論文の概要: RESCUE: Is This Alarm Worth Acting On? Counterfactual Evaluation of VLA Runtime Monitors
- arxiv url: http://arxiv.org/abs/2610.13516v1
- Date: Fri, 09 Oct 2026 12:38:35 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-10-13 04:06:29.581236
- Title: RESCUE: Is This Alarm Worth Acting On? Counterfactual Evaluation of VLA Runtime Monitors
- Title（参考訳）: レビュー:このアラーム価値は有効か? : VLAランタイムモニターの非現実的評価
- Abstract要約: RESCUEは、モニターのアラームが有用な介入を可能にするかどうかを評価するための反ファクトのフレームワークである。
LIBERO-Spatial および LIBERO-Plus を128,340 個の反実枝を用いて OpenVLA-OFT と $_0.5$ で評価した。
- 参考スコア（独自算出の注目度）: 16.942398830192133
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Runtime failure monitors for robot policies are typically evaluated by how accurately they distinguish failed from successful executions. Yet an accurate alarm may arrive too late for recovery, while an unnecessary intervention may disrupt an execution that would otherwise succeed. We introduce RESCUE, a counterfactual framework for evaluating whether a monitor's alarms enable useful interventions. By restoring simulator and policy states at execution checkpoints, RESCUE compares alternative actions, identifies the latest checkpoint satisfying a specified recovery criterion, and evaluates whether acting on alarms reduces expected task-completion cost. We evaluate RESCUE with OpenVLA-OFT and $π_{0.5}$ over LIBERO-Spatial and LIBERO-Plus using 128,340 counterfactual branches. Recoverability depends on the state--intervention pair rather than on robot state alone: at $τ=0.5$, 14 of 66 OpenVLA-OFT/LIBERO-Plus failures contain a recoverable checkpoint under continuation, compared with 34 of 66 under continuation or scripted recovery, while recovery reduces recoverability in other conditions. On the primary strong-policy conditions, favourable detection scores do not establish lower intervention cost. Under the evaluated stop-and-reset model, even an idealised detector can afford only a 2.0--3.3% false-alarm rate before unnecessary resets outweigh the savings from stopping failures early. These results show that monitor value depends jointly on the intervention available and the workload in which it is deployed.
- Abstract（参考訳）: ロボットポリシーの実行時障害モニタは、成功している実行と失敗をいかに正確に区別するかによって評価されるのが一般的である。
しかし、正確なアラームが回復するには遅すぎるかもしれないし、不要な介入が実行を妨害するかもしれない。
本稿では,モニタのアラームが有用な介入を可能にするかどうかを評価するための対策フレームワークであるRESCUEを紹介する。
シミュレータとポリシー状態を実行チェックポイントで復元することにより、RESCUEは代替のアクションを比較し、特定のリカバリ基準を満たす最新のチェックポイントを特定し、アラームの動作によって期待されるタスク完了コストが削減されるかどうかを評価する。
LIBERO-Spatial および LIBERO-Plus 上の OpenVLA-OFT および $π_{0.5}$ の RESCUE を128,340 個の反実枝を用いて評価した。
66 OpenVLA-OFT/LIBERO-Plus障害の14ドルは継続中の回復可能なチェックポイントを含み、継続またはスクリプト化されたリカバリ時の34ドルに対して、リカバリは他の条件下でのリカバリ性が低下する。
主要な強政条件では、適切な検出スコアは介入コストを低下させません。
評価されたストップ・アンド・リセットモデルの下では、理想化された検出器でさえ、不必要なリセットが早期に停止する際の貯蓄を上回る前に、2.0--3.3%の偽アラームレートしか得られない。
これらの結果は、監視値が利用可能な介入と、それがデプロイされるワークロードに共同で依存していることを示しています。
関連論文リスト
- RESETTLE: Robotic Recovery through Disagreement-Triggered Retrieval and Efficient Corrective Control [92.47481295713227]
本稿では,凍結ロボットポリシーのアクション・エグゼクティブ・インタフェースにおいて,効率的なリカバリのためのモデルに依存しないフレームワークであるRESETTLEを紹介する。
適応されたV-JEPAエンコーダを使用して、同じタスクのデモ参照を取得する。
LIBERO-Plus、Meta-World、RoboCasaでは最大8.70%、6.28%、絶対的な成功率6.83%に達する。
論文 参考訳（メタデータ） (2026-10-08T15:49:03Z) - RELACE: retrospective likelihood-based action credit estimation for long-horizon language agents [1.8552770604791606]
RELACEは,反省的行動評価と状態条件の利点推定を統合した,批判のないフレームワークである。
Qwen2.5-1.5B-InstructとQwen2.5-7B-InstructによるALFWorldとWebShopの実験は、GRPO、GiGPO、HCAPOよりも大幅に改善された。
論文 参考訳（メタデータ） (2026-10-05T20:19:04Z) - Future Anchored Verification and Online Recovery for World Action Models [50.72957480806238]
世界アクションモデル(WAM)は、ロボット操作のための有望なパラダイムとして登場した。
我々は、WAMが行動する前に予測した未来が、通過する意図のある状態を正確に表現しているのを観察する。
予測フレームをアンカーとして保持し,検証とリカバリに使用する軽量フレームワークであるFAVORを紹介する。
論文 参考訳（メタデータ） (2026-10-05T13:08:58Z) - From Probe Scores to Alarm Policies: Operational Validity of Activation Monitors for Language-Model Agents [0.0]
アクティベーションプローブは、受信動作特性曲線(AUROC)の下で高い領域を持つ言語モデルの安全性関連特性を予測することができる
配備されたエージェントモニターは、厳格な偽アラーム予算の下で閾値付きアラーム決定を行う。
我々は,モニタの目標,可観測性,アイデンティティ,タイミング,介入ユニット,コンパレータ,キャリブレーション,コストを修正する操作検証契約を導入する。
論文 参考訳（メタデータ） (2026-10-03T15:11:21Z) - CereVLA: Cerebellum-Inspired Consequence-Aware Residual Governance for Efficient Vision-Language-Action Execution [53.635273213001796]
アクションチャンクされた視覚言語アクション(VLA)ポリシーは推論効率を改善するが、コミットされたアクションチャンク内の限られたフィードバックは、実行エラーの蓄積につながる。
本稿では,軽量残効改善と予測結果評価を冷凍VLA実行に統合した統合フレームワークであるCereVLAについて述べる。
論文 参考訳（メタデータ） (2026-09-23T07:30:58Z) - CARE: Experience-Guided Atomic Corrective Execution for Vision-Language-Action Policies [52.32735203969873]
VLA(Vision-Language-Action)ポリシーは、ロボット操作において強力なパフォーマンスを達成するが、実行が名目上の軌道から逸脱した後も不安定なままである。
本稿では,実行時に発生する障害から学習することで回復を改善するフレームワークであるCARE(Corrective Atomic Robotic Execution)を提案する。
論文 参考訳（メタデータ） (2026-09-21T05:14:34Z) - Can Risk-Based Alerting Mitigate Cybersecurity Alert Fatigue? [4.44483539967295]
リスクベースの警告(RBA)の最初の体系的評価について述べる。
我々は5つの基本的なリスク仮説を蒸留し、それらを独立にパラメトリズ可能なモジュールとして定式化し、新しい実験スイートCATSに実装する。
RBAは、アナリストがレビューしなければならない誤報の数を大幅に削減できるため、サイバーセキュリティ警告の疲労を軽減する可能性がある、と結論付けています。
論文 参考訳（メタデータ） (2026-09-02T11:37:41Z) - Reuse Before You Retrieve: Diagnosing Headroom and Complementarity for Test-Time Augmentation of Embodied Multimodal Policies [56.86456077356948]
凍結言語アクション(VLA)ポリシーは、テスト時に徐々に改善されている。
追加のサンプリングは、ポリシーのロールアウト内により優れた振る舞いが存在する場合にのみ有効である。
検索は、関連するアクションがポリシーによって確実に表現されない場合に最も有用である。
論文 参考訳（メタデータ） (2026-08-18T08:11:31Z) - ActFovea: Runtime Safeguarding for VLA Policies via Spatiotemporal Visual-Action Consistency [23.6841289206823]
視覚言語アクション(VLA)ポリシーは、ロボット操作において強力なパフォーマンスを達成する。
それらは、視覚的な観察、ロボットの状態、実行中の動作の時間的アライメントを損なうランタイム障害に対して脆弱である。
本稿では,ActFoveaについて紹介する。ActFoveaは,VLAポリシーの再トレーニングや修正を行うことなく,そのような障害を検出し緩和する,プラグアンドプレイのセーフガードフレームワークである。
論文 参考訳（メタデータ） (2026-07-31T08:47:57Z) - CheckVLA: Execution-Time Verification with Action-Conditioned World Model for Long-Horizon Mobile Manipulation [15.532709298240215]
視覚言語アクション(VLA)ポリシーは、オープンループアクションチャンクを通じて長距離移動操作を実行する。
本稿では、個別に訓練されたフリーズされた行動条件付き世界モデルを用いて実行を検証するCheckVLAを提案する。
RoboCasa365では、一般的なトレーニングレシピと一致した呼び出し予算の下で、CheckVLAの平均成功率は36.1%であり、定期的なリプランでは27.6%である。
論文 参考訳（メタデータ） (2026-07-29T11:31:33Z) - RePO-VLA: Recovery-Driven Policy Optimization for Vision-Language-Action Models [90.39703013636868]
RePO-VLAは、リカバリ駆動のポリシー最適化フレームワークである。
成功、回復、失敗の軌跡に異なる役割を割り当てる。
対人的な成功は、平均で20%から75%、実世界の規模で80%まで上昇する。
論文 参考訳（メタデータ） (2026-05-10T08:24:05Z)
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。