論文の概要: RecastVLA: From Past Interaction to Future Control with Adaptive Policy States

• arxiv url: http://arxiv.org/abs/2609.32155v1
• Date: Sat, 26 Sep 2026 02:17:13 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-07 19:29:00.053205
• Title: RecastVLA: From Past Interaction to Future Control with Adaptive Policy States
• Title（参考訳）: RecastVLA:過去のインタラクションからアダプティブ・ポリシー・ステートによる将来のコントロールへ
• Abstract要約: シークエンシャルな操作では、現在のシーンが明らかになっていない場合でも、ロボットが既に起きていることを追跡する必要がある。 我々は、アクション生成自体がその後の制御のために永続的な状態を形成することができるか尋ねる。 RecastVLAは、フローマッチング型視覚言語アクションポリシーの中で適応的なポリシー状態を維持している。
• 参考スコア（独自算出の注目度）: 21.751871328801737
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Sequential manipulation requires a robot to track what has already happened, even when the current scene no longer reveals it. Policies with explicit history representations make past interactions available as context for current decisions. We ask how action generation itself can form a persistent state for subsequent control. Building on action-side test-time training, RecastVLA maintains an adaptive policy state within a flow-matching vision-language-action policy. The state is represented by shared fast weights and remains fixed throughout action generation. Depth-specific interfaces read the same state, while features across depths and flow evaluations jointly define one update for the next policy call. Subsequent action losses train the initialization, interfaces, and update rule by differentiating through earlier state transitions. At deployment, updates use the policy's own action-generation features without expert action labels. Across LIBERO, RoboTwin, RoboDojo, and twelve real-robot tasks, RecastVLA improves mean success over a matched policy trained without test-time training, including 10.68 percentage points on RoboTwin Clean-to-Clean. In controlled RoboTwin comparisons, retaining state improves success, and the shared design exceeds independently trained layer-local TTT by 2.58 points.
• Abstract（参考訳）: シークエンシャルな操作では、現在のシーンが明らかになっていない場合でも、ロボットが既に起きていることを追跡する必要がある。 明示的な履歴表現を持つポリシーは、過去のインタラクションを現在の決定のコンテキストとして利用できる。 我々は、アクション生成自体がその後の制御のために永続的な状態を形成することができるか尋ねる。 RecastVLAは、アクションサイドのテストタイムトレーニングに基づいて、フローマッチングビジョン言語アクションポリシー内で適応的なポリシー状態を維持している。 状態は共有ファストウェイトで表され、アクション生成全体で固定されている。 深さ固有のインターフェイスは同じ状態を読み、深さとフロー評価にまたがる機能は、次のポリシー呼び出しの1つのアップデートを共同で定義する。 その後のアクション損失は、初期化、インターフェース、更新ルールを以前の状態遷移を通じて差別化することによって訓練する。 デプロイメントでは、専門家のアクションラベルなしでポリシー独自のアクション生成機能を使用する。 LIBERO、RoboTwin、RoboDojo、および12のリアルタイムロボットタスク全体で、RecastVLAは、テストタイムトレーニングなしでトレーニングされたマッチしたポリシーよりも平均的な成功率を向上させる。 制御されたRoboTwinの比較では、状態を維持することで成功が向上し、共有設計は独立に訓練された層局所TTTを2.58ポイント超える。

関連論文リスト

• StateComp: Learning When to Compress History in Long Horizon Agents [55.84813053778976]
  本研究では,現在エージェントの状態に応じて過去のインタラクションを安全に圧縮できるフレームワークであるState Conditioned Compression(StateComp)を提案する。 WorkBenchBuddyの実験では、StateCompはタスク性能を維持しながら総エージェントと要約トークンを52.27%削減し、表現抽出において12.67倍の高速化を実現している。
  論文  参考訳（メタデータ） (2026-09-23T03:34:08Z)
• TaskAnchor: Grounding Task State in Reactive VLAs for Long-Horizon Manipulation [49.02604313942616]
  TaskAnchorは、VLAのネイティブ入力空間に実行コンテキストを注入することで、タスク状態をグラウンドする軽量アダプタである。 RMBench上のpi0.5とX-VLAのベースラインの平均成功率は約6倍となり、RoboMemArena上でのpi0.5のタスク成功率は2倍になる。
  論文  参考訳（メタデータ） (2026-09-20T11:57:10Z)
• 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)
• From State to Action: OODA-Tool for Reliable Multi-Turn Tool Use [12.466318496864742]
  本稿では,国家行動競争を緩和するためのクローズドループ方式であるOODA-Toolを紹介する。 OODA-Toolは、コントローラがチェックした中間状態を通じて各決定をルーティングし、最終的な出力が現在のタスク状態に残されていることを保証します。 我々は,マルチターン,マルチツール,不完全情報設定にまたがるQwen3モデルを用いて,直接関数呼び出しとReActポリシーに対するOODAツールの評価を行った。
  論文  参考訳（メタデータ） (2026-08-25T10:27:25Z)
• AutoIntervene: Calibrated Intervention for Action-Chunking Imitation Learning Policies [4.786936073180585]
  アクションチャンキングビズモータポリシは、デモから学び、時間的一貫性を改善する。 デプロイ中にアクションチャンキングポリシーとオペレータ間で制御を選択的に転送するオンラインフレームワークであるAutoInterveneを提案する。
  論文  参考訳（メタデータ） (2026-08-07T10:14:29Z)
• Inference-Time Robot Behavior Steering through Physically-Aware Reconfiguration of Task-Structure [13.442250004542581]
  ReStructは、オブジェクト中心の仕様から時間論理的な制約まで、幅広い好みを操縦します。 タスクの成功と選好フォローの両方でVLAモデルを上回る。
  論文  参考訳（メタデータ） (2026-06-25T04:20:08Z)
• Offline Reinforcement Learning with Implicit Q-Learning [85.62618088890787]
  現行のオフライン強化学習手法では、トレーニング中に見つからない行動の価値を問い合わせて、ポリシーを改善する必要がある。 本稿では,データセット外の動作を評価する必要のないオフラインRL手法を提案する。 この方法により、学習したポリシーは、一般化によってデータの最良の振る舞いを大幅に改善することができる。
  論文  参考訳（メタデータ） (2021-10-12T17:05:05Z)
• A New Bandit Setting Balancing Information from State Evolution and Corrupted Context [52.67844649650687]
  本稿では,2つの確立されたオンライン学習問題と包括的フィードバックを組み合わせた,逐次的意思決定方式を提案する。 任意の瞬間にプレーする最適なアクションは、エージェントによって直接観察できない基礎となる変化状態に付随する。 本稿では,レフェリーを用いて,コンテキストブレイジットとマルチアームブレイジットのポリシーを動的に組み合わせるアルゴリズムを提案する。
  論文  参考訳（メタデータ） (2020-11-16T14:35:37Z)

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。