)
• RoboCerebra: A Large-scale Benchmark for Long-horizon Robotic Manipulation Evaluation [59.9896841079005]
  長距離ロボット操作における高レベル推論評価のためのベンチマークであるRoboCerebraを紹介する。 データセットはトップダウンパイプラインを通じて構築され、GPTはタスク命令を生成し、それらをサブタスクシーケンスに分解する。 以前のベンチマークと比較すると、RoboCerebraはアクションシーケンスが大幅に長く、アノテーションがより密度が高い。
  論文  参考訳（メタデータ） (2025-06-07T06:15:49Z)
• RoBridge: A Hierarchical Architecture Bridging Cognition and Execution for General Robotic Manipulation [90.81956345363355]
  RoBridgeは、一般的なロボット操作のための階層的なインテリジェントアーキテクチャである。 大規模事前学習型視覚言語モデル(VLM)に基づくハイレベル認知プランナー(HCP)で構成されている。 強化学習の手続き的スキルを解き放ち、認知と実行のギャップを効果的に埋める。
  論文  参考訳（メタデータ） (2025-05-03T06:17:18Z)
• Value Iteration for Learning Concurrently Executable Robotic Control Tasks [6.057772626591651]
  本稿では,複数のタスクを同時に実行するための冗長ロボットの訓練手法を提案する。 まず、学習された価値関数間のタスク独立性の概念を定義します。 次に、タスク独立の定義を用いて、その制御目的を達成するための政策を促進するコスト関数を提案します。
  論文  参考訳（メタデータ） (2025-04-01T20:31:36Z)
• COHERENT: Collaboration of Heterogeneous Multi-Robot System with Large Language Models [49.24666980374751]
  COHERENTは、異種マルチロボットシステムの協調のための新しいLCMベースのタスク計画フレームワークである。 提案-実行-フィードバック-調整機構は,個々のロボットに対して動作を分解・割り当てするように設計されている。 実験の結果,我々の研究は,成功率と実行効率の面で,従来の手法をはるかに上回っていることが明らかとなった。
  論文  参考訳（メタデータ） (2024-09-23T15:53:41Z)
• Decomposition-based Hierarchical Task Allocation and Planning for Multi-Robots under Hierarchical Temporal Logic Specifications [9.150196865878234]
  時間論理仕様を用いたロボット計画のための分解に基づく階層的枠組みを定式化する。 混合線形プログラムは、様々なロボットにサブタスクを割り当てるために使用される。 本手法はナビゲーションと操作の領域に実験的に適用された。
  論文  参考訳（メタデータ） (2023-08-20T23:53:13Z)
• Dynamic Multi-Robot Task Allocation under Uncertainty and Temporal Constraints [52.58352707495122]
  本稿では,不確実性およびマルチエージェント協調の下での逐次意思決定における重要な計算課題を分離するマルチロボット割当アルゴリズムを提案する。 都市におけるマルチアームコンベヤベルトピック・アンド・プレイスとマルチドローン配送ディスパッチの2つの異なる領域における広範囲なシミュレーション結果について検証を行った。
  論文  参考訳（メタデータ） (2020-05-27T01:10:41Z)
• Hierarchical Reinforcement Learning as a Model of Human Task Interleaving [60.95424607008241]
  我々は、強化学習によって駆動される監督制御の階層モデルを開発する。 このモデルは、タスクインターリービングの既知の経験的効果を再現する。 その結果、階層的RLがタスクインターリービングのもっともらしいモデルとして支持された。
  論文  参考訳（メタデータ） (2020-01-04T17:53:28Z)

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。