Nachträgliche Unsicherheitsköpfe lassen eine einzelne SmolVLA-Policy Unbekanntes so gut erkennen wie ein Zwei-Policy-Ensemble, Bewertung bis zu etwa 50-mal schneller (ICCAS, Universität Leipzig)
Forscher des ICCAS der Universität Leipzig setzen auf eine fertig trainierte SmolVLA-Roboter-Policy leichte Gauß-Prozess-Köpfe, die bewerten, wie unbekannt eine Situation ist. Laut Preprint wählen sie zu sammelnde Demonstrationen so gut aus wie Zwei-Policy-Ensembles und verkürzen die Bewertung um bis zu etwa das 50-Fache. Damit gesteuertes aktives Lernen erreichte auf LIBERO-10 nach 15 Runden 65,7 Prozent Erfolg, zufälliges Sammeln 54,7 Prozent.
Kann eine Vision-Language-Action-Policy ihre Wissenslücken aus den eigenen Einbettungen schätzen, ohne eine zweite Policy zu trainieren und zu betreiben, und so entscheiden, wann sie Demonstrationen oder Hilfe anfordert?
Eine eingesetzte VLA trifft laufend auf Szenen und Anweisungen außerhalb ihrer Trainingsdaten. Nur wer weiß, dass er etwas nicht kann, fordert neue Demonstrationen an oder übergibt an einen Menschen. Das übliche Signal, die Uneinigkeit unabhängig trainierter Policies, verdoppelt aber Trainings- und Rechenkosten.
Ensemble-Werte wie VFD, GU, Aktions-L2-Abstand oder DECU benötigen zwei trainierte Policies; Entropie oder VLM-Perplexität einer einzelnen Policy erfassen vor allem zufälliges Rauschen und korrelieren schwach mit dem Erfolg. Das SAVE-Verfahren von Römer et al. nutzt solche Werte zur Auswahl von Demonstrationen über viele Aufgaben.
Kernel-Varianz-Köpfe passen einen Gauß-Prozess an Einbettungen der Trainingsdemonstrationen aus der eingefrorenen Policy an, entweder aus dem Vision-Language-Backbone (KV-Ctx) oder dem Aktionsdecoder (KV-Dec), und geben die Posterior-Varianz einer neuen Beobachtung als epistemische Unsicherheit aus. Das braucht weder Labels noch Gradienten, die Policy bleibt unverändert. Modalitätsspezifische Köpfe zeigen zudem, ob Kamerabild, Anweisung oder Roboterzustand ungewohnt ist.
Mit SmolVLA auf LIBERO-10 (drei Seeds): Korrelation mit dem Aufgabenerfolg für KV-Ctx Spearman -0,77 und Pearson -0,82, für den besten Ensemble-Wert VFD -0,75 und -0,64. Nach 15 SAVE-Runden: KV-Ctx 65,7 Prozent, GU-Ensemble 64,4, VFD 61,9, zufällig 54,7 Prozent; alle 75 Anfragen von KV-Ctx brachten neue Demonstrationen, bei VFD 69,3 und zufällig 46,3. Zusatzaufwand je Runde etwa 1,0 GPU-Minute für KV-Ctx gegenüber 44,6 beim GU-Ensemble; Bewertung bis zu etwa 50-mal, Vorbereitung bis zu etwa 44-mal schneller. Eine schlichte Zählung der Demonstrationen hielt bei der globalen Übergabe mit allen Werten mit.
Ein Preprint. Laut Autoren wurden nur eine Architektur (SmolVLA), ein simulierter Benchmark und drei Seeds getestet; reale Roboter und andere VLAs fehlen, und drei Ausführungen je Bedingung machen Erfolgsraten verrauscht. Die Varianz misst die Abdeckung im gewählten Einbettungsraum, die nicht zwingend widerspiegelt, was für die Aktionswahl zählt. Zudem belohne das gängige LIBERO-10-Protokoll vor allem das Erkennen von Abdeckungsunterschieden zwischen Aufgaben, nicht die Risikoreihung innerhalb einer Aufgabe.
Für Betreiber von VLA-gesteuerten Roboterflotten macht ein Unsicherheitssignal für etwa eine GPU-Minute pro Runde statt einer zweiten Policy es praktikabel, unsichere Momente an Fernbediener zu geben und Demonstrationen gezielt dort zu sammeln, wo das Modell schwach ist. Dass eine einfache Demo-Zählung mithält, ist zugleich eine Mahnung an Anbieter, die Konfidenzschätzungen vermarkten. Die Herkunft aus der Leipziger Chirurgie-Robotik deutet auf Medizintechnik als frühes Einsatzfeld.
Vollständige Studie
Veröffentlicht unter CC BY 4.0. Die vollständige Studie ist mit Namensnennung auf Englisch wiedergegeben: Volltext (Englisch). Original unter arXiv:2610.29730 (PDF).