事後付け不確実性ヘッドで単一のSmolVLA方策が2方策アンサンブル並みに未知の状況を見分け、評価は最大約50倍速い（ライプツィヒ大ICCAS）

VLA方策は、2つ目の方策を学習し動かすことなく、自らの内部埋め込みだけで知識の穴を見積もり、実演や支援を求める時機を判断できるか。

現場に出たVLAは学習データにない場面や指示に次々出会う。分からないと自覚できてこそ新たな実演を求めたり人に引き継いだりできるが、標準的な信号である独立学習した方策同士の不一致は学習と推論のコストを倍にする。

VFDやGU、行動のL2距離、DECUといったアンサンブル不一致スコアは学習済み方策を2つ必要とする。単一方策のエントロピーやVLMのパープレキシティは主に偶然的な揺らぎを捉え、成功率との相関が弱かった。Römerらの手順SAVEはこうしたスコアで多課題の実演を集める。

カーネル分散ヘッドは、固定した方策から取り出した学習実演の埋め込みにガウス過程を当てはめ、新しい観測の事後分散を認識的不確実性として出す。埋め込みは視覚言語の基盤部（KV-Ctx）か行動デコーダー（KV-Dec）から取る。ラベルも勾配更新も不要で、方策自体は変えない。入力別のヘッドなら、カメラ画像、指示、ロボット状態のどれが見慣れないかも示せる。

SmolVLAとLIBERO-10（3シード）で、課題単位の成功率との相関はKV-CtxがSpearman -0.77、Pearson -0.82と、最良のアンサンブルスコアVFD（-0.75、-0.64）と同等以上だった。SAVEによる実演収集15ラウンド後の成功率はKV-Ctx 65.7%、GUアンサンブル64.4%、VFD 61.9%、無作為54.7%。KV-Ctxは75回の要求すべてで新しい実演を得て、VFDは69.3件、無作為は46.3件だった。1ラウンドの追加計算はKV-Ctxが約1.0 GPU分、GUアンサンブルが44.6 GPU分で、評価は最大約50倍、準備は最大約44倍速い。単純な実演数でも全体の引き継ぎ判断ではどのスコアにも劣らなかった。

プレプリントである。著者は、検証したのは1つのアーキテクチャ（SmolVLA）、1つの模擬ベンチマーク、3シードのみで、実機や他のVLAは未検証、条件ごと3回の実行では成功率のぶれが大きいと認める。分散は選んだ埋め込み空間でのデータの網羅度を測るもので、行動選択に効く違いを映す保証はない。よく使われるLIBERO-10の評価は課題内の危険度の順位付けより課題間のデータ量の差を主に評価している、とも指摘した。