論文の概要: Policy-Aligned Predictive Verification for Adaptive VLA Action-Chunk Execution

• arxiv url: http://arxiv.org/abs/2610.21434v1
• Date: Thu, 15 Oct 2026 07:45:17 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-16 19:13:16.256693
• Title: Policy-Aligned Predictive Verification for Adaptive VLA Action-Chunk Execution
• Title（参考訳）: 適応型VLAアクション・チャンク実行のためのポリシーに適合した予測的検証
• Abstract要約: 視覚言語アクション(VLA)ポリシーは、繰り返し推論を減らすアクションシーケンスを生成する。 候補行動プレフィックスの結果を予測する政策整合予測検証器(PAV)を導入する。 提案手法は,VLAの内部タスク条件表現空間における既存の提案を評価する。
• 参考スコア（独自算出の注目度）: 29.851693894969916
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Vision-language-action (VLA) policies generate action sequences that reduce repeated inference, but deciding how much of each sequence to execute is critical to task success. Existing adaptive methods make this decision using generation stability or prediction agreement, yet these signals do not establish whether executing a candidate prefix preserves the ability to complete the task. We introduce a policy-aligned predictive verifier (PAV) that anticipates the consequences of candidate action prefixes and evaluates their compatibility with successful continuation before execution. Rather than using future prediction to generate actions, our method evaluates existing proposals in the VLA's internal task-conditioned representation space. To learn local judgments from terminal task outcomes, we combine trajectory-level survival supervision with a localization prior that preserves useful behavior within failed rollouts. The resulting validity scores guide execution-horizon selection. Evaluations with pi_0 and pi_0.5 across LIBERO, RoboTwin 2.0, and real-world manipulation show improved success-query trade-offs. These findings point toward a different role for future prediction in robotics, using it to assess how far to trust a policy's proposed actions rather than to generate new ones.
• Abstract（参考訳）: 視覚言語アクション(VLA)ポリシーは、繰り返し推論を減らすアクションシーケンスを生成するが、各シーケンスの実行回数はタスクの成功に不可欠である。 既存の適応的手法では、生成安定性や予測合意を用いてこの決定を行うが、これらの信号は、候補プレフィックスの実行がタスクを完了させる能力を保持するかどうかを定めていない。 本稿では,候補行動プレフィックスの結果を予測し,実行前の継続を成功させるためのポリシー整合型予測検証器(PAV)を提案する。 VLAの内部タスク条件付き表現空間における既存の提案を,動作生成に将来の予測を使用する代わりに評価する。 終末タスクの結果から局所的な判断を学習するために、軌道レベルの生存監視と、失敗するロールアウト内で有用な行動を保存するための局所化を併用する。 結果の妥当性は、実行-水平選択をガイドする。 LIBERO、RoboTwin 2.0、および実世界の操作におけるpi_0とpi_0.5による評価は、成功と成功のトレードオフを改善したことを示している。 これらの知見は、ロボット工学における将来の予測において異なる役割を指しており、新しいものを生成するよりも、政策の提案された行動がどの程度信頼されるかを評価するのに使われている。

関連論文リスト

• Unifying Policy Learning and State Prediction through Spatial Language Modeling [52.172884936392535]
  本研究では,シーンの輪郭,目標,行動目標,将来の状態を個別座標と意味トークンの共通語彙で表現する空間言語モデリングを提案する。 タスク固有の文法はこれらの要素を空間配列に整理し、1つの自己回帰変換器が行動生成と行動条件付き状態予測を学習できるようにする。 ランダム・プレイ・トランジション・プレトレーニングを駆使してモデルをスクラッチからトレーニングし、その後、専門家によるデモンストレーションで共同動作と状態トレーニングを行う。
  論文  参考訳（メタデータ） (2026-10-08T15:43:08Z)
• Commit While Futures Agree: Consequence-Aware Adaptive Action Chunking for Robot Manipulation [25.084703288229203]
  アクションチャンキングポリシは、マルチステップ制御シーケンスを予測しますが、再計画する前に、予測されるアクションチャンクのどのくらいをコミットすべきなのでしょうか? 本稿では、予測時フレームワークであるConsequence-Aware Adaptive Action Chunking (CA$3$C)を提案する。
  論文  参考訳（メタデータ） (2026-10-06T08:23:04Z)
• Credit-Guided Policy Improvement for Test-time Adaptive Vision-Language Navigation [53.30116823667751]
  視覚言語ナビゲーションのためのテスト時適応(TTA-VLN)により、事前訓練されたポリシーは、目に見えない環境にオンラインで適応できる。 分散シフトは、局所的な行動選好を歪め、オフコース決定につながる可能性がある。 我々は,行動誘発観察遷移から署名付き参照関連決定クレジットを回収する信用誘導政策改善(CGPI)を提案する。
  論文  参考訳（メタデータ） (2026-09-29T13:46:11Z)
• JEPA Policy: Diffusion-Free Imitation Learning via Paired Action and Future Representation Prediction [6.889062419237111]
  JEPA Policyは、アクションチャンクとその観測された将来の表現をペア化されたトレーニングターゲットとして使用する、拡散のないフレームワークである。 将来の予測は、アクションを生成するために使われる表現を形作ることができる。 その結果、反復的な生成サンプリングを伴わない低遅延ビズモータ模倣に対する実践的なアプローチとして、ペア・フューチャー・リ表現の監視を支援する。
  論文  参考訳（メタデータ） (2026-09-09T02:42:20Z)
• Large Discrete Policy: Advancing Explicit Behavior Modeling with Stochastic Iterative Scoring [77.17706435067372]
  大規模ポリシー(LDiP)は、物理的に妥当な候補の大きな語彙から行動を選択する、完全に独立した行動モデリングフレームワークである。 摂動作用ではなく、LDiPは反復的なスコアリングによって表現性を向上する。 エンド・ツー・エンドの計画、クローズドループ・ドライブ、ロボット操作、ビジョン・ランゲージ・アクション・セッティングを通じて、LDiPは強い離散的かつ連続的なベースラインを一貫して上回っている。
  論文  参考訳（メタデータ） (2026-09-07T05:12:52Z)
• EmbodiedSkills: A Unified Framework for Orchestrating, Training, and Deploying VLA Agents [56.25120535601186]
  視覚言語アクション(VLA)モデルは、視覚観察と言語指示を直接ロボットアクションにマッピングする。 本稿では,各スキル決定を実行提案として扱うフレームワークであるEmbodiedSkillsを提案する。 共有可能スキルインタフェースは、ハイレベルスキル選択、バウンドローレベルVLA実行、ポストアクション検証を接続する。
  論文  参考訳（メタデータ） (2026-09-01T14:14:47Z)
• 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)
• VANE: Reliable Test-Time Training for Vision-Language-Action Models via Future Visual Representation Prediction [8.801486222527984]
  テストタイムトレーニング(TTT)は、ラベルのないデプロイメントストリームから視覚-言語-アクション(VLA)ポリシーを適用するための軽量な方法を提供する。 VLAポリシー(VANE)のための信頼性TTTフレームワークを導入する。 SimplerEnv WidowXでは、VANEは対応するTTベースラインよりも平均的な成功率を32ドルポイント向上させる。
  論文  参考訳（メタデータ） (2026-08-10T11:22:54Z)
• FutureRTC: Real-Time Robot Execution with Anticipatory-Conditioned Action Chunking [51.97839311685636]
  FutureRTCは、実行時の観察と非同期VLA制御の状態を予測するためのプラグイン・アンド・プレイ適応フレームワークである。 FutureRTCは推論遅延に対する堅牢性を実現し,よりスムーズな軌道,高速な実行,一貫したタスク成功率を実現している。
  論文  参考訳（メタデータ） (2026-07-27T05:10:16Z)
• VeriSpace: Spatially Grounded Action Verification for Vision-Language-Action Models [19.75611749501909]
  VLA(Vision-Ground-action)モデルは、ロボット操作に強く期待されている。 しかし、テスト時の信頼性は、ワンショットアクション予測によって制限されている。 VLAシステムにおけるテスト時動作選択のための3D対応検証器であるVeriSpaceを提案する。
  論文  参考訳（メタデータ） (2026-06-09T08:31:59Z)

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。