論文の概要: Natural State-Prediction Accuracy can Hide Weak Controlled Responsiveness in VLA Readouts

• arxiv url: http://arxiv.org/abs/2609.34684v1
• Date: Mon, 28 Sep 2026 09:10:23 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-03 11:18:11.103026
• Title: Natural State-Prediction Accuracy can Hide Weak Controlled Responsiveness in VLA Readouts
• Title（参考訳）: 自然状態予測精度はVLA読み出しにおける弱弱制御応答性を隠蔽する
• Abstract要約: 本稿では,予測精度,目標状態応答性,コンテキスト安定性を分離する評価フレームワークを提案する。 高自然軌道精度は、固定表現対における弱い制御された目標状態応答性と共存することができる。
• 参考スコア（独自算出の注目度）: 0.9074436804060135
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Accurately decoding object states from the internal representations of vision-language-action (VLA) models does not establish that the predictions respond faithfully to changes in the target physical state. In natural observations, object state, robot configuration, occlusion, and task progress vary together, allowing contextual cues to contribute to prediction. In this paper, we introduce an evaluation framework that separates prediction accuracy, target-state responsiveness, and context stability using physically validated observations that cross target coordinates with robot contexts. We demonstrate that high natural-trajectory accuracy can coexist with weak controlled target-state responsiveness in fixed representation-readout pairs. Comparisons and interventions involving representations, readouts, and training data show that the three properties provide distinct diagnostic information. Furthermore, adding responsiveness and context sensitivity to a failure predictor based on initial state error and physical variables reduces policy-failure prediction error on new initializations relative to the specified baseline while same-observation controlled MAE is also informative. These findings motivate evaluating target-state responsiveness and context stability alongside natural prediction accuracy, and examining their relationship to actual policy behavior and task outcomes.
• Abstract（参考訳）: オブジェクト状態を視覚言語アクション(VLA)モデルの内部表現から正確な復号化は、予測が対象の物理的状態の変化に忠実に応答することを保証するものではない。 自然観察では、物体の状態、ロボットの構成、閉塞、タスクの進行が一致し、文脈的手がかりが予測に寄与する。 本稿では,予測精度,目標状態応答性,コンテキスト安定性を,ロボットのコンテキストと交差する物理的に検証された観測結果を用いて分離する評価フレームワークを提案する。 固定表現-読み出しペアにおいて,高い自然軌道精度と制御対象状態の応答性が共存できることを実証した。 表現、読み出し、トレーニングデータを含む比較と介入は、3つの特性が異なる診断情報を提供することを示している。 さらに、初期状態誤差と物理変数に基づいて障害予測器に応答性およびコンテキスト感度を加えることで、同じ観測制御MAEも情報化されている間に、指定されたベースラインに対する新しい初期化に対するポリシー欠陥予測誤差を低減する。 これらの知見は, 目標状態の応答性とコンテキストの安定性を自然な予測精度とともに評価し, 実際の政策行動と課題結果との関係を検討することを目的としている。

関連論文リスト

• What Do Latent Predictive Vehicle Representations Retain? Measuring State, Geometry, and Local Response [0.5735035463793009]
  IPG CarMakerに記録された信号に基づいて学習した時間的共同埋め込み予測モデルについて検討した。 保持、予測、局所応答を別々に測定することは、予測潜在能力が制御の候補モデルとして適している。
  論文  参考訳（メタデータ） (2026-09-26T12:00:18Z)
• World Models for Embodied Intelligence: From Plausible to Controllable to Actionable [100.13060753774657]
  世界モデルは、隠れた状態を維持し、結果を予測し、介入を比較し、実行が期待から外れたときに適応することによって、インテリジェンスにおける知覚と意思決定を結びつける。 これは、どの予測能力が振る舞いを改善するかという、中心的な疑問を提起する。 可塑性モデルは、タスク関連時間的・幾何学的・物理的構造を保存し、制御可能なモデルは、介入がどのように構造を変えるかを予測し、アクション可能なモデルは、予測を計画、行動、学習、評価、検証、回復、データ選択において測定可能な利得に変換する。
  論文  参考訳（メタデータ） (2026-09-15T06:22:42Z)
• PredVLA: Predictive Sensorimotor Modeling for Sub-Million-Parameter Robot Manipulation [4.55011976634859]
  PredVLAは、トレーニング可能なネットワークパラメータがわずか0.68万で、ロボットデータの事前学習がない言語条件の予測符号化ポリシーである。 階層的なリカレントダイナミクスは視覚的特徴と固有受容を予測し、観察は予測エラー駆動オンライン推論によってのみ潜在状態に影響を与える。
  論文  参考訳（メタデータ） (2026-08-27T06:27:11Z)
• Orthogonal JEPA: Factorized Predictive States for Latent World Models [95.20158869896393]
  予測因数分解に基づく潜在的世界モデリングフレームワークであるメソッドを導入する。 そこで本研究では,予測構造を弱め,あるいは矛盾する勾配を抑えつつ,冗長なキャパシティを支配的信号に割り当てる手法を提案する。 制御された視覚、単細胞転写学、縦断的な健康記録、連続的な制御、分子動力学の実験は、表現品質、予測、計画、長期安定性を評価する。
  論文  参考訳（メタデータ） (2026-08-20T13:59:57Z)
• Answer-Level Trust Selection for Physical Vision-Language Reasoning [19.884429996574763]
  本稿では,個別のVLM予測を受理または拒否するAnswer-Level Trust Selection (ATS)を提案する。 ATSは微調整、補助検証、またはモデルの内部ログへのアクセスを必要としない。 我々は,Qwen2.5-VL-7Bおよび20VLMバックボーンの深部におけるATSの評価を行った。
  論文  参考訳（メタデータ） (2026-08-20T09:00:17Z)
• TAG: Target-Agnostic Guidance for Stable Object-Centric Inference in Vision-Language-Action Models [59.13964209628383]
  VLA(Vision-Language-Action)ポリシーは、言語指示や視覚的な観察をロボット行動にマッピングする上で大きな進歩を見せている。 本稿では,VLA政策における乱れや外見に起因したバイアスを明示的に軽減する単純な推論時ガイダンス機構であるTAG(Target-Agnostic Guidance)を提案する。 我々は, LIBERO, LIBERO-Plus, VLABenchなどの標準操作ベンチマーク上でTAGを評価し, クラッタ下での堅牢性を一貫して改善し, ニアミスや不正なオブジェクト実行を減らす。
  論文  参考訳（メタデータ） (2026-03-25T17:56:32Z)
• Revisiting Multivariate Time Series Forecasting with Missing Values [65.30332997607141]
  現実の時系列では欠落値が一般的である。 現在のアプローチでは、計算モジュールを使用して、不足した値を補う、計算済みの予測フレームワークが開発されている。 このフレームワークは、致命的な問題を見落としている: 欠落した値に対して基礎的な真理は存在せず、予測精度を劣化させる可能性のあるエラーの影響を受けやすいようにしている。 本稿では,Information Bottleneck原則に基づく新しいフレームワークであるConsistency-Regularized Information Bottleneck(CRIB)を紹介する。
  論文  参考訳（メタデータ） (2025-09-27T20:57:48Z)
• UAHOI: Uncertainty-aware Robust Interaction Learning for HOI Detection [18.25576487115016]
  本稿では,Human-Object Interaction(HOI)検出について述べる。 与えられた画像やビデオフレーム内の人間とオブジェクト間の相互作用を識別し、理解するという課題に対処する。 本研究では,不確実性を考慮したロバストなヒューマンオブジェクトインタラクション学習であるtextscUAHOIを提案する。
  論文  参考訳（メタデータ） (2024-08-14T10:06:39Z)
• Uncertainty-boosted Robust Video Activity Anticipation [72.14155465769201]
  ビデオアクティビティの予測は、ロボットビジョンから自動運転まで幅広い応用可能性を受け入れることで、将来何が起こるかを予測することを目的としている。 近年の進展にもかかわらず、コンテンツ進化過程やイベントラベルの動的相関として反映されたデータ不確実性問題は、何らかの形で無視されている。 本研究では,予測結果の信頼性を示す不確実な値を生成する,不確実性を考慮した頑健なビデオアクティビティ予測フレームワークを提案する。
  論文  参考訳（メタデータ） (2024-04-29T12:31:38Z)

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。