論文の概要: If at First You Don't Succeed, Backtrack: Lightweight Recovery for Frozen VLAs

• arxiv url: http://arxiv.org/abs/2610.32941v1
• Date: Fri, 23 Oct 2026 17:35:33 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-27 01:38:06.623597
• Title: If at First You Don't Succeed, Backtrack: Lightweight Recovery for Frozen VLAs
• Title（参考訳）: 凍ったVLAのライトウェイトリカバリ(動画あり)
• Abstract要約: 本稿では,凍結型ビジョン・ランゲージ・アクション(VLA)モデルに対する軽量な故障検出と回復機構であるBacktrackを紹介する。 凍結ポリシーの結果ラベル付きロールアウトのみに基づいてトレーニングされた小さな障害予測ヘッドは、VLAの既存の内部表現を読み、現在のエピソードが失敗するかどうかを推定する。 予測された故障確率がしきい値を超えると、コントローラはポリシーを一時停止し、最近達成された腕の動きを遡り、変更されていないポリシーに制御し、以前の構成から再試行することができる。
• 参考スコア（独自算出の注目度）: 1.4091801425319963
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Vision-Language-Action (VLA) models perform well on robotic manipulation, yet remain brittle once their own actions carry them into states their training data barely covers. Recovering from such failures usually requires recovery demonstrations, policy retraining, or a separate model at inference time. We introduce Backtrack, a lightweight failure detection and recovery mechanism for frozen VLAs that needs none of these. A small failure prediction head, trained only on outcome-labeled rollouts of the frozen policy, reads the VLA's existing internal representations to estimate whether the current episode will fail. When the predicted failure probability exceeds a threshold, a controller pauses the policy, retraces the arm's recently achieved motion, and hands control back to the unchanged policy so it can retry from an earlier configuration. The head adds only 0.48-0.88% to the policy's parameter count. We evaluate Backtrack on LIBERO with three VLAs spanning two action-generation families: SmolVLA and $π$0.5, which use flow-matching action experts, and the autoregressive $π$0-FAST. On LIBERO-Long, the suite of long-horizon multi-step tasks and the one on which all three policies fail most often, Backtrack reduces each policy's failure rate by 19-48%, raising success by up to 7.4 percentage points; on the three shorter suites, where control success is already 85-99%, its effect is smaller. On MetaWorld, all twelve controller configurations tested with SmolVLA improve on the unassisted policy.
• Abstract（参考訳）: Vision-Language-Action(VLA)モデルは、ロボット操作ではうまく機能するが、トレーニングデータをほとんどカバーしていない状態に戻すと、動作が不安定になる。 このような障害から回復するには、通常、リカバリのデモ、ポリシーの再トレーニング、あるいは推論時に別のモデルが必要になる。 Backtrackは,凍結したVLAに対する軽量な障害検出とリカバリ機構で,いずれも不要である。 凍結ポリシーの結果ラベル付きロールアウトのみに基づいてトレーニングされた小さな障害予測ヘッドは、VLAの既存の内部表現を読み、現在のエピソードが失敗するかどうかを推定する。 予測された故障確率がしきい値を超えると、コントローラはポリシーを一時停止し、最近達成された腕の動きを遡り、変更されていないポリシーに制御し、以前の構成から再試行することができる。 政策のパラメータ数に0.48-0.88%加えるだけである。 SmolVLAと$π$0.5の2つのアクションジェネレーションファミリーにまたがる3つのVLAを持つLIBERO上のバックトラックの評価を行い,フローマッチングアクションエキスパートと自己回帰型$π$0-FASTについて検討した。 LIBERO-Longでは、長期にわたる多段階のタスクスイートと、3つのポリシーが最も頻繁に失敗するタスクで、Backtrackは各ポリシーの失敗率を19-48%削減し、最大7.4ポイントまで上昇させ、コントロール成功が85-99%以上である3つの短いスイートでは、その効果が小さくなっている。 MetaWorldでは、SmolVLAでテストされた12のコントローラ構成はすべて、非アシストポリシーを改善している。

関連論文リスト

• When to Stop Penalizing Actions? Martingale GRPO for VLA Reinforcement Learning [57.346051877313705]
  Martingale GRPO はイベント誘導トランケーションのための視覚言語モデル (VLM) を備えている。 故障フィードバックは選択されたエラー間隔を通して保持され、その後削除され、成功したロールアウト損失項と元の損失正規化が保存される。 RoboTwin 2.0でのOpenVLA-OFTの実験により、MART-GRPOは複数のタスクにわたる全軌道GRPOよりも成功率を向上させることが示された。
  論文  参考訳（メタデータ） (2026-10-23T09:56:27Z)
• ForkCast: Predictive Recovery for Vision-Language-Action Policies via Counterfactual Futures [14.733098145733756]
  ビジョン言語アクション(VLA)ポリシーは、カメライメージと言語命令を使用して操作タスクを実行する。 ForkCastは,凍結したVLAポリシに介入するかどうかを判断するために,対物的未来を比較する予測的リカバリフレームワークである。
  論文  参考訳（メタデータ） (2026-10-13T16:13:36Z)
• 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)
• SafeLoop: Risk-Aware Rollback for Vision-Language-Action Manipulation [15.20164361237998]
  VLAモデルにハザード予測とロールバックベースのリカバリを加えた非侵襲的な外部ラッパーであるSafeLoopを導入する。 軽量コントローラは、予測されるリスクに基づいて、3つのアクションのうちの1つを選択する。 SafeLoopは、代替手法よりも全体的な安全性とリスクのトレードオフを強く達成し、タスクの成功とベース・ポリティクスのコントロール率を維持しながら、ハザードケースを約70%削減する。
  論文  参考訳（メタデータ） (2026-09-22T12:22:44Z)
• ReDraft, Don't Just Distill: Reference-Driven Revision for Continual VLLM Post-Training [66.72708893922605]
  大規模なマルチモーダルモデルのポストトレーニングは、事前トレーニングから保護しながら、新しい機能を追加する必要がある。 SFTは、タスクをほぼゼロの精度から学習する明確なターゲット監視を提供するが、そのオフポリティックターゲットはモデルを十分に移動させ、忘れる原因となる。 モデル自身の失敗から両方を得るReDraftを紹介します。
  論文  参考訳（メタデータ） (2026-09-15T04:59:03Z)
• Sequential Planning via Anchored Robotic Keypoints [3.176338968032152]
  トレーニング不要なニューロシンボリック操作システムであるSPARK(Anchored Robotic Keypoints, SPARK)について述べる。 単一のGeminiコールは、構成可能なキネマティックプリミティブの型付き振舞いツリー(BT)としてプランを構成する。 2つ目のGeminiコールでは、オブジェクトごとに3つの代替テキストプロンプトが提案され、SAM3がそれぞれを評価します。 代替のプロンプトは、空間スイートに+27.7、オブジェクトスイートに+10.0、全体のリカバリループに+5.0を加算する。
  論文  参考訳（メタデータ） (2026-06-29T17:48:01Z)
• ReCoVLA: VLM-Guided Reward Compilation for Failure Recovery in Vision-Language-Action Policies [16.305613129361593]
  ヴィジュアル・ランゲージ・アクション(VLA)ポリシーは、言語条件の操作に強い先行性を提供するが、標的とするリカバリを必要とするオフ・ノミナル州では不安定なままである。 本稿では,既訓練のVLAポリシを凍結した状態に維持するリカバリフレームワークであるReCoVLAを提案する。
  論文  参考訳（メタデータ） (2026-06-08T15:29:09Z)
• 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。