VLA-ATTC：相対行動批評モデルを用いたVLAモデルの適応的テスト時計算

視覚-言語-行動（VLA）モデルは、身体的操作タスクにおいて優れた能力と汎化性能を示しています。しかし、その意思決定は高速で直感的なプロセスに依存しており、熟考が欠けています。この戦略は、より多くの考慮が必要な複雑または曖昧なシナリオに直面すると、しばしば準最適または破滅的な行動につながります。この問題を解決するために、研究者らはVLA-ATTCフレームワークを提案し、VLAモデルに適応的なテスト時計算（TTC）を付与しました。VLA-ATTCは、不確実性ベースの「認知クラッチ」を採用し、必要に応じて反射的実行からTTC熟考フェーズへ動的に移行します。TTCフェーズでは、新しい相対行動批評（RAC）モデルが、生成された候補からペアワイズ比較を介して最適な行動を特定します。この相対メカニズムは不安定な絶対値推定を置き換え、学習目標を大幅に簡素化します。さらに、計算コストを償却する効率的なサンプリング戦略と、手動アノテーションなしで選好ペアをキュレーションする自動データパイプラインを導入します。LIBERO-LONGベンチマークにおいて、VLA-ATTCはSOTAモデルPI0.5の失敗率を50%以上削減します。すべてのコードと重みはオープンソース化されます。この研究は、オーストラリアと中国の複数の研究者による共同作業であり、2026年5月にarXivに投稿されました。VLA-ATTCはタスク成功率を向上させるだけでなく、特に慎重な意思決定が必要なロボット操作タスクにおいて、VLAモデルのより広い応用への道を開きます。今後の研究では、TTCフェーズの効率をさらに最適化し、このフレームワークをより複雑なマルチステップ操作シナリオに拡張することが期待されます。