論文の概要: Causeway: Restoring Task Accessibility for Instruction Switching in VLA Policies

• arxiv url: http://arxiv.org/abs/2609.30913v1
• Date: Fri, 25 Sep 2026 07:25:19 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-28 18:27:51.276591
• Title: Causeway: Restoring Task Accessibility for Instruction Switching in VLA Policies
• Title（参考訳）: 原因:VLA政策における命令切替のためのタスクアクセシビリティの復元
• Abstract要約: 我々は、異なるタスクの実行中または実行後に新しいタスクが発行される命令切替について研究する。 トレーニング不要な推論時間介入であるCo causedwayを提案する。
• 参考スコア（独自算出の注目度）: 46.91232232574988
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Vision-language-action (VLA) policies can execute many tasks from standard initial states, yet a new instruction may fail after another task has altered the robot's physical state. We study instruction switching, where a new task is issued during or after the execution of a different one. We observe that a target task that is reliably completed from its standard initial states can become inaccessible from states produced by a preceding task. We call such states task islands. We propose Causeway, a training-free inference-time intervention. Given the current state and a re-entry pose for the target task, Causeway back-propagates through the frozen decoding computation and applies a state-directed write within the action-stream representation. The VLA decodes the return motion itself, without parameter updates, a new action head, or external action generation. Across 71 cross-object pairs, three switch timings, and three VLA architectures on LIBERO-Goal, Causeway raises bare-switch success from 3-26% to 47-65% and increases the rate of reaching the handoff neighborhood by 42-72 percentage points across models. Additional experiments on LIBERO-Object and a real xArm platform show that the recovery extends beyond the main LIBERO-Goal setting, both in simulation and on a robot.
• Abstract（参考訳）: 視覚言語アクション(VLA)ポリシーは、標準的な初期状態から多くのタスクを実行することができるが、別のタスクがロボットの物理的状態を変更した後、新しい命令が失敗する可能性がある。 我々は、異なるタスクの実行中または実行後に新しいタスクが発行される命令切替について研究する。 我々は、その標準初期状態から確実に完了した目標タスクが、前のタスクによって生成された状態から到達不能になることを観察する。 我々はそのような州をタスク諸島と呼ぶ。 トレーニング不要な推論時間介入であるCo causedwayを提案する。 ターゲットタスクに対する現在の状態と再突入のポーズが与えられた場合、Co causedwayはフリーズされたデコード計算を通じてバックプロパゲーションを行い、アクションストリーム表現に状態指向の書き込みを適用する。 VLAは、パラメータ更新、新しいアクションヘッド、または外部アクション生成なしで、戻り動作自体をデコードする。 71対のクロスオブジェクトペア、3つのスイッチタイミング、3つのVLAアーキテクチャをLIBERO-Goal上で実現し、Fowwayは3-26%から47-65%に改善し、モデル間で42-72ポイントの差でハンドオフ地区に到達する率を高める。 LIBERO-Objectと実際のxArmプラットフォームに関するさらなる実験により、リカバリはシミュレーションとロボットの両方において、メインのLIBERO-Goal設定を超えて拡張されていることが示されている。

関連論文リスト

• HarnessPAI: An Evolving Harness for Physical AI [64.91964104275483]
  本稿では,物理AIのためのモデルおよび具体化に依存しないフレームワークであるHarnessPAIを紹介する。 ロールアウト内では、プログラムレベルでオープンループを実行する。 デスクトップロボットアーム、家庭用ロボット、ロボット掃除機、そして歩行エージェントのHarnessPAIは、純粋なアクションモデルとコード・アズ・ポリティクスのベースラインの両方を改善している。
  論文  参考訳（メタデータ） (2026-09-24T07:40:00Z)
• EmbodiedSkills: A Unified Framework for Orchestrating, Training, and Deploying VLA Agents [56.25120535601186]
  視覚言語アクション(VLA)モデルは、視覚観察と言語指示を直接ロボットアクションにマッピングする。 本稿では,各スキル決定を実行提案として扱うフレームワークであるEmbodiedSkillsを提案する。 共有可能スキルインタフェースは、ハイレベルスキル選択、バウンドローレベルVLA実行、ポストアクション検証を接続する。
  論文  参考訳（メタデータ） (2026-09-01T14:14:47Z)
• Closing the Loop in Humanoid VLA: Persistent 3D Object Tokens for Verifiable Loco-Manipulation [14.431337587744538]
  ロングホライズン・ヒューマノイド・ロコ・マニピュレーション(Long-Horizon humanoid loco-manipulation)は、ロボットが作業対象を運動、接触、回復の至る所で永続的な物理的実体として扱うことを要求する。 RGB-D観測からロールインデクシングされた3Dオブジェクトの記録を保持するemphPersistent Object Tokenization (POT)を提案する。 emphPOT-VLAとして実装され、同じオブジェクトが条件アクションの生成を記録し、幾何学的述語チェックをサポートし、クローズドループ実行システムを生成する。
  論文  参考訳（メタデータ） (2026-07-20T14:52:46Z)
• ActionMap: Robot Policy Learning via Voxel Action Heatmap [61.10410508218428]
  ActionMapは、ネイティブアクションデコーダの代わりに既存のVLAにドロップする。 Heatmapヘッドは、マッチしたトレーニングステップで、2つのアーキテクチャ的に異なるバックボーンを越えます。 クロスバックボーン一貫性は、アクション表現がVLAパフォーマンスの真のレバーであることを示している。
  論文  参考訳（メタデータ） (2026-06-05T04:42:56Z)
• Uni-LaViRA: Language-Vision-Robot Actions Translation for Unified Embodied Navigation [60.07205156194741]
  身体的なナビゲーションでは、エージェントが言語や視覚的な観察を、実際に見たことのない環境を通して実際のロボットを駆動する空間的な行動の流れにマッピングする必要がある。 統合エージェントアーキテクチャであるUni-LaViRAを4つのタスクファミリと4つの異種実ロボットに拡張する。
  論文  参考訳（メタデータ） (2026-05-26T18:52:04Z)
• Contrastive Conceptor Activation Steering (COAST): Unlocking Vision-Language-Action Models through Hidden States [4.1864205728857256]
  Vision-Language-Action(VLA)モデルは、WebスケールのVision-Language Model(VLM)事前トレーニングから、強力な知覚的事前学習を活用する。 これを軽減するために、コントラスト概念活性化ステアリング(COAST)を提案する。 COASTは、目標となるロボットタスクに対して成功クリティカルなサブスペースを特定するために概念を使用する。
  論文  参考訳（メタデータ） (2026-05-16T20:28:21Z)
• Goal-oriented Backdoor Attack against Vision-Language-Action Models via Physical Objects [18.741802167656903]
  視覚言語アクション(VLA)モデルのためのゴール指向バックドアアタック(GoBA)を提案する。 GoBAは、物理的トリガーの存在下で、事前に定義された、目標指向のアクションを実行する。 実験の結果、GOBAは被害者のVLAが97%の入力でバックドアゴールを達成できることを示した。
  論文  参考訳（メタデータ） (2025-10-10T11:09:36Z)

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。