論文の概要: Beyond Single-Axis Testing: Paired Evaluation of Compound Robustness in Vision-Language-Action Policies
- arxiv url: http://arxiv.org/abs/2609.15940v1
- Date: Mon, 14 Sep 2026 17:44:54 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-09-16 07:15:06.538808
- Title: Beyond Single-Axis Testing: Paired Evaluation of Compound Robustness in Vision-Language-Action Policies
- Title（参考訳）: 単軸試験を超えて:ビジョンランゲージ・アクション・ポリシーにおける複合ロバストネスの評価
- Abstract要約: 単軸評価から複合ロバスト性を推定できるかどうかを問う。
LIBERO-CTRLは6軸ベンチマークで、各初期状態を1軸条件でペアリングする。
1つのトランジションは複合的な成功を減少させ、もう1つのトランジションはそれを増大させるため、それらはキャンセルすることができ、集合的なパフォーマンスは単軸測定と一致しているように見える。
- 参考スコア（独自算出の注目度）: 4.55011976634859
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Vision-language-action policies are typically evaluated one perturbation at a time, providing a useful diagnosis of their sensitivity to individual distribution shifts. Real-world deployment, however, may involve several shifts simultaneously, and it remains unclear how these individual robustness measurements compose. We ask whether compound robustness can be inferred from single-axis evaluations. We introduce LIBERO-CTRL, a six-axis benchmark that pairs each initial state across single-axis conditions and a matched simultaneous condition. This design reveals two opposing outcome changes that aggregate success rates cannot distinguish: emergent failures, where all single-axis rollouts succeed but the simultaneous rollout fails, and compensated successes, where at least one single-axis rollout fails but the simultaneous rollout succeeds. Because one transition decreases compound success while the other increases it, they can cancel, making aggregate compound performance appear consistent with single-axis measurements even when individual outcomes differ substantially. These opposing transitions can largely cancel in aggregate: even when the difference between the two transition rates is not statistically distinguishable from zero, as many as 29.0% of matched initial states still change outcome. Across six policies and three severity levels, such outcome changes reach 34.5% in the most affected condition. The relative prevalence of the two transitions varies across policies and severities, while the transition rates remain similar under independent re-evaluation of stochastic policies. Compound robustness therefore cannot be characterized from aggregate single-axis success rates alone; matched per-instance evaluation is needed to reveal how joint perturbations alter behavior.
- Abstract（参考訳）: 視覚言語アクションポリシーは典型的には一度に1つの摂動を評価され、個々の分布シフトに対する感度の有用な診断を提供する。
しかし、実際の展開にはいくつかのシフトが同時に伴う可能性があり、これらの個々のロバストネスの測定がどのように構成されるのかは定かではない。
単軸評価から複合ロバスト性を推定できるかどうかを問う。
LIBERO-CTRLは1軸条件と一致した同時条件で初期状態をペアリングする6軸ベンチマークである。
この設計では、全ての単一軸ロールアウトが成功するが同時にロールアウトが失敗する緊急障害と、少なくとも1つの単一軸ロールアウトが失敗すると同時に同時ロールアウトが成功する補償成功の2つの相反する結果が区別できない。
1つの遷移は複合の成功を減少させ、もう1つは増大させるので、個々の結果が著しく異なる場合でも、総合的な複合性能を単軸測定と一致させることができる。
2つの遷移速度の差が統計的に0と区別できない場合でも、一致した初期状態の29.0%は結果を変える。
6つの政策と3つの重度レベルにまたがって、最も影響の大きい状況では、このような結果が34.5%に達する。
2つの遷移の相対的な頻度は、政策と重大性によって異なるが、遷移率は、独立した確率的政策の再評価の下では類似している。
したがって、複合ロバスト性は単軸連続成功率だけでは特徴づけられず、関節の摂動がどう振る舞うかを明らかにするために、インスタンスごとの評価が一致する必要がある。
関連論文リスト
- Hierarchical Advantage Weighting for Online RL Fine-Tuning of VLAs from Sparse Episode Outcomes [40.20394793623452]
事前トレーニングされたVLAポリシーがオンラインRLを介して微調整されると、各ロールアウトエピソードは単一のバイナリ結果のみを生成する。
階層的アドバンテージ・重み付き行動クローン (HABC) を提案する。
HABCは教師付き微調整(SFT)ベースラインを36%、44%、12%から92%、88%、38%で成功している。
論文 参考訳（メタデータ） (2026-06-15T17:57:14Z) - Causal Inference with Categorical Unobserved Confounder via Mixture Learning [20.542714966688656]
未保存の共同創設者が適切な条件下でカテゴリー化されている場合、因果効果が識別可能であることを示す。
本稿では, テンソル分解に基づく推定手法を提案する。
論文 参考訳（メタデータ） (2026-05-18T18:28:16Z) - The Confidence Gate Theorem: When Should Ranked Decision Systems Abstain? [0.0]
ランク付けされた決定システムは、いつランク付けされたアウトプットに介入するか、いつ停止するかを判断しなければならない。
信頼に基づく棄権が意思決定の質を単調に改善し、いつ失敗するかを考察する。
論文 参考訳（メタデータ） (2026-03-10T17:44:10Z) - On the Structural Non-Preservation of Epistemic Behaviour under Policy Transformation [51.56484100374058]
このような情報条件の相互作用パターンを振る舞い依存として定式化する。
これにより、$$-behavioural equivalenceというプローブ相対的な概念と、政治内行動距離が導かれる。
その結果、共通政策変換の下でプローブ条件の挙動分離が保存されない構造条件が明らかになった。
論文 参考訳（メタデータ） (2026-02-24T22:55:21Z) - Every Subtlety Counts: Fine-grained Person Independence Micro-Action Recognition via Distributionally Robust Optimization [36.230001277076376]
マイクロアクション認識は、心理的アセスメントと人間とコンピュータの相互作用に不可欠である。
既存の手法は現実のシナリオで失敗することが多い。
本稿では、分散ロバスト最適化の原則を取り入れた個人独立ユニバーサルマイクロアクション認識フレームワークを提案する。
論文 参考訳（メタデータ） (2025-09-25T14:54:24Z) - A Sample Efficient Conditional Independence Test in the Presence of Discretization [54.047334792855345]
離散化されたデータに直接条件付き独立テスト(CI)は、誤った結論につながる可能性がある。
最近の進歩は、観測データをバイナライズすることで、潜伏変数間の適切なCI関係を推測することを目指している。
そこで本研究では,バイナライゼーションプロセスに依存しないサンプル効率のCIテストを提案する。
論文 参考訳（メタデータ） (2025-06-10T12:41:26Z) - Counterfactual Realizability [52.85109506684737]
本稿では, 正規化可能性の定義, 分布からサンプルを抽出する能力を導入し, 任意の反事実分布が実現可能であるかどうかを判定する完全アルゴリズムを開発する。
本稿では、因果的公正さと因果的強化学習のモチベーション例を用いて、この新たな反ファクト的データ収集フレームワークの意義を説明する。
論文 参考訳（メタデータ） (2025-03-14T20:54:27Z) - Offline Reinforcement Learning: Role of State Aggregation and Trajectory Data [64.93285984013833]
我々は,ベルマンを使わずに,値関数を実現可能なオフライン強化学習の問題を再考する。
Xie と Jiang (2021) と Foster et al. (2022) による以前の研究は、軌道に基づくオフラインデータとともに集中係数が有界標本複雑性を統一するかどうかという疑問を解き放った。
論文 参考訳（メタデータ） (2024-03-25T18:28:45Z) - Robust Learning via Conditional Prevalence Adjustment [7.480241867887245]
ディープラーニングモデルは、目に見えない場所で破滅的に失敗する可能性がある。
本稿では,CoPA(Conditional Prevalence-Adjustment)という手法を提案する。
論文 参考訳（メタデータ） (2023-10-24T12:13:49Z) - Score-based Causal Representation Learning with Interventions [54.735484409244386]
本稿では,潜在因果変数を間接的に観察する際の因果表現学習問題について検討する。
目的は、 (i) 未知の線形変換(スケーリングまで)を回復し、 (ii) 潜在変数の下の有向非巡回グラフ(DAG)を決定することである。
論文 参考訳（メタデータ） (2023-01-19T18:39:48Z) - Treatment Effect Risk: Bounds and Inference [58.442274475425144]
平均的な治療効果は社会福祉の変化を測定するため、たとえ肯定的であっても、人口の約10%に悪影響を及ぼすリスクがある。
本稿では,ICT分布のリスク条件値(CVaR)として定式化されたこの重要なリスク尺度をどう評価するかを検討する。
いくつかの境界は、複素CATE関数を単一の計量に要約したものと解釈することもでき、有界であることとは無関係に興味を持つ。
論文 参考訳（メタデータ） (2022-01-15T17:21:26Z) - Off-policy Evaluation in Infinite-Horizon Reinforcement Learning with
Latent Confounders [62.54431888432302]
無限水平エルゴードマルコフ決定過程におけるOPE問題について考察する。
我々は、状態と行動の潜在変数モデルのみを考慮すれば、政策値が政治外のデータから特定できることを示す。
論文 参考訳（メタデータ） (2020-07-27T22:19:01Z)
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。