Fugu-MT 論文翻訳(概要): EXIMO: VLM Guided Exploration of VLA Policies

論文の概要: EXIMO: VLM Guided Exploration of VLA Policies

arxiv url: http://arxiv.org/abs/2608.19891v1
Date: Thu, 20 Aug 2026 10:58:45 GMT
ステータス: 翻訳完了
システム内更新日: 2026-08-21 20:28:51.536126
Title: EXIMO: VLM Guided Exploration of VLA Policies
Title（参考訳）: EXIMO: VLMガイドによるVLA政策の探索
Abstract要約: 最先端のロボット操作ポリシーは、大きな視覚言語アクション(VLA)モデルの振る舞いクローンに基づいている。新しいタスクを学習するためのVLAポリシーの微調整は、依然として未解決の問題である。本稿では,VLA ポリシーを微調整する効率的なアルゴリズム EXIMO を提案する。
参考スコア（独自算出の注目度）: 10.759711081122243
License: http://creativecommons.org/licenses/by/4.0/
Abstract: How to efficiently finetune robot policies to learn new tasks on the fly? State of the art robotic manipulation policies are based on behaviour cloning of large vision-language-action (VLA) models with billions of parameters on huge teleoperation datasets. While this simple approach has enabled significant advances for robotic manipulation, finetuning of VLA policies for learning new tasks still remains an open problem. In particular, collecting teleoperation datasets requires hundreds of hours of expensive human labour and the alternative, reinforcement learning (RL), can be notoriously sample-inefficient especially for long-horizon tasks. In addition, RL with VLAs imposes several challenges due to the model's size and architectural design. In this work, we propose EXIMO, an efficient algorithm for finetuning of VLA policies. EXIMO operates in three stages: explore, imitate, and optimize. During the explore phase, EXIMO equips the VLA with a vision language model (VLM) that acts as a planner. The VLM thinks and breaks down challenging long-horizon problems into shorter ones for the VLA. The VLM, together with the VLA, is used to collect an orchestrated dataset on new tasks. During the imitate phase, the VLA is finetuned with the orchestrated data. Finally, during the optimize stage, we use residual off-policy RL to further finetune the policy. In our experiments, we ablate all three stages of EXIMO and show that it outperforms existing approaches significantly in terms of sample-efficiency and final performance.
Abstract（参考訳）: ロボットのポリシーを効率的に微調整して、新しいタスクをリアルタイムで学習する方法? 最先端のロボット操作ポリシは、巨大な遠隔操作データセット上に数十億のパラメータを持つ大規模な視覚言語アクション(VLA)モデルの振る舞いクローンに基づいている。このシンプルなアプローチはロボット操作に大きな進歩をもたらしたが、新しいタスクを学習するためのVLAポリシーの微調整はまだ未解決のままである。特に遠隔操作データセットの収集には何百時間もの人的労力が必要で、特に長距離作業では強化学習(RL)が特に非効率なサンプルとなることが知られている。加えて、VLAとRLはモデルのサイズとアーキテクチャ設計のためにいくつかの課題を課している。本稿では,VLA ポリシーを微調整する効率的なアルゴリズム EXIMO を提案する。 EXIMOは、探索、模倣、最適化の3段階で動作する。探索期間中、EXIMOはプランナーとして機能する視覚言語モデル(VLM)をVLAに装備する。 VLMは、長期の課題をVLAのより短い問題に考え、分解する。 VLMは、VLAとともに、新しいタスクのオーケストレーションデータセット収集に使用される。模擬フェーズにおいて、VLAは、オーケストレーションされたデータで微調整される。最後に、最適化段階では、政策をさらに微調整するために、残余の政治外RLを使用します。実験では,EXIMOの3段階全てをアブレーションし,サンプル効率と最終性能の点で既存のアプローチを著しく上回っていることを示す。

関連論文リスト

EXPO-FT: Sample-Efficient Reinforcement Learning Finetuning for Vision-Language-Action Models [84.73890225707264]
提案するEXPO-FTは,事前学習したVLAポリシーの安定かつサンプル効率の良いRL微調整システムである。本システムは,オンラインロボットデータの平均19.1分以内の全ての評価課題に対して,完全なタスク性能(30/30の成功)を実現する。我々は、ロボット工学におけるVLAモデルのより広範なRLファインタニング導入を促進することを目的とした、オープンソースのロバスト性をリリースする。
論文参考訳（メタデータ） (2026-05-25T06:31:03Z)
Jump-Start Reinforcement Learning with Vision-Language-Action Regularization [1.2599533416395767]
強化学習(RL)は、ロボット操作のための高周波閉ループ制御を可能にする。現在の制限は、高速かつ正確な操作において直接の使用を妨げる。探索と学習効率を向上させるために,VLAJS(Vision-Language-Action Jump-Starting)を提案する。
論文参考訳（メタデータ） (2026-04-15T11:17:54Z)
Steering Vision-Language-Action Models as Anti-Exploration: A Test-Time Scaling Approach [78.4812458793128]
動作チャンクの高忠実度検証に軽量な擬数推定器を適用したテスト時間スケーリングフレームワークである textbfTACO を提案する。我々の手法は、オフライン強化学習(RL)における古典的な反探索原理に似ており、勾配のないため、計算上の大きな恩恵をもたらす。
論文参考訳（メタデータ） (2025-12-02T14:42:54Z)
SimpleVLA-RL: Scaling VLA Training via Reinforcement Learning [81.7764584515496]
VLA(Vision-Language-Action)モデルは、ロボット操作の強力なパラダイムとして登場した。これらのモデルは2つの根本的な課題に直面している。 VLAモデルに適した効率的な強化学習フレームワークであるSimpleVLA-RLを紹介する。
論文参考訳（メタデータ） (2025-09-11T17:59:17Z)
VLA-RL: Towards Masterful and General Robotic Manipulation with Scalable Reinforcement Learning [14.099306230721245]
VLA-RLは、オンライン収集データをテスト時に改善する探索ベースのフレームワークである。自動抽出タスクセグメントにアノテートされた擬似報酬ラベルに基づいてトレーニングされたロボットプロセス報酬モデルとして、事前学習された視覚言語モデルを微調整する。 VLA-RLにより、OpenVLA-7BはLIBEROの40の挑戦的なロボット操作タスクにおいて、最強の微調整ベースラインを4.5%超えることができる。
論文参考訳（メタデータ） (2025-05-24T14:42:51Z)
Fine-Tuning Vision-Language-Action Models: Optimizing Speed and Success [100.226572152954]
視覚言語アクションモデル(VLA)のための最適化された微調整レシピを提案する。われわれのレシピはOpenVLAの4つのタスクスイートの平均成功率を76.5%から97.1%に引き上げ、アクション生成のスループットを26$times$に向上させた。実世界の評価において、我々の微調整のレシピにより、OpenVLAはバイマガルALOHAロボット上でデクスタラスで高周波な制御タスクをうまく実行することができる。
論文参考訳（メタデータ） (2025-02-27T00:30:29Z)
Towards Generalist Robot Policies: What Matters in Building Vision-Language-Action Models [39.706833232931245]
ファンデーションビジョン言語モデル(VLM)はマルチモーダル表現学習、理解、推論において強力な能力を示す。 VLMにアクションコンポーネントを注入することにより、自然にVLA(Vision-Language-Action Models)を形成し、有望な性能を示すことができる。本稿では,VLAの性能に大きく影響を及ぼす重要な要因を明らかにするとともに,3つの重要な設計選択に答えることに注力する。我々はVLAの新たなファミリーであるRoboVLMsを開発し、3つのシミュレーションタスクと実世界の実験で非常に少ない手動設計と新しい最先端性能を実現する。
論文参考訳（メタデータ） (2024-12-18T17:07:20Z)
TinyVLA: Towards Fast, Data-Efficient Vision-Language-Action Models for Robotic Manipulation [32.406783380729024]
VLA(Vision-Language-Action)モデルは、エンド・ツー・エンドの学習プロセスを通じて、視覚運動制御と命令理解において顕著な可能性を示している。現在のVLAモデルは、推論中に遅くなり、大量のロボットデータに対して広範な事前トレーニングを必要としているため、重大な課題に直面している。既存のVLAモデルに対して2つのアドバンテージを提供する,TinyVLAと呼ばれる,コンパクトな視覚言語アクションモデルを導入した。
論文参考訳（メタデータ） (2024-09-19T07:10:18Z)
OpenVLA: An Open-Source Vision-Language-Action Model [131.74098076670103]
我々は、970kの現実世界のロボットデモの多様なコレクションに基づいて訓練されたオープンソースのVLAであるOpenVLAを紹介した。 OpenVLAは汎用的な操作の強力な結果を示し、RT-2-X (55B) のようなクローズドモデルよりも16.5%高い絶対的なタスク成功率を示した。モデルチェックポイント、微調整ノートブック、そしてOpen X-Embodimentデータセット上で大規模にVLAをトレーニングするためのビルトインサポートを備えたPyTorchをリリースしています。
論文参考訳（メタデータ） (2024-06-13T15:46:55Z)
A Survey on Vision-Language-Action Models for Embodied AI [90.99896086619854]
エンボディードAIは、人工知能の重要な要素として広く認識されている。組込みAIにおける言語条件ロボットタスクに対処するために、マルチモーダルモデルの新たなカテゴリが登場した。具体的AIのための視覚-言語-アクションモデルに関する第1回調査を示す。
論文参考訳（メタデータ） (2024-05-23T01:43:54Z)

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。