論文の概要: DiVeR: Decision-Critical Verifier Learning for VLA Test-Time Scaling

• arxiv url: http://arxiv.org/abs/2610.04933v1
• Date: Sun, 04 Oct 2026 04:25:40 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-11 07:49:23.139211
• Title: DiVeR: Decision-Critical Verifier Learning for VLA Test-Time Scaling
• Title（参考訳）: DiVeR: VLAテストタイムスケーリングのための決定臨界検証学習
• Abstract要約: DiVeRはサンプル化された動作表現の分散から決定臨界度を推定する。 LIBERO、RoboCasa、およびFranka Research 3ロボットの現実世界での実験を通して、DiVeRはより効果的な検証者誘導アクション選択によってタスクの成功を継続的に改善する。
• 参考スコア（独自算出の注目度）: 19.782645536199013
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Scaling robot data and model capacity has improved Vision-Language-Action (VLA) policies, but further progress is constrained by the high cost of robotic data. Verifier-guided test-time scaling offers an efficient alternative by sampling multiple action candidates and selecting the one most likely to lead to task success at inference time. Existing classification-based verifiers learn from trajectory-level outcomes but treat all visited states equally, even though their value for candidate discrimination can vary across a trajectory. At many states, plausible actions are similar and provide limited discrimination signal, while only a sparse set of decision-critical states admits meaningfully different actions that can substantially affect downstream outcomes. To address this, we propose DiVeR, which estimates decision criticality from the dispersion of sampled action representations. DiVeR then uses this signal to reweight verifier learning toward states where action selection is most consequential, without requiring step-level annotations or additional environment interaction. Across LIBERO, RoboCasa, and real-world experiments on a Franka Research 3 robot, DiVeR consistently improves task success through more effective verifier-guided action selection, while adding negligible verifier inference overhead.
• Abstract（参考訳）: ロボットデータのスケーリングとモデルキャパシティはビジョン・ランゲージ・アクション(VLA)ポリシーを改善したが、ロボットデータの高コスト化によってさらなる進歩が制限されている。 検証誘導テストタイムスケーリングは、複数のアクション候補をサンプリングし、推論時にタスク成功につながる可能性が高いものを選択することで、効率的な代替手段を提供する。 既存の分類に基づく検証は、軌跡レベルの結果から学習するが、全ての訪問した州を平等に扱う。 多くの州では、もっともらしい行動は類似しており、限られた識別信号を提供するが、決定クリティカルな状態のまばらな一組だけが、下流の結果に重大な影響を及ぼす有意義な異なる行動を認めている。 そこで本研究では,サンプル表現の分散から決定臨界度を推定するDiVeRを提案する。 次に、DiVeRは、ステップレベルのアノテーションや追加の環境相互作用を必要とせずに、アクション選択が最も適切である状態に向けて、検証者学習のためにこの信号を使用する。 LIBERO、RoboCasa、およびFranka Research 3ロボットの現実世界の実験を通して、DiVeRはより効果的な検証者誘導アクション選択によってタスクの成功を継続的に改善し、無視可能な検証者推論のオーバーヘッドを追加する。

関連論文リスト

• Rethinking Visual-Language-Action Model Scaling: Alignment, Mixture, and Regularization [65.37179698521766]
  VLA(Vision-Language-Action)モデルは、ジェネラリストロボットの制御を強く約束する。 標準的な「スケールデータ」レシピがロボット工学に翻訳されるかどうかはまだ不明だ。 本稿では,多様なロボットを対象とした事前学習のためのコアトレーニング選択を再考する,VLAスケーリングの体系的かつ制御された研究を提案する。
  論文  参考訳（メタデータ） (2026-02-10T12:25:43Z)
• Bidirectional Decoding: Improving Action Chunking via Guided Test-Time Sampling [51.38330727868982]
  動作チャンキングが学習者と実証者の間の分岐にどのように影響するかを示す。 動作チャンキングをクローズドループ適応でブリッジするテスト時間推論アルゴリズムである双方向デコーディング(BID)を提案する。 提案手法は、7つのシミュレーションベンチマークと2つの実世界のタスクにまたがって、最先端の2つの生成ポリシーの性能を向上させる。
  論文  参考訳（メタデータ） (2024-08-30T15:39:34Z)
• Discriminative Nearest Neighbor Few-Shot Intent Detection by Transferring Natural Language Inference [150.07326223077405]
  データ不足を緩和するためには、ほとんどショットラーニングが注目を集めている。 深部自己注意を伴う識別的近傍分類を提示する。 自然言語推論モデル(NLI)を変換することで識別能力を高めることを提案する。
  論文  参考訳（メタデータ） (2020-10-25T00:39:32Z)

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。