論文の概要: Do Not Cut When Uncertain: Rejectable and Calibrated Decision Heads for VLA Policies in Robotic Harvesting
- arxiv url: http://arxiv.org/abs/2609.35039v1
- Date: Mon, 28 Sep 2026 12:38:23 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-10-02 17:36:39.367961
- Title: Do Not Cut When Uncertain: Rejectable and Calibrated Decision Heads for VLA Policies in Robotic Harvesting
- Title（参考訳）: ロボットハーヴェスティングにおけるVLAポリシーの拒否型および校正型決定型ヘッド
- Abstract要約: VLA(Vision-Language-Action)ポリシーは、行動軌跡を出力するために最適化されているが、"I don't know"や"I should not act"は表現できない。
提案するRejectable and Calibrated Decision Heads (RCDH) について述べる。
RCDHはタイプ付き、拒絶可能で、校正された出力インタフェースで、凍結したVLAバックボーンにリトレーニングや新機能を使わずに取り付けることができる。
- 参考スコア（独自算出の注目度）: 5.225064517755391
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Vision-Language-Action (VLA) policies trained with behavior cloning or flow matching are optimized to output an action trajectory, but they cannot express "I don't know" or "I should not act." In robotic harvesting, occlusion makes single-frame decisions fundamentally ambiguous: identical pixels can correspond either to a cuttable stem or to no stem at all. Existing VLAs are forced to commit, leading to high-confidence errors with irreversible consequences. We argue that the failure mode of a VLA is determined not by backbone scale but by its output interface. We propose Rejectable and Calibrated Decision Heads (RCDH), a typed, rejectable, and calibrated output interface that can be attached to a frozen VLA backbone without retraining or new features. RCDH introduces (i) a decision schema with explicit rejection and ordered, conditional decomposition, and (ii) a calibration procedure for risk-aware abstention. We evaluate RCDH on a robotic harvesting platform with controllable leaf occlusion, comparing generative, enumerated, calibrated, and rejectable interfaces. We show that replacing only the output head restores out-of-distribution usability under occlusion while preserving in-distribution performance. We further test whether the ordering of the rejection space is critical. Our results suggest that the right to refuse, rather than a larger model, is the missing interface for reliable manipulation under uncertainty.
- Abstract（参考訳）: ビヘイビアクローニングやフローマッチングで訓練されたVLA(Vision-Language-Action)ポリシーは、アクションの軌跡を出力するために最適化されているが、"I don't know"や"I should not act"は表現できない。
ロボット収穫では、オクルージョンは1フレームの判断を根本的に曖昧にします。
既存のVLAはコミットを強制され、信頼性の高いエラーと不可逆的な結果をもたらす。
VLAの障害モードは、バックボーンスケールではなく、出力インターフェースによって決定される。
本稿では,冷凍VLAバックボーンにリトレーニングや新機能を使わずにアタッチ可能なタイプ付き,拒否可能,校正可能な出力インターフェースであるRejectable and Calibrated Decision Heads (RCDH)を提案する。
RCDH導入
一 明確な拒絶及び命令のある決定書、条件分解及び
二 リスク対応の棄権の校正手続
制御可能な葉閉塞を有するロボット収穫プラットフォーム上でのRCDHの評価を行い, 生成, 列挙, 校正, 拒絶可能なインタフェースの比較を行った。
出力ヘッドのみの交換は、分配性能を維持しながら、排他的使用性を回復することを示す。
さらに、拒絶空間の順序付けが重要であるかどうかを検証する。
以上の結果から,大規模なモデルではなく,不確実性の下で信頼性の高い操作を行うためのインターフェースが欠如していることが示唆された。
関連論文リスト
- Mixed-Prior Decision Risk for Open-Set Recognition [0.0]
オープンセット認識では、プローブは既知のギャラリークラスの1つとして特定するか、不明として拒否されなければならない。
提案するMPRiskは,選択した決定に関連するエラーイベントを直接スコアする混合事前決定リスクスコアである。
検証セットに調整された4つの非負重みは、ランク付けに十分であり、非線形教師付きモデルを必要としない。
論文 参考訳（メタデータ） (2026-09-28T12:40:19Z) - Broken Symmetry in LLM Refusal: Answer Release Is More Local Than Refusal Restoration [24.010665397925333]
言語モデルがプロンプトに答えることを拒否した場合、正しい答えが内部表現から削除されるか、単に出力層で抑圧されるかは不明確である。
この機構を制御された無条件設定を用いて検討し, 双方向アクティベーションパッチのための完全一致の解答と拒否軌道を導出する。
論文 参考訳（メタデータ） (2026-08-16T14:47:33Z) - Interventional Causal Circuits for Safe Robot Action Testing and Failure Recovery [4.492262382019958]
運動パラメータの形式的テストは計算に費用がかかり、コストはアクション空間の次元に悪影響を及ぼす。
本稿では,JPT(Joint Probability Tree)とMarginal-Deterministic Variable Tree(Marginal-Deterministic Variable Tree)から派生した因果回路を結合した閉ループフレームワークを提案する。
このフレームワークは、ロボットが動作を開始する前に全ての介入クエリのトラクタビリティを検証し、サポート外候補を自動的に検出し、修正から除外する。
論文 参考訳（メタデータ） (2026-07-16T10:41:20Z) - On the Inseparability of Instructions and Data in Shared-Embedding Sequence Models [0.0]
我々は、制御権威行動を伴うプロンプトアクションモデルとして、誘導されたシステムを定式化する。
共有パイプライン内では,SFC(Semantic-Faithful Control)が実現不可能であることを示す。
根本原因とそれが要求するソリューションのクラスを特定します。
論文 参考訳（メタデータ） (2026-06-25T21:52:29Z) - YUKTI: From Natural-Language Situations to Robust, Verifiable Decisions An Uncertainty-Typed Proposition IR, Assumption-Robust Pareto Frontiers, and a Regret Certificate [0.0]
我々は,YUKTIが各ステージを正確に,非線形,あるいは進化的解法にルートすることを示す。
我々は,決定的後悔の正確な要因として境界作成rhoを証明し,監査可能なトレーサビリティを付加し,ベンチマークに忠実なデータ基盤を合成する。
規制上の不特定の下では、堅牢な妥協が平均とテールの後悔を90%以上削減し、単純なポイントプランと比較し、規制された商業上の決定では、合法的な行動空間内で最適化し、ユーロの下落価格を下げる。
論文 参考訳（メタデータ） (2026-06-22T09:29:13Z) - Correct Answers from Sound Reasoning: Verifiable Process Supervision for Language Models [94.68358825189738]
本稿では,予測精度と推論品質を協調的に最適化する検証済み領域の学習後フレームワークを提案する。
我々は,エンジン信号に対して推論ステップを確定的に検証できる制御テストベッドであるチェスのVPSを評価する。
VPSは、推論品質を著しく向上させながら精度を保ち、勝利率エラーを最大30%削減し、一貫性をほぼ飽和状態に回復する。
論文 参考訳（メタデータ） (2026-04-03T15:19:46Z) - LEC: Linear Expectation Constraints for False-Discovery Control in Selective Prediction and Routing Systems [95.35293543918762]
大規模言語モデル(LLM)はしばしば信頼できない答えを生成するが、不確実性のある手法は誤った予測と完全に区別することができない。
我々は、この問題を、偽発見率(FDR)制御のレンズを通して解決し、全ての許容された予測のうち、エラーの割合が目標のリスクレベルを超えないことを保証する。
本稿では,線形期待制約を強制することで,選択予測を制約付き決定問題として再解釈するLECを提案する。
論文 参考訳（メタデータ） (2025-12-01T11:27:09Z) - Unsupervised Conformal Inference: Bootstrapping and Alignment to Control LLM Uncertainty [49.19257648205146]
生成のための教師なし共形推論フレームワークを提案する。
我々のゲートは、分断されたUPPよりも厳密で安定した閾値を提供する。
その結果は、ラベルのない、API互換の、テスト時間フィルタリングのゲートになる。
論文 参考訳（メタデータ） (2025-09-26T23:40:47Z) - Anti-Exploration by Random Network Distillation [63.04360288089277]
ランダムネットワーク蒸留 (RND) の条件付けは, 不確実性推定器として用いるのに十分な識別性がないことを示す。
この制限は、FiLM(Feature-wise Linear Modulation)に基づく条件付けによって回避できることを示す。
D4RLベンチマークで評価したところ、アンサンブルベースの手法に匹敵する性能を達成でき、アンサンブルのない手法よりも広いマージンで性能を向上できることがわかった。
論文 参考訳（メタデータ） (2023-01-31T13:18:33Z) - Error-based Knockoffs Inference for Controlled Feature Selection [49.99321384855201]
本手法では, ノックオフ特徴量, エラーベース特徴重要度統計量, ステップダウン手順を一体化して, エラーベースのノックオフ推定手法を提案する。
提案手法では回帰モデルを指定する必要はなく,理論的保証で特徴選択を処理できる。
論文 参考訳（メタデータ） (2022-03-09T01:55:59Z)
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。