VLAは「完璧なデモ」しか学んでいない 失敗からの自律復帰を組み込むFLAREがCVPR 2026に採択

中山大学らのグループによるFLAREは、VLAの学習データが構造的に持つ偏りを扱う。方策は基本的に成功したデモンストレーションで学習されるため、掴み損ねる・対象を落とすといった実行エラーが起きた直後の状態は学習分布の外にあり、そこからの回復が定義されていない。接触が多いタスクほどこの状態に落ちやすく、実機での成功率を下げる主因になっている。

対処は2つの機構に分かれる。1つ目のRetryは学習データそのものに擾乱を注入し、想定した軌道から逸れた状態からでも方策が自律的に立て直せるようにする。2つ目のResetは、マルチモーダル言語モデルに映像を読ませて分布外の失敗を同定し、課題を再び実行可能な状態へ戻すための復帰技能を個別に学習させるパイプラインである。推論時にはオンラインの監視器が本来のタスク実行とResetのどちらを走らせるかを調停する。今週続いた「基盤モデルを作り直さずπ0/π0.5の上に構造を足す」系列のうち、精度ではなく失敗後の挙動を対象にした例で、CVPR 2026に採択されている。