Fugu-MT 論文翻訳(概要): VLA-Scope: Shift-Aware Failure Prediction for Vision-Language-Action Models

論文の概要: VLA-Scope: Shift-Aware Failure Prediction for Vision-Language-Action Models

arxiv url: http://arxiv.org/abs/2609.21246v1
Date: Fri, 18 Sep 2026 02:43:16 GMT
ステータス: 翻訳完了
システム内更新日: 2026-09-21 18:40:16.836076
Title: VLA-Scope: Shift-Aware Failure Prediction for Vision-Language-Action Models
Title（参考訳）: VLA-Scope:ビジョン・ランゲージ・アクションモデルにおけるシフト・アウェア故障予測
Abstract要約: VLA-Scopeは2段階のフレームワークで、入力シフトのキャラクタリゼーションと実行履歴を組み合わせて失敗を予測する。我々は,OpenVLA を用いた 10 個の LIBERO-Spatial タスクのフレームワークの評価を行った。
参考スコア（独自算出の注目度）: 22.500864069060768
License: http://creativecommons.org/publicdomain/zero/1.0/
Abstract: Vision-language-action (VLA) models map visual observations and natural-language instructions to robotic actions, but distribution shifts can compromise their reliability. Because these models may still succeed under out-of-distribution (OOD) conditions, detecting OOD inputs alone is insufficient to predict execution failure. In this paper, we introduce VLA-Scope, a two-stage framework that combines input-shift characterization with execution history to predict failure during OOD rollouts. The first stage uses pooled image and language representations to detect OOD inputs and classify their shift categories. For inputs flagged as OOD, the second stage combines the predicted category, action-prefix features, and execution progress features. A logistic regression model shared across shift categories updates failure risk as execution proceeds. We evaluate the framework with OpenVLA on ten LIBERO-Spatial tasks using leave-one-group-out cross-validation. OOD detection achieves a ROC-AUC of 0.9454, and shift classification achieves 91% accuracy. Evaluated independently of the OOD gate on all 1,400 OOD rollouts, the failure predictor achieves a ROC-AUC of 0.8497 after 60 executed actions, compared with 0.7906 without execution progress features. It also achieves a higher ROC-AUC than the evaluated ActProbe and SAFE-MLP baselines. These results suggest that combining action features with temporally aggregated execution step representations improves failure prediction under input shifts.
Abstract（参考訳）: 視覚-言語-アクション(VLA)モデルは、視覚観察と自然言語の指示をロボット行動にマッピングするが、分散シフトは彼らの信頼性を損なう可能性がある。これらのモデルは、まだアウト・オブ・ディストリビューション(OOD)条件下では成功する可能性があるため、OOD入力のみを検出することは実行障害を予測するには不十分である。本稿では、入力シフト特性と実行履歴を組み合わせた2段階のフレームワークであるVLA-Scopeを紹介し、OODロールアウト時の障害を予測する。第1ステージでは、プールされた画像と言語表現を使用して、OOD入力を検出し、シフトカテゴリを分類する。 OODとしてフラグ付けされた入力に対して、第2ステージでは、予測されたカテゴリ、アクション-プレフィックス機能、実行進捗機能を組み合わせる。シフトカテゴリ間で共有されるロジスティック回帰モデルは、実行が進むにつれて障害リスクを更新する。我々は,OpenVLA を用いた 10 個の LIBERO-Spatial タスクのフレームワークの評価を行った。 OOD検出はROC-AUCが0.9454であり、シフト分類は91%の精度である。フェール予測器は1,400 OODロールアウトのOODゲートとは独立に評価され、60回の実行後にLOC-AUCの0.8497を達成する。また、評価されたActProbeやSAFE-MLPベースラインよりも高いROC-AUCを達成する。これらの結果は、動作特徴と時間的に集約された実行ステップ表現を組み合わせることで、入力シフト時の障害予測を改善することを示唆している。

関連論文リスト

Robo-Dopamine 2.0: History-Conditioned and OOD-Aware Process Reward Modeling for Robotic Manipulation [33.9590213103263]
視覚言語アクション(VLA)モデルはロボット操作を改善するが、複雑なエラー、シーン変更、軌道外の状態に弱いままである。本稿では,Robo-Dopamine 2.0について紹介する。Robo-Dopamine 2.0は履歴とOODを意識したプロセス報酬モデルである。遷移対応リプレイ付きサインホップカリキュラムは、微粒化進行校正の前に粗い実行順序を学習する。
論文参考訳（メタデータ） (2026-08-16T11:15:55Z)
From Checker to Forecaster: Code-Owned Evaluation of Model-Generated Strategic Routes Under Delayed Ground Truth [0.0]
RouteCastはモデル生成型戦略ルートの仕組みをインスタンス化する。暫定予測が作成され、後の結果で予測が評価される。将来的な校正、因果決定の改善、経路分割の優位性、ドメイン間の妥当性は確立していない。
論文参考訳（メタデータ） (2026-07-13T00:36:48Z)
ProOOD: Prototype-Guided Out-of-Distribution 3D Occupancy Prediction [77.70461178466043]
3Dセマンティック占有予測は自動運転の中心である。現在の手法は、長い尾のクラスバイアスとアウト・オブ・ディストリビューション(OOD)インプットに弱い。本稿では,プロトタイプ誘導改良とトレーニング不要なOODスコアを併用した,軽量なプラグアンドプレイ方式ProOODを提案する。
論文参考訳（メタデータ） (2026-04-01T16:11:59Z)
See, Plan, Rewind: Progress-Aware Vision-Language-Action Models for Robust Robotic Manipulation [59.07792608884117]
本稿では,See, Plan, Rewind (SPR)について紹介する。 SPRは、現在の状態と今後のマイルストーンを見て、次の2Dウェイポイントに向けて軌道を計画し、障害時に回復可能な状態に戻すという、継続的なコアサイクルを通じて運用される。 SPRは、OpenVLA-OFTとUniVLAを上回る最小のパフォーマンス低下で最先端のロバスト性を達成する。
論文参考訳（メタデータ） (2026-03-10T07:22:51Z)
Cross-modal Proxy Evolving for OOD Detection with Vision-Language Models [59.242742594156546]
CoEvoは、テキストプロキシとビジュアルプロキシの両方を双方向でサンプル条件で適応するテストタイムフレームワークである。 CoEvoは最先端のパフォーマンスを実現し、AUROCを1.33%改善し、ImageNet-1KではFPR95を45.98%削減した。
論文参考訳（メタデータ） (2026-01-13T12:08:26Z)
Leveraging Perturbation Robustness to Enhance Out-of-Distribution Detection [15.184096796229115]
本稿では, インディストリビューション(IND)インプットよりも, 摂動下でのOODインプットの予測信頼度が高いという知見に基づいて, ポストホック法であるPRO(Perturbation-Rectified OOD Detection)を提案する。 CIFAR-10モデルでは、POPは、最先端の手法と比較して、FPR@95において10%以上の削減を実現し、近似OOD入力を効果的に検出する。
論文参考訳（メタデータ） (2025-03-24T15:32:33Z)
CRoFT: Robust Fine-Tuning with Concurrent Optimization for OOD Generalization and Open-Set OOD Detection [42.33618249731874]
トレーニングデータにおけるエネルギースコアの最大化は、ドメイン一貫性のあるヘッセンの分類損失につながることを示す。我々は,両タスクの同時最適化を可能にする統合された微調整フレームワークを開発した。
論文参考訳（メタデータ） (2024-05-26T03:28:59Z)
Revisiting Out-of-distribution Robustness in NLP: Benchmark, Analysis, and LLMs Evaluations [111.88727295707454]
本稿では,NLP分野におけるアウト・オブ・ディストリビューション(OOD)のロバスト性に関する研究を再検討する。本稿では, 明確な分化と分散の困難さを保証するための, ベンチマーク構築プロトコルを提案する。我々は,OODロバスト性の分析と評価のための事前学習言語モデルの実験を行った。
論文参考訳（メタデータ） (2023-06-07T17:47:03Z)
Adapting Contrastive Language-Image Pretrained (CLIP) Models for Out-of-Distribution Detection [1.597617022056624]
本研究では,視覚的アウトオブディストリビューション(OOD)検出のための事前訓練された特徴抽出器に関する総合的研究を行った。我々は,OOD検出のための視覚言語モデルに適応するスタイリット擬似ラベル探索(PLP)と呼ばれる,シンプルでスケーラブルな新しい手法を提案する。
論文参考訳（メタデータ） (2023-03-10T10:02:18Z)
Robust Out-of-distribution Detection for Neural Networks [51.19164318924997]
既存の検出機構は, 分布内およびOOD入力の評価において, 極めて脆弱であることを示す。 ALOE と呼ばれる実効性のあるアルゴリズムを提案する。このアルゴリズムは,逆向きに構築された逆数と外数の両方の例にモデルを公開することにより,堅牢なトレーニングを行う。
論文参考訳（メタデータ） (2020-03-21T17:46:28Z)

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。