論文の概要: VLA-Fabric: Learning Interaction for Composable Multi-Arm VLA Agents

• arxiv url: http://arxiv.org/abs/2610.23018v1
• Date: Fri, 16 Oct 2026 06:52:37 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-20 00:56:07.798158
• Title: VLA-Fabric: Learning Interaction for Composable Multi-Arm VLA Agents
• Title（参考訳）: VLA-Fabric: 構成可能なマルチアームVLAエージェントのための学習インタラクション
• Abstract要約: VLA-Fabricは、各腕に1つの完全なVLAを編成し、局所的な知覚と行動の所有権を保持する。 まず、このようなインタラクションがどこで発生すべきか、どのようにピア情報を集約すべきか、どのように相互作用を学ぶべきかを体系的に研究する。 次に、これらの関数を構造的に異なるVLAアーキテクチャで再検証し、調整原理が特定のテンソルレイアウトやバックボーンの実装と結びついていないことを示す。
• 参考スコア（独自算出の注目度）: 6.2394201729978604
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Vision-language-action (VLA) models are rapidly expanding what individual robots can accomplish, yet many real-world manipulation settings require multiple arms to operate as a coordinated system. Existing approaches organize multi-arm coordination in different ways, including centralized joint policies, high-level task or role assignment, and locally executed policies that react to teammates. However, how complete action-producing VLAs should explicitly interact with one another during action generation remains largely unexplored. We introduce VLA-Fabric, which organizes one complete VLA per arm while preserving local perception and action ownership, and enables coordination through learned interaction across policy boundaries. We first systematically study where such interaction should occur, how peer information should be aggregated, and how the interaction should be learned, revealing complementary coordination functions spanning shared context, peer-specific latent information, and action-stage interaction. We then re-instantiate these functions in a structurally different VLA architecture, showing that the coordination principle is not tied to a particular tensor layout or backbone implementation. Finally, we compose teams of three and four arms and evaluate them in simulation and physical experiments. On all four physical tasks, Full interaction improves success over independently trained local policies by 16--40 percentage points. Together, these results suggest that explicit interaction among complete VLA policies offers a scalable path toward networked embodied intelligence.
• Abstract（参考訳）: 視覚言語アクション(VLA)モデルは、個々のロボットが達成できることを急速に拡張していますが、実際の操作設定の多くは、協調システムとして運用するために複数のアームが必要です。 既存のアプローチでは、集中的な共同方針、ハイレベルなタスクやロールの割り当て、チームメイトに反応するローカルに実行されるポリシーなど、さまざまな方法でマルチアームの調整を組織しています。 しかしながら、アクション生成中にVLAがいかに完全に相互に相互作用するかは、未解明のままである。 VLA-Fabricは、局所的な認識と行動の所有権を維持しつつ、腕に1つの完全なVLAを編成し、政策境界を越えて学習された相互作用を通して協調を可能にする。 まず,このようなインタラクションの発生場所,ピア情報の集約方法,インタラクションの学習方法,共有コンテキストにまたがる相補的協調機能,ピア固有の潜伏情報,アクションステージインタラクションについて,系統的に検討する。 次に、これらの関数を構造的に異なるVLAアーキテクチャで再検証し、調整原理が特定のテンソルレイアウトやバックボーンの実装と結びついていないことを示す。 最後に,3つの腕と4つの腕からなるチームを編成し,それらをシミュレーションおよび物理実験で評価する。 4つの物理的タスクすべてにおいて、完全なインタラクションは、独立に訓練されたローカルポリシーよりも16～40パーセントの成功を改善する。 これらの結果は、完全なVLAポリシー間の明示的な相互作用が、ネットワーク化されたインボディードインテリジェンスへのスケーラブルな経路をもたらすことを示唆している。

関連論文リスト

• Scalable Multi-Human Cooperative Manipulation via Commander-Executor Coordination [10.829067774032694]
  マルチヒューマン・コラボレーティブ・オブジェクト操作は、ヒューマノイド制御において非常に困難なトピックである。 本稿では,複数のエージェントが複雑な協調作業を行うことを可能にする階層的な指揮執行者フレームワークを提案する。 本手法は最先端の手法と比較して高い成功率を達成する。
  論文  参考訳（メタデータ） (2026-10-10T13:34:44Z)
• From Solo to Ensemble: A Hierarchical Framework for Composable Multi-Agent Human-Object Interaction [30.74235271646434]
  物理学に基づく人間と物体の相互作用は、堅牢な単一エージェント操作技術を達成した。 本稿では,単一エージェントのHOIポリシーを再利用可能なオブジェクト指向運動スキルに変換する階層型フレームワークを提案する。
  論文  参考訳（メタデータ） (2026-10-08T11:24:20Z)
• CoRE: Learning Collaboration-Role Experts for Decentralized Collaborative Manipulation with One Policy [8.640835924450553]
  協調的な操作は、対話が展開するにつれて、ロボットが相補的な行動を実行することを要求する。 コラボレーション・ロール・エキスパートズ(Collaboration-Role Experts)をプールされたマルチタスク、マルチロボットのデモから学習するCoREを紹介する。 CoREは評価された分散メソッドの中で最高の平均性能を達成する。
  論文  参考訳（メタデータ） (2026-10-06T04:49:11Z)
• MA-VLA: Multi-Arm Vision-Language-Action Model for Collaboration and Compositional Generalization [67.1660214178234]
  マルチアームコラボレーションは、身体操作のコア機能になりつつある。 原子間相互作用によるマルチアーム協調のための統合フレームワークMA-VLAを提案する。 Arm Shuffleは、固定された実行ロールへの依存を減らす。
  論文  参考訳（メタデータ） (2026-08-26T14:38:04Z)
• CHORUS: Decentralized Multi-Embodiment Collaboration with One VLA Policy [67.76658561040625]
  CHORUSは、多様なマルチロボットチームを制御するために、単一のビジョン言語アクション(VLA)バックボーンに適応するフレームワークである。 実験では、CHORUSは分散化されたスクラッチモデルよりも64%のポイント改善を実現している。 その結果,共有VLAバックボーンは分散マルチロボットコラボレーションを実現することができることがわかった。
  論文  参考訳（メタデータ） (2026-06-10T17:26:08Z)
• Unified Human-Scene Interaction via Prompted Chain-of-Contacts [61.87652569413429]
  HSI(Human-Scene Interaction)は、AIや仮想現実といった分野において重要なコンポーネントである。 本稿では,言語コマンドによる多様なインタラクションの統一制御を支援する統一型HSIフレームワークUniHSIを提案する。
  論文  参考訳（メタデータ） (2023-09-14T17:59:49Z)

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。