論文の概要: AdaHVLA: Adaptive Harnesses for Long-Horizon Vision-Language-Action Execution

• arxiv url: http://arxiv.org/abs/2609.29204v1
• Date: Thu, 24 Sep 2026 08:14:03 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-25 21:10:09.788519
• Title: AdaHVLA: Adaptive Harnesses for Long-Horizon Vision-Language-Action Execution
• Title（参考訳）: AdaHVLA:長距離視-言語-行動実行のための適応的ハーネス
• Abstract要約: 視覚言語アクション(VLA)モデルは、強い局所的な制御と指示を提供するが、永続的な記憶と計画を必要とする長い水平タスクにしばしば苦労する。 AdaHVLAは,ロボット体験を通じてコードベースのコーディネーションポリシーを洗練し,エージェント推論とメモリのVLA実行との整合性を向上する適応型ハーネスである。 AdaHVLAはNaVILA-LHの平均試験成功率を22.5%から57.5%に引き上げ、3つのVLAバックボーンの操作試験成功率を初期ハーネスよりも最大30.8ポイント向上させる。
• 参考スコア（独自算出の注目度）: 42.927771327803974
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Vision-language-action (VLA) models offer strong local control and instruction following but often struggle with long-horizon tasks requiring persistent memory and planning. Task harnesses provide persistent context for agent reasoning by retaining task history and tracking progress across execution stages. To bring these complementary capabilities together, we introduce AdaHVLA, an adaptive harness that refines code-based coordination policies through robot experience to better align agent reasoning and memory with VLA execution. Its decoupled multiagent adaptation process separates evidence analysis, harness revision, and behavioral assessment into distinct working contexts, using testable coordination hypotheses to guide revisions and subsequent rollouts to assess their predicted effects. A stateful revision graph links execution evidence, hypotheses, revisions, and observed effects, preserving alternative harnesses and adaptation memory to guide refinement across repeated attempts and continued adaptation across tasks and environments. In simulation, AdaHVLA raises mean test success on NaVILA-LH from 22.5\% to as high as 57.5\% and improves manipulation test success across three VLA backbones by up to 30.8 percentage points over the initial harness. Real-world deployment further illustrates how the adapted policies support stable execution across task stages.
• Abstract（参考訳）: 視覚言語アクション(VLA)モデルは、強い局所的な制御と指示を提供するが、永続的な記憶と計画を必要とする長い水平タスクにしばしば苦労する。 タスクハーネスは、タスク履歴を保持し、実行段階にわたって進捗を追跡することによって、エージェントの推論に永続的なコンテキストを提供する。 AdaHVLAは,ロボット体験を通じてコードベースのコーディネーションポリシーを洗練し,エージェント推論とメモリのVLA実行との整合性を向上する適応型ハーネスである。 その分離されたマルチエージェント適応プロセスは、エビデンス分析、活用リビジョン、行動評価を異なる作業コンテキストに分け、テスト可能な調整仮説を使用して、リビジョンとその後のロールアウトをガイドし、予測された効果を評価する。 ステートフルなリビジョングラフは、実行証拠、仮説、リビジョン、観察された効果をリンクし、代替ハーネスと適応メモリを保存し、繰り返しの試みを通して洗練をガイドし、タスクや環境をまたいだ適応を継続する。 シミュレーションでは、AdaHVLAはNaVILA-LHの平均試験成功率を22.5\%から57.5\%に引き上げ、初期ハーネスよりも最大30.8ポイント向上する。 実世界のデプロイメントは、適応されたポリシーがタスクステージ全体にわたって安定した実行をサポートする方法をさらに示している。

関連論文リスト

• Taming CoT Obfuscation in VLMs: From Mechanistic Evidence to Activation Enforcement [74.92755267784983]
  強化学習は、視覚言語モデルにおける推論を改善するが、チェーン・オブ・オファシケーションを誘発することができる。 本稿では, 行動フィードバックとテンプレート関連アクティベーションの標的抑制を組み合わせ, メカニスティック・エンハンスメント(TAME)を用いた標的的アンチ・オブファシケーションを提案する。 VIRL-39k、SPA-VL、および2つのモデルファミリの中で、TAMEはグループ相対政策最適化よりも最大30.9および16.7%のCoT監視性を改善している。
  論文  参考訳（メタデータ） (2026-09-21T08:08:56Z)
• FAN: Foresight Action Normalization for Continual Adaptation of Vision-Language-Action Models [23.23356628659099]
  大規模でクローズドなデータセットで事前訓練されたビジョンランゲージ・アクション(VLA)モデルは、多様なロボット操作タスクで顕著な成功を収めている。 しかし、彼らの長期のリアルタイムデプロイメントは、これまで学んだ能力を維持しながら、新しいスキルを継続的に獲得する必要がある。 実世界の4つのタスクストリームにまたがる5つの正規化戦略を評価する。 解析の結果、既存のプロトコルは、タスク間座標のドリフト、限られた動作カバレッジ、列車-テスト間の座標ミスマッチによって、深刻な障害モードを引き起こすことが明らかとなった。
  論文  参考訳（メタデータ） (2026-09-18T06:17:06Z)
• Look Before You Leap: Distilling Tree Search into Action Evaluation for Frozen VLA Models [60.17417174639865]
  VLA(Vision-Language-Action)モデルは、大規模な事前訓練を通じて幅広い身体的能力を取得する。 一般的な治療法であるポストトレーニングは、タスク固有のパフォーマンスを改善するが、事前トレーニングに価値をもたらすジェネラリスト能力は制限される。 SVAは凍結したVLAポリシーを長期的結果の認識と組み合わせたフレームワークである。
  論文  参考訳（メタデータ） (2026-07-04T07:53:10Z)
• Retrieve-then-Steer: Online Success Memory for Test-Time Adaptation of Generative VLAs [39.517362086761075]
  本稿では,VLAモデルのためのオンライン成功メモリ誘導テスト時間適応フレームワークを提案する。 展開中、ロボットは長期記憶に進捗校正された観察動作セグメントを格納する。 推論時に状態関連アクションチャンクを取得し、トラジェクトリレベルの一貫性を通じて一貫性のない候補をフィルタし、それらを前もってエリートアクションに集約する。 この設計により、凍結したVLAは、観測条件付き世代改良を保ちながら、環境特有の成功体験を利用することができる。
  論文  参考訳（メタデータ） (2026-05-11T07:11:10Z)
• Test-Time Perturbation Learning with Delayed Feedback for Vision-Language-Action Models [48.89466384943165]
  VLA(Vision-Language-Action Model)は、逐次的な意思決定において優れた性能を発揮するが、微妙な環境変化に対して脆弱である。 検証自由なテスト時間適応フレームワークである遅延フィードバックを用いた摂動学習(PDF)を提案する。
  論文  参考訳（メタデータ） (2026-04-20T11:25:51Z)
• Scaling Verification Can Be More Effective than Scaling Policy Learning for Vision-Language-Action Alignment [58.93227458806748]
  CoVer-VLAは、訓練された検証器を用いた階層的なテスト時間検証パイプラインである。 我々のフレームワークはビジョン・ランゲージ・モデルから多種多様な説明文をプリコンプリートする。 各命令に対して繰り返しアクション候補を生成し、検証器を使用して最適なハイレベルプロンプトと低レベルアクションチャンクを選択する。
  論文  参考訳（メタデータ） (2026-02-12T18:59:59Z)
• LIBERO-X: Robustness Litmus for Vision-Language-Action Models [32.29541801424534]
  この研究は、評価とデータの観点からVLAベンチマークを体系的に再考する。 LIBERO-Xは階層的評価プロトコルを特徴とするベンチマークで,3つのコア機能を対象とした進行難度レベルを示す。 代表的なVLAモデルを用いた実験では、累積摂動下での大幅な性能低下が示されている。
  論文  参考訳（メタデータ） (2026-02-06T09:59:12Z)
• 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)
• AnyPos: Automated Task-Agnostic Actions for Bimanual Manipulation [24.199522837278128]
  本稿では,タスク固有の条件からアクション実行を分離するタスク非依存のアクションパラダイムを提案する。 ATARAはスケーラブルなセルフ教師付きフレームワークで、人間の遠隔操作と比較して30倍以上のコレクションを高速化する。 我々はArm-Decoupled EstimationとDirection-Aware Decoderを備えた逆動的モデルであるAnyPosを提案する。
  論文  参考訳（メタデータ） (2025-07-17T03:48:57Z)

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。