論文の概要: VLA-Stem: A Lightweight Safety Mechanism for Vision-Language-Action Models via Reinforcement Learning

• arxiv url: http://arxiv.org/abs/2610.37378v1
• Date: Tue, 27 Oct 2026 15:07:29 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-28 21:04:31.670254
• Title: VLA-Stem: A Lightweight Safety Mechanism for Vision-Language-Action Models via Reinforcement Learning
• Title（参考訳）: VLA-Stem:強化学習による視覚言語行動モデルのための軽量安全機構
• Abstract要約: VLA-Stemは、Vision-Language-Action (VLA)システムのための強化学習に基づく安全メカニズムである。 VLA-Stemは高レベルのVLAタスク意図を結合し,即時的身体的リスクに対する迅速な反射様反応を示す。
• 参考スコア（独自算出の注目度）: 19.800230311225935
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Vision-Language-Action (VLA) models integrate high-level reasoning with low-level action execution for end-to-end robotic control. However, most VLA models target static manipulation in unconstrained environments, overlooking spatial constraints and dynamic obstacles. Fine-tuning VLAs on obstacle-avoidance data is a straightforward solution, but collecting such data is costly, especially for dynamic scenarios, and may degrade their original task capabilities. To address these limitations, we propose VLA-Stem, a lightweight, reinforcement-learning-based safety mechanism for VLA systems. Without fine-tuning the underlying VLA policy, VLA-Stem converts its action chunks into motion references and uses trajectory-level guidance to preserve their spatial intent while allowing flexible motion and timing adjustments. Conditioned on these references, robot proprioception, and local obstacle information, the Stem policy adaptively modifies execution at inference time, preserving the original task intent while enabling responsive adaptation to spatial constraints and dynamic obstacles. For robust and sample-efficient training, we combine teacher-student distillation with curriculum learning. We evaluate VLA-Stem on reference following, static spatial constraints, and dynamic obstacle avoidance. Across six constrained simulation settings, VLA-Stem achieves 52.8% average collision-free task success versus 23.7% for the strongest safety baseline, while preserving base-policy performance in obstacle-free settings; real-world experiments further show consistent collision reductions under static and dynamic obstacles. These results demonstrate that VLA-Stem couples high-level VLA task intent with rapid, reflex-like responses to immediate physical risks, providing a brainstem-inspired mechanism for robust robot execution.
• Abstract（参考訳）: Vision-Language-Action(VLA)モデルは、エンドツーエンドのロボット制御のための低レベルアクション実行と高レベル推論を統合する。 しかしながら、ほとんどのVLAモデルは制約のない環境で静的な操作をターゲットとしており、空間的制約や動的障害を見渡すことができる。 障害物回避データに対する微調整VLAは簡単な解決策だが、このようなデータ収集は特に動的なシナリオにおいてコストがかかり、元のタスク能力を低下させる可能性がある。 これらの制約に対処するために,VLAシステムのための軽量で強化学習に基づく安全機構であるVLA-Stemを提案する。 基礎となるVLAポリシーを微調整することなく、VLA-Stemはアクションチャンクをモーションリファレンスに変換し、軌道レベルのガイダンスを使用して空間的意図を保存し、柔軟な動きとタイミング調整を可能にする。 これらの参照、ロボットの受容、および局所的障害物情報に基づいて、Stemポリシーは推論時の実行を適応的に修正し、空間的制約や動的障害物への応答性を確保しながら、元のタスク意図を保存する。 頑健でサンプル効率のよい学習では,教師による蒸留とカリキュラムの学習を併用する。 VLA-Stem は、参照従順、静的空間制約、動的障害物回避に基づいて評価する。 6つの制約されたシミュレーション設定の中で、VLA-Stemは衝突のないタスクの平均52.8%、最強の安全基準では23.7%を達成し、障害物のない環境では基本政治性能を維持している。 これらの結果から,VLA-Stemは高レベルのVLAタスク意図を結合し,即時的な身体的リスクに対する迅速な反射様反応を呈し,頑健なロボット実行のための脳幹にインスパイアされたメカニズムを提供することが示された。

関連論文リスト

• CR-VLA-Force: Learning Control-aware Compliance VLA Model for Robust Contact-rich Robotic Manipulation [22.8919569384701]
  リアクティブ制御のための制御対応VLAフレームワークを提案する。 CC-VLAモデルは、力信号シーケンスと視覚言語による融合特徴を符号化するために、MoE(Multimodal Mixed-of-experts)を使用する。 CC-VLAは, 力知覚課題の成功率を著しく向上し, 力制御精度の向上を図っている。
  論文  参考訳（メタデータ） (2026-09-05T02:54:51Z)
• Semi-Supervised Vision-Language-Action Model [17.893249958828218]
  VLA(Vision-Language-Action)モデルは、ロボットが視覚的な観察や言語指示から直接アクションを予測することを可能にするが、それらを新しい環境に適用することは、コストのかかるアクションラベルによるデモンストレーションに依存する。 限定的な監視信号の下で準教師付きVLA適応について検討し、少数の軌道だけがロボットの動作を含み、残りの軌道はアクション未ラベルの視覚言語観測を提供する。 標準的な半教師あり学習とは異なり、視覚的に接地し、言語に一貫性があり、物理的に実現可能で、時間的に安定な動作信号である。
  論文  参考訳（メタデータ） (2026-06-19T14:42:52Z)
• Your Model Already Knows: Attention-Guided Safety Filter for Vision-Language-Action Models [25.34659221262947]
  VLA(Vision-Language-Action)モデルでは、さまざまなロボット操作タスクにおいて、エンドツーエンドのパフォーマンスが著しく向上している。 既存の安全フィルタは、障害物とその位置を特定するために視覚言語モデル(VLM)をクエリすることで、この問題を回避している。 VLAモデル内の少数の注意点が、ポリシーがアプローチしようとする対象を確実に位置づけすることを発見した。
  論文  参考訳（メタデータ） (2026-06-08T17:11:16Z)
• Self-Correcting VLA: Online Action Refinement via Sparse World Imagination [55.982504915794514]
  本稿では, 自己補正VLA (SC-VLA) を提案する。 SC-VLAは最先端のパフォーマンスを達成し、最高タスクスループットを16%削減し、最高パフォーマンスのベースラインよりも9%高い成功率を得る。
  論文  参考訳（メタデータ） (2026-02-25T06:58:06Z)
• Reshaping Action Error Distributions for Reliable Vision-Language-Action Models [69.38615670891038]
  ロボット操作において、視覚言語アクション(VLA)モデルは、一般化可能でスケーラブルなロボットポリシーを学ぶための有望なパラダイムとして登場した。 連続動作型VLAモデルに焦点をあて、トレーニング中の動作誤差分布を再構成することにより、従来のMSEベースの回帰を超越する。 複数の代表的VLAアーキテクチャ上で、標準、少数ショット、ノイズの多い設定にまたがるアプローチを評価します。
  論文  参考訳（メタデータ） (2026-02-04T05:37:09Z)
• VLS: Steering Pretrained Robot Policies via Vision-Language Models [31.189909515514668]
  Vision-Language Steering (VLS)は、凍結生成ロボットポリシーの推論時間適応のためのトレーニング不要フレームワークである。 VLSは、適応を推論時間制御問題として扱い、事前訓練された拡散またはフローマッチングポリシーのサンプリングプロセスを操る。
  論文  参考訳（メタデータ） (2026-02-03T19:50:16Z)
• On-the-Fly VLA Adaptation via Test-Time Reinforcement Learning [61.38273866396522]
  ビジョン・ランゲージ・アクションモデルが汎用ロボット学習の強力なパラダイムとして登場した。 現在の手法は、シミュレーションや物理世界の展開に挑戦するには相変わらず適していない。 本稿では,VLA フレームワークのテスト時間強化学習について紹介する。
  論文  参考訳（メタデータ） (2026-01-11T01:51:30Z)
• EVOLVE-VLA: Test-Time Training from Environment Feedback for Vision-Language-Action Models [57.75717492488268]
  VLA(Vision-Language-Action)モデルは、大きな言語モデルを活用することで高度なロボット操作を行う。 Supervised Finetuning (SFT) では、タスク毎の数百のデモ、厳格に軌跡を記憶すること、デプロイメント条件がトレーニングから逸脱したときに適応できないことなどが求められている。 EVOLVE-VLA(EVOLVE-VLA)は、VLAが最小またはゼロのタスク固有のデモで環境相互作用を通じて継続的に適応できるテストタイムトレーニングフレームワークである。
  論文  参考訳（メタデータ） (2025-12-16T18:26:38Z)
• SP-VLA: A Joint Model Scheduling and Token Pruning Approach for VLA Model Acceleration [70.72227437717467]
  VLA(Vision-Language-Action)モデルは、その強力な制御能力に注目が集まっている。 計算コストが高く、実行頻度も低いため、ロボット操作や自律ナビゲーションといったリアルタイムタスクには適さない。 本稿では,共同スケジューリングモデルとプルーニングトークンにより,VLAモデルを高速化する統一フレームワークSP-VLAを提案する。
  論文  参考訳（メタデータ） (2025-06-15T05:04:17Z)

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。