論文の概要: Reasoning as a Distribution: Generative Plan Latents for Vision-Language-Action Models

• arxiv url: http://arxiv.org/abs/2610.28166v1
• Date: Tue, 20 Oct 2026 13:08:37 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-21 21:58:47.82513
• Title: Reasoning as a Distribution: Generative Plan Latents for Vision-Language-Action Models
• Title（参考訳）: 分布としての推論:ビジョン・ランゲージ・アクションモデルのための生成計画ラテント
• Abstract要約: VLA(Vision-Language-Action)政策は、行動する前にますます理にかなっている。 既存の推論モデルは、この中間決定を1つの表現に圧縮する。 低次元条件分布としての推論状態を表す生成計画遅延(GPL)を導入する。
• 参考スコア（独自算出の注目度）: 18.75954749998483
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Vision-Language-Action (VLA) policies increasingly reason before acting, but existing reasoning models compress this intermediate decision into a single representation. When several plans are valid, this commitment hides alternatives that could otherwise be selected or revised. We introduce the Generative Plan Latent (GPL), which represents the reasoning state as a low-dimensional conditional distribution over plans, such as which object, grasp, or route to use. This makes the reasoning state addressable: without retraining the VLA, plans can be sampled (coverage), selected on request (steering), and reweighted by deployment outcomes (outcome adaptation). We test all three on SimplerEnv manipulation with $π_0$, and extend the analysis to RoboCasa, LIBERO, and a maze domain. Steering the plan raises the fraction of executions that follow the request from 0.48 to 0.94, while the same guidance on the native action distribution shows no reliable gain. Finally, we show that an explicit plan is most useful when it carries decision information not already determined by the observation.
• Abstract（参考訳）: VLA(Vision-Language-Action)ポリシーは行動前にますます理屈を定めているが、既存の推論モデルは、この中間的な決定を単一の表現に圧縮する。 いくつかの計画が有効であれば、このコミットメントは、選択や修正の可能な代替案を隠す。 我々は,計画上の低次元条件分布として,対象物,把握,使用経路などの推論状態を表す生成計画遅延(GPL)を紹介した。 VLAを再トレーニングせずに、プランをサンプル(カバレッジ)し、要求に応じて選択し(ステアリング)、デプロイメント結果によって再重み付け(アウトカム適応)することができる。 我々はSimplerEnv操作を$π_0$でテストし、解析をRoboCasa、LIBERO、mazeドメインに拡張する。 プランのステアリングは、リクエストに従う実行の割合を0.48から0.94に引き上げる一方で、ネイティブアクションの配布に関する同じガイダンスは、信頼できる利得を示さない。 最後に,観測によって決定されていない決定情報を運ぶ際には,明示的な計画が最も有用であることを示す。

関連論文リスト

• Finding Optimal Cost-Bounded Plan Reductions: Refined Model [0.0]
  本研究では,事前計算した計画から,コスト境界を尊重しながら実用性を最大化する有効なサブプランを抽出する問題について検討する。 我々は、決定変種がNP完全であることを示し、それを解決するための2つの正確な方法を提案する:1つは、オーバーサブスクライブ計画(OSP)、もう1つは、線形計画(ILP)である。
  論文  参考訳（メタデータ） (2026-07-28T09:21:19Z)
• PearlVLA: Progressive Embodied Action-Plan Refinement in Latent Space [3.4519796338615225]
  本稿では,視覚言語モデル(VLM)の潜在空間に議論を移すフレームワークであるPearlVLAを提案する。 future-guided RefineNetは、粗いセマンティックドラフトを細かな潜在アクションプランに段階的に洗練するために、定期的な更新を適用する。 PearlVLAは、既存のメソッド間で最先端のパフォーマンスを達成する。
  論文  参考訳（メタデータ） (2026-06-16T13:38:03Z)
• Coarse-to-Control: Action-Token Planning for Vision-Language-Action Models [101.44987067974999]
  Coarse-to-Controlは計画実行VLAで、アクション・ツー・ケンの領域で計画を導入する。 アクション・ツー・ケイン・プランニングは直接アクション・ジェネレーションよりも一貫して改善されていることを示す。
  論文  参考訳（メタデータ） (2026-06-05T10:01:37Z)
• Do What You Say: Steering Vision-Language-Action Models via Runtime Reasoning-Action Alignment Verification [17.948161564138033]
  Reasoning Vision Language Action (VLA)モデルは、低レベルアクションの前にステップバイステップのテキストプランを生成することで、ロボットによる命令追従を改善する。 しかし、正しいテキストプランであっても、生成したアクションは計画の意図した結果、特にアウト・オブ・ディストリビューションのシナリオを見逃す可能性がある。 我々は、この現象をCoT忠実性の欠如として定式化し、推論・アクションアライメントのためのトレーニング不要な実行時ポリシーステアリング手法を導入する。
  論文  参考訳（メタデータ） (2025-10-18T00:38:45Z)
• The Cognitive Bandwidth Bottleneck: Shifting Long-Horizon Agent from Planning with Actions to Planning with Schemas [56.62286434195321]
  本稿では2つの異なる行動表現の有効性を体系的に研究する。 本稿では,その違いを質的に理解するための概念的枠組みとして,認知的帯域幅の観点を提案する。 より有能なPwSエージェントを構築するための実用的なガイドを提供する。
  論文  参考訳（メタデータ） (2025-10-08T14:47:40Z)
• Hindsight Planner: A Closed-Loop Few-Shot Planner for Embodied Instruction Following [62.10809033451526]
  本研究は,Large Language Models (LLM) を用いた Embodied Instruction following (EIF) タスクプランナの構築に焦点をあてる。 我々は,このタスクを部分観測可能なマルコフ決定プロセス (POMDP) として構成し,数発の仮定で頑健なプランナーの開発を目指す。 ALFREDデータセットに対する我々の実験は、プランナーが数ショットの仮定で競争性能を達成することを示す。
  論文  参考訳（メタデータ） (2024-12-27T10:05:45Z)
• PDDLEGO: Iterative Planning in Textual Environments [56.12148805913657]
  テキスト環境における計画は、現在のモデルにおいても長年にわたる課題であることが示されている。 我々は,あるサブゴールの部分的な計画に導く計画表現を反復的に構築するPDDLEGOを提案する。 数ショットのPDDLEGOで作成するプランは,Coin Collectorシミュレーションでエンドツーエンドのプランを生成するよりも43%効率がよいことを示す。
  論文  参考訳（メタデータ） (2024-05-30T08:01:20Z)
• AdaPlanner: Adaptive Planning from Feedback with Language Models [56.367020818139665]
  大規模言語モデル(LLM)は、最近、シーケンシャルな意思決定タスクの自律的エージェントとして機能する可能性を実証している。 本研究では,LLMエージェントが環境フィードバックに応じて自己生成計画を適応的に改善することのできるクローズドループアプローチであるAdaPlannerを提案する。 幻覚を緩和するために,様々なタスク,環境,エージェント機能にまたがる計画生成を容易にするコードスタイルのLCMプロンプト構造を開発した。
  論文  参考訳（メタデータ） (2023-05-26T05:52:27Z)

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。