Tag
5 件の関連記事
Zhixu Li (ジシュ・リー) らは2026年10月15日(現地時間)、arXivにおいて、パーソナライズされたロボット操作（PeRM）を評価するための新しいベンチマーク「LIBERO-PeRM」を発表した。LIBERO-PeRMは、汎用ロボットが家庭環境に導入される上で不可欠とされるパーソナライゼーションにおける、ポリシーの性能評価に焦点を当てる。このベンチマークは、タスクの完了とユーザーのプリファレンス（好み）の満足度を分離して評価する。LIBEROを基盤とし、動作、スキル、ユーザープロファイルに関する言語表現可能なプリファレンスをシミュレーション環境で扱えるように体系化している。
ミンシュアン・ヤン (Mingxuan Yan) 氏らは2026年10月13日(現地時間)、視覚言語行動 (VLA: vision-language-action) モデルの事前学習において、デモンストレーション品質をどのように活用すべきかに関する実証研究と、新たなベンチマーク「AXIS-Bench (アクシス・ベンチ)」を発表した。本研究は、事前学習後のターゲットタスクにおけるファインチューニング性能向上を目指し、重み付け、フィルタリング、条件付けの手法を比較した。実世界実験では、シミュレーション事前学習により成功率が9.6%から31.7%に向上した。
Apple ML Researchは2026年9月(現地時間)、ビジョン言語アクション (VLA) モデルが再利用可能なスキルを学習するためのシステム「REFACTOR-VLA」を発表した。既存のVLAモデルは動作を生成する際、モノリシックなアプローチにより多段階タスクでの性能が低く、学習内容の解釈が困難という課題を抱えている。「REFACTOR-VLA」はこの課題に対し、「wake/sleep」アーキテクチャを用いて再利用可能なスキルの学習を目指す。
Ramneet Kaur (ラムニート・カウル) 氏らは2026年8月19日(現地時間)、学術論文公開サイトarXiv (アーカイヴ) にて、言語モデルエージェント間の秘匿通信における隠れた連携を検出するフレームワーク「Verifiable Latent Alignments (VLA) (検証可能な潜在的アライメント)」を発表した。この研究は、言語モデルエージェントが公開されるトランスクリプトには見えない連続的な隠れた状態を通じて通信し、有害な連携を生み出す可能性に対処するもの。VLAは、これらのプライベートな通信チャネルを監視・制御するための、アクティベーションを認識したアプローチを提供する。
arXiv cs.ROは2026年6月4日(現地時間)付けで、Dong Jing氏ら7人の著者による論文「TempoVLA: Learning Speed-Controllable Vision-Language-Action Policies」を発表した。この論文は、ロボットのVision-Language-Action (VLA) モデルにおいて、操作実行速度を明示的な条件で制御可能とする「TempoVLA」を提案している。TempoVLAは、既存のVLAモデルが持つ単一の固定速度の制約を克服し、ロボット操作における低リスク段階での高速実行と、高リスク接触段階での低速かつ精密な動作の両立を目指す。