RC-NF: ロボット条件付き正規化フローによるロボット操作のリアルタイム異常検知

要旨: Vision-Language-Action (VLA) モデルの最近の進展により、ロボットはますます複雑なタスクを実行できるようになった。しかし、模倣学習を通じて訓練された VLA モデルは、動的な環境下で安定して動作するのが難しく、分布外（OOD）条件下でしばしば失敗します。これに対処するため、ロボット条件付き正規化フロー（RC-NF）を提案します。これはロボットの異常検知と介入のためのリアルタイム監視モデルで、ロボットの状態と物体の運動軌道がタスクに沿って整合することを保証します。RC-NFは正規化フローの内部で、タスク対応のロボット状態と物体状態の処理をデカップリングします。教師なし学習には正のサンプルのみを必要とし、推論時には確率密度関数を通じて正確なロボットの異常スコアを計算します。さらに、シミュレーション評価のためのロボット異常を3カテゴリからなるベンチマークLIBERO-Anomaly-10 を提示します。RC-NF は、これまでの手法と比較して、ロボットタスクの監視においてすべての異常タイプに対して最先端の性能を達成します。実世界の実験は、RC-NFが VLA モデル（例: pi0）のプラグアンドプレイモジュールとして動作し、必要に応じて状態レベルのロールバックやタスクレベルの再計画を可能にするリアルタイムのOOD信号を提供することを示し、応答遅延は 100 ms 未満です。これらの結果は、動的な環境における VLA ベースのロボットシステムの堅牢性と適応性を顕著に高めることを示しています。