論文の概要: PermVLA: Factorization Order as a Regularizer for VLA Learning
- arxiv url: http://arxiv.org/abs/2610.04659v1
- Date: Sat, 03 Oct 2026 17:15:26 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-10-11 17:57:40.596501
- Title: PermVLA: Factorization Order as a Regularizer for VLA Learning
- Title（参考訳）: PermVLA: VLA学習における正規化器としての因子化順序
- Abstract要約: 視覚言語アクション(VLA)ポリシーは、固定左対右(LTR)因子化を通じて一般的にアクションチャンクを学習する。
因子化順序を過剰な正規化選択として認識し、因果的アンカー付き置換(CAP)を導入する。
CAPサンプル 調整可能なアクションは、時系列プレフィックスで順序を明らかにする。
- 参考スコア（独自算出の注目度）: 2.838300254567477
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Vision-language-action (VLA) policies commonly learn action chunks through a fixed left-to-right (LTR) factorization, although the same expert trajectory distribution admits many valid chain-rule factorizations. We identify factorization order as an overlooked regularization choice and introduce causally anchored permutation (CAP), which samples action reveal orders with a tunable chronological prefix. Its auxiliary objective trains one shared policy to predict actions from different known subsets of the same expert chunk, while deployment retains deterministic LTR control. We call this conditional-set augmentation: it creates multiple conditional prediction problems from one expert chunk without adding demonstrations. This discourages reliance on the single chronological prefix used by ordinary teacher forcing. Controlled experiments show that CAP consistently outperforms standard LTR training on LIBERO and LIBERO-Plus, with the same advantage appearing in cross-dataset CALVIN evaluation. A diagnostic that measures the expected squared difference between a chunk's joint log likelihood under two reveal orders verifies that CAP training internalizes agreement across reveal orders. These findings position sampled subset-conditioned auxiliary objectives as a general recipe for constructing VLA regularizers, illustrated by an extension to diffusion action generators.
- Abstract（参考訳）: 視覚言語アクション(VLA)ポリシーは、固定左から右への分解(LTR)を通じてアクションチャンクを学習するが、同じ専門的軌道分布は、多くの有効な連鎖ルール因子化を許容する。
因子化順序を過剰な正規化選択として認識し、因果的アンカー付き置換(CAP)を導入する。
その補助的目的は、同じ専門家チャンクの様々な既知のサブセットからのアクションを予測するための共有ポリシーを訓練する一方で、デプロイメントは決定論的LTR制御を維持している。
実演を追加することなく、1つの専門家チャンクから複数の条件予測問題を生成する。
このことは、通常の教師の強制によって使われる単一の年代的接頭辞に依存することを妨げている。
制御された実験により、CAPはLIBEROとLIBERO-Plusの標準LTRトレーニングを一貫して上回っており、CALVINのクロスデータセット評価にも同様の利点があることが示された。
チャンクのジョイントログの2つの条件下での予測2乗差を測定する診断は、CAPトレーニングが明示的な順序間で合意を内部化することを検証している。
これらの知見は, VLA正則化器構築の一般的なレシピとして, サブセット条件付き補助目的物の位置を, 拡散作用生成器の拡張により示している。
関連論文リスト
- Epistemic Learning from Imprecise Annotation [9.75434908987426]
本稿では,クレダル集合(redal set)と呼ばれる,可塑性ラベリング分布の凸集合を監督し,予測分布の集合を学習するフレームワークを提案する。
我々は,最悪のケースとベストケースの損失を最小限に抑えるために訓練された2つの分類ヘッドと共有バックボーンを組み合わせた悲観的・最適化的クレダル分類器(POCC)を用いて,フレームワークをインスタンス化する。
POCCは、予測精度、キャリブレーション、不確実性に基づく選択的分類と競争ベースラインとの良好なバランスを達成する。
論文 参考訳（メタデータ） (2026-09-28T04:29:52Z) - When AI Generates Covariates: Causal Typing and Estimand Drift in Sequential Experiments [0.0]
シーケンシャルな実験のために因果型の規律を定式化する。
圧縮バイアスの条件共分散特性を設計関連状態に対する生成表現の置換に適用する。
改良が設計関連情報を保持する上で有効であることを示し、一方、設計消去、漏洩、同一データマーカーの選択はバイアスや隠蔽をもたらす可能性があることを示す。
論文 参考訳（メタデータ） (2026-09-15T19:24:40Z) - Reflective VLA: In-Context Action Consequences Make VLAs Generalize [9.050547865010175]
本稿では,観察・行動・結果三重項の文脈で各決定を条件付ける反射型VLAを提案する。
ブロックカジュアルマスクは、漏れのない並列マルチフレームトレーニングを可能にする。
標準の LIBERO と SimplerEnv-Bridge では、Reflective VLA は分配性能が強い。
論文 参考訳（メタデータ） (2026-06-23T22:23:35Z) - How Useful is Causal Invariance for Domain Adaptation in Finite-Sample Settings? [58.740078141879984]
機械学習モデルは、トレーニングされたソースディストリビューションとは異なるターゲットディストリビューションにデプロイされると、しばしば劣化する。
因果関係に基づく領域一般化における最近の研究は、共用因果構造が不変な予測因子を誘導する方法を示している。
本稿では,完全あるいは部分的な因果知識が,教師付きドメイン適応を確実に改善できるかどうかについて検討する。
論文 参考訳（メタデータ） (2026-06-10T21:07:49Z) - Interactive Critique-Revision Training for Reliable Structured LLM Generation [18.00222080273147]
DPA-GRPOは,構成された検証器の介入による2人プレイヤジェネレータゲームのためのペアアクショントレーニング手法である。
我々は,非正規化ゲームを分析し,厳格に低いリワード介入やリビジョン行動に対する肯定的な確率が,一側偏差を生み出すことを示す。
TaxCalc TY24の実験では、DPA-GRPOはゼロショット生成とジェネレータのみのRLベースラインよりも構造化された決定精度を向上させる。
論文 参考訳（メタデータ） (2026-05-08T17:00:38Z) - Logic-Regularized Verifier Elicits Reasoning from LLMs [63.65875399266337]
論理規則で正規化された教師なしの検証器であるLOVERを提案する。
ローバーは、定理を二項潜在変数として扱い、内部の活性化を活用し、3つの論理的制約を課す。
ローバーは教師なしのベースラインを大幅に上回る。
論文 参考訳（メタデータ） (2026-05-07T09:03:49Z) - Revisiting Judge Decoding from First Principles via Training-Free Distributional Divergence [31.435770434219005]
ジャッジ・デコーディングは、投機的デコーディングの厳密な検証を緩和することで推論を加速する。
本研究では、このパラダイムを第一原理から再考し、コストのかかる監督によって得られた臨界点のスコアが、本質的に、ドラフトターゲットの分散分散にエンコードされていることを明らかにした。
論文 参考訳（メタデータ） (2026-01-08T09:34:54Z) - Decoupling the Effect of Chain-of-Thought Reasoning: A Human Label Variation Perspective [60.45433515408158]
長いチェーン・オブ・ソート(CoT)がトップオプションの決定的決定要因となるが、あいまいなタスクの粒度分布キャリブレータとして機能しないことを示す。
CoTは分布アライメントを改善するが、CoTの内容によって最終的な精度が決定される。
論文 参考訳（メタデータ） (2026-01-06T16:26:40Z) - SelfAug: Mitigating Catastrophic Forgetting in Retrieval-Augmented Generation via Distribution Self-Alignment [49.86376148975563]
大規模言語モデル(LLM)は、様々なタスクを理解し実行する能力を通じて自然言語処理に革命をもたらした。
教師付き微調整、特にRetrieval-Augmented Generation (RAG)のシナリオでは、しばしば破滅的な忘れが生じる。
本稿では,モデルのセマンティック分布を保存するために,入力シーケンスロジットをアライメントする自己分布アライメント手法であるSelfAugを提案する。
論文 参考訳（メタデータ） (2025-09-04T06:50:47Z) - Mitigating Catastrophic Forgetting in Task-Incremental Continual
Learning with Adaptive Classification Criterion [50.03041373044267]
本稿では,継続的学習のための適応型分類基準を用いた教師付きコントラスト学習フレームワークを提案する。
実験により, CFLは最先端の性能を達成し, 分類基準に比べて克服する能力が強いことが示された。
論文 参考訳（メタデータ） (2023-05-20T19:22:40Z) - Causally-motivated Shortcut Removal Using Auxiliary Labels [63.686580185674195]
このようなリスク不変予測器の学習に重要な課題はショートカット学習である。
この課題に対処するために、フレキシブルで因果的なアプローチを提案する。
この因果的動機付けされた正規化スキームが堅牢な予測子を生み出すことを理論的および実証的に示す。
論文 参考訳（メタデータ） (2021-05-13T16:58:45Z)
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。