論文の概要: VeriVLA: Adaptive Test-Time Verification for Flow-Based VLAs with Latent World Models

• arxiv url: http://arxiv.org/abs/2610.21985v1
• Date: Thu, 15 Oct 2026 14:34:44 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-17 06:09:33.131213
• Title: VeriVLA: Adaptive Test-Time Verification for Flow-Based VLAs with Latent World Models
• Title（参考訳）: VeriVLA: 潜在世界モデルを用いたフローベースVLAの適応的テスト時間検証
• Abstract要約: トレーニング不要な2軸トリガを導入し,時間内変動とサンプル間のばらつきを測定した。 一度起動すると、JEPAベースの潜在世界モデルは、アクション条件付き将来の潜在状態を予測することによって、候補アクションチャンクをランク付けする。 提案手法は, 平均完了スコアを50.8%から65.5%に引き上げると同時に, トリガ決定毎のサンプリングと検証に326msを加算する。
• 参考スコア（独自算出の注目度）: 50.77784979595945
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: Flow-based Vision-Language-Action (VLA) policies are inherently stochastic: different noise seeds can produce action chunks of varying quality from the same observation. At test time, however, the policy typically commits to a single sample without an explicit estimate of its quality. In fine-grained manipulation, executing a suboptimal action can irreversibly disrupt task progress and lead to failure. To exploit policy stochasticity, we introduce a training-free two-axis trigger that uses two initial samples to measure within-chunk temporal variation and cross-sample variance, detecting the critical states. Once triggered, a JEPA-based latent world model ranks candidate action chunks by predicting action-conditioned future latent states and the corresponding changes in task progress. By operating in latent space, the verifier avoids pixel reconstruction and enables efficient and more accurate ranking. Across three real-world tasks, $\textit{i.e.,}$ pen insertion, pipetting, and apple placement), our method raises the average completion score from 50.8% to 65.5%, while adding 326 ms for sampling and verification per triggered decision on a single RTX 4090. Consistent gains are also observed in simulation, where the average success rate rises from 66.4% to 73.6% in the clean setting of RoboTwin 2.0, from 62.8% to 69.6% in its randomized setting, and from 96.9% to 97.6% on LIBERO.
• Abstract（参考訳）: 異なるノイズシードは、同じ観測から異なる品質のアクションチャンクを生成することができる。 しかしながら、テスト時には、ポリシーは通常、その品質を明示的に見積もることなく、単一のサンプルにコミットする。 きめ細かい操作では、準最適動作の実行はタスクの進捗を不可逆的に妨害し、失敗につながる可能性がある。 政策確率性を活用するために,2つの初期サンプルを用いて時間内変動とサンプル間変動を測定し,臨界状態を検出するトレーニングフリー2軸トリガを導入する。 一度起動すると、JEPAベースの潜在世界モデルは、アクション条件付き将来の潜在状態とそれに対応するタスク進捗の変化を予測することによって、候補アクションチャンクをランク付けする。 潜時空間で操作することにより、検証者は画素再構成を回避し、効率よくより正確なランク付けを可能にする。 実世界の3つのタスク、$\textit{i.e.,}$ pen insert, pipetting, and apple placement では、平均完了スコアが 50.8% から 65.5% に上昇し、RTX 4090 のトリガ決定毎に326 ms のサンプリングと検証を行う。 また、RoboTwin 2.0のクリーンな設定では平均成功率は66.4%から73.6%、ランダムな設定では62.8%から69.6%、LIBEROでは96.9%から97.6%に上昇する。

関連論文リスト

• Refine Actions If Needed: Adaptive Action Chunk Refinement for Robot Manipulation [25.553015151635975]
  反復生成ポリシーはタスクの成功率を高めることができるが、繰り返しネットワーク評価は推論遅延を増加させる。 このフレームワークは、異なるリファインメントレベルでアクションエラーを予測し、各実行可能な提案をどの程度洗練するかを決定する。 RAINは66.6%の成功を達成し、最も評価の高い拡散政策の成功率に近づき、政策遅延の5.71倍にも達する。
  論文  参考訳（メタデータ） (2026-10-14T08:17:57Z)
• Verify, Act, Distill: Turning Test-Time Compute into Test-Time Adaptation for Vision-Language-Action Models [0.688204255655161]
  本稿では,TLCの利益をVLA自体に統合する枠組みを提案する。 我々は,実行時セレクタとしてではなく,学習信号として検証を使用することで,TTCの改良が維持されていることを示す。
  論文  参考訳（メタデータ） (2026-10-10T12:57:58Z)
• Flow-Support-Weighted Proposals for Test-Time Verified VLA Policies [21.165662881835416]
  テストタイムサンプリングは、1つのアクション予測を検証者が選択できる独立した実行可能候補のセットに変換することを約束する。 1つのタスク分布を解くために訓練された視覚アクションモデルは、そのフローマッチングデコーダを支配的な実演行動の周りに集中させ、繰り返しサンプルはわずかに異なる。 繰り返しサンプルは、候補となる予算が増加するにつれて、非常に冗長なままになります。
  論文  参考訳（メタデータ） (2026-10-10T05:06:36Z)
• 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)
• Do I Need the Cloud? Uncertainty-Aware Step-Level Handoff for Small Language Model Agents [0.0]
  小言語モデル(SLM)は、リモート推論、レイテンシ、デプロイメントのフットプリントを減らすため、ローカルエージェントコントローラとして魅力的である。 STEPGATEは、各ローカルSLMアクションをスコアし、より強力なモデルに挑戦するステップを選択的にエスカレートする不確実性対応ハンドオフフレームワークである。
  論文  参考訳（メタデータ） (2026-10-06T06:09:31Z)
• World-Calibrated Proposal-to-Action Flow for Vision-Language-Action Models [79.30575944315403]
  Flow-based Vision-Language-Action Policy generated action chunks by transporting sample from a task-agnostic isotropic Gaussian source。 このソースは、最近の実行も将来の進化も予測しないので、最近実行された動きによって確立された局所的な連続性を捨てる。 生成元自体を予測可能にする,世界キャリブレーションされたプロポーザル・ツー・アクション・フレームワークであるProActを紹介する。
  論文  参考訳（メタデータ） (2026-10-01T18:00:11Z)
• Continuous Process-Level Evaluation for Evolving Enterprise AI Agent Skills [0.39508022083907385]
  結果レベルとプロセスレベルのチェックを組み合わせた継続的評価フレームワークを提案する。 我々は,2つのスキル,2つの仕様変種,2つのエージェントハーネス,3つのモデルに対する240の試行を評価した。
  論文  参考訳（メタデータ） (2026-10-01T15:06:23Z)
• Towards Robust Time Series Learning via Capacity-Centric Modulation [76.23489485385964]
  本稿では,CCM(Capacity-Centric Modulation)を相補的,サンプル適応正規化原理として提案する。 SACM(Sample-Adaptive Capacity Modulation)は,スペクトル空間の分散を利用して,サンプルワイドドロップアウト確率を割り当てるタスク非依存のフレームワークである。 301個の実世界のデータセット-バックボーンペアのうち、SACMは平均でMSEの予測を6.7%削減し、分類精度を3.04%改善し、ポイント調整されたF1を17.05%改善した。
  論文  参考訳（メタデータ） (2026-09-30T10:51:23Z)
• DexPolicy: Scheduled Exploration for Trajectory-Guided Dexterous Manipulation [59.77542456468077]
  器用な操作のための強化学習(RL)は、指と物体の接触を発見し、その物体を正確に制御する必要がある。 我々のベースラインPPOは、5Mステップ後に最初の動作ノイズの近くで終了し、探索スケールの明示的な制御を動機付けます。 PPO, 批判のないGRPO継続, フローフリーなPPOの3つのポリシー最適化設定について検討した。
  論文  参考訳（メタデータ） (2026-09-30T04:19:47Z)
• TEMPO: Scaling Test-time Training for Large Reasoning Models [87.61789183311856]
  テストタイムトレーニング(TTT)は、推論時間中にラベルのないテストインスタンスにモデルパラメータを適用する。 TTTフレームワークであるTEMPOを提案する。これは、ラベル付きデータセット上で定期的な批評家の再検討を行い、ラベル付き質問に対するポリシー修正をインターリーブする。
  論文  参考訳（メタデータ） (2026-04-21T10:01:04Z)

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。