Hiroki Sawada

Sony CSLでAIとロボティクスの研究してます / pHRI, VLA, Predictive Coding, RNNなど / Opinion My Own.

[Hiroki Sawada @hiroki_research]

Thanks! That would definitely be an interesting experiment.
One small clarification, though. we don’t compare against π₀ in this paper, and for the standard OpenVLA, as far as I understood LIBERO results use separately fine-tuned checkpoints for each suite. Our setup follows the same suite-specific training protocol.

That said, I’m also very curious about the joint-training setting too though. Definitely something worth testing!

[Hiroki Sawada @hiroki_research]

【新しい予測型VLAポリシーを公開しました！】
arXivに新たな論文を公開しました！

この研究で投げかけた問いは、
「ロボットポリシーに、本当にTransformerやDiffusionは必要なのか？」
というものです。

私たちは、ロボットデータによる事前学習なし・わずか0.68Mパラメータの予測符号化RNN「PredVLA」を提案しました。PredVLAは、OpenVLAに匹敵する成功率を達成しています。

通常のように「観測 → 行動」を直接学習するのではなく、PredVLAは感覚運動ダイナミクスを予測し、その予測誤差を使って行動に必要な内部状態を推論します。

📄 https://t.co/nh4iYWIyyo

#Robotics #EmbodiedAI #VLA #PredictiveCoding #RobotLearning

[Hiroki Sawada @hiroki_research]

@PgChiyo これはめちゃめちゃPredVLAを実機で示す意義が強くなりましたね…！
arXiv公開お待ちしてます！

[Hiroki Sawada @hiroki_research]

That’s a good point. For the real-robot extension, we can separate task-level novelty from pretraining-level novelty. Held-out everyday objects would only test novelty relative to the robot demonstrations, since OpenVLA may already know those categories from pretraining.

One way around that is to include custom physical objects or scenes created after pretraining, which at least guarantees that the exact instances could not have appeared in its corpus.

[Hiroki Sawada @hiroki_research]

That’s exactly the boundary we’re interested in. Our controlled baselines suggest that the result is not simply because LIBERO can be solved by any 0.68M-parameter policy: similarly sized Transformers and LSTMs perform much worse under the same front end, demonstrations, and decoder.

So our current claim is narrower, predictive sensorimotor structure can dramatically reduce the capacity needed for these tasks. Where large pretrained VLAs should plausibly pull ahead is under semantic/visual distribution shift, such as genuinely novel objects, scenes, or instructions. That’s an important next comparison.

[Hiroki Sawada @hiroki_research]

[ New Predictive VLA policy published! ]
I would like to share our recent study just published several days ago on arXiv which questions: Do robot policies really need Transformers or Diffusion?

We introduce PredVLA: a 0.68M-parameter predictive-coding RNN with no robot-data pretraining, achieving comparable success rate to OpenVLA.
Instead of learning observation → action, PredVLA predicts sensorimotor dynamics and uses prediction errors to drive action inference.
Maybe compact robot policies don’t need more parameters.
Maybe they need a better learning principle.

📄 https://t.co/nh4iYWIyyo
#Robotics #EmbodiedAI #VLA #PredictiveCoding #RobotLearning

[Hiroki Sawada @hiroki_research]

@usdatascientist ありがとうございます！

[Hiroki Sawada @hiroki_research]

スッ…（「世界の変化を予測」して、観測との誤差からアクションを駆動する新たなVLAのリンクをこっそり貼る）

https://t.co/lCuvV8KDVj

明日改めて告知しますが、新しいRNN予測型VLAモデル作りました。（恐らく明日arXivが^_^v2になる）

[かめ@フィジカルAIを本気で実現させたい @usdatascientist]

今の日本のフィジカルAIやってる会社のほとんどはπ0とか0.5のファインチューニングとかなんだけど，
僕はどうもアクション空間として「ロボットの関節角度ラベル」というのがしっくりきません．

人間が思考して行動する際も，腕の角度を出力して行動するわけじゃないし，
ロボット変わったら使えないし，
データもそのロボット分しか使えない

脳死でπ0.5とか回すんじゃなくて本気で課題と向き合うと，今のアルゴリズムに根本問題があることに気づく

[Hiroki Sawada @hiroki_research]

LLMが言ってくる研究内容をそのまま実行しても、ほぼ上手くいかない。それどころか、分析すら非常に表層的でお粗末だったりする。

[佐藤 竜馬 / Ryoma Sato @joisino_]

LLM は魅力的に見える提案をしてくれますが、実際に提案に従ってみると全然大したことがない結果になる話です。
https://t.co/TWCYEyC7d3

[Hiroki Sawada @hiroki_research]

IEEE RO-MAN 2026 のワークショップ、DIP-HRIにて発表してきました。

まだ構想段階にある研究内容ですが、人対象研究を行うのは初めてなので、被験者のデータ取得のためのプロトコルなど専門家の人と相談できたのが嬉しかったです。

あと、九州暑かったです。

[よこしゃん｜ヒューマノイド最前線🤖 @yokoshaan]

MITとトヨタ研究所が、ロボットAIの標準設計は実は不要かもしれないという検証結果を出しました。

数手先までの動きを一括で出力する設計（アクションチャンキング）は、誤差の蓄積を防ぐためだと説明されてきました。Russ Tedrakeらが検証したところ、効いていたのは別の要因で、お手本を見せた人間の動作が直前の状態だけでは決まらない点にあったとしています。

過去の履歴を十分に長く与えれば、一手ずつ反応させる方が成績は上でした。分野の設計思想を組み直す必要が出てきます。

[Hiroki Sawada @hiroki_research]

木曜日のInteractive session 6で、以下の内容でポスター発表をします

CERNet: Class-Embedding Predictive-Coding RNN for Unified Robot Motion, Recognition, and Confidence Estimation

ぜひブースにお越し下さい！
#ICRA2026

[Hiroki Sawada @hiroki_research]

@crispy2d わかりました、受け取りに行きますw
ありがとうございました！！

[Hiroki Sawada @hiroki_research]

@crispy2d ありがとうございます！
いつまで経ってもSEARCHING FOR YOUR BAGGAGEからステータスが変わらないのですが、@crispy2d さんの荷物はステータスが変わって通知が来てから受け取った感じでしょうか？
それとも、ステータス変わってなくても受け取れそうですか？

[Hiroki Sawada @hiroki_research]

@taisei_hanyu ホテルの人ですら「日曜に開いてる店…は知らないな…」って言われたので、バスで一時間の場所にあるブラチスラバというスロバキアの首都に観光も兼ねて服買いに行くことにしました！（今夜学会の夜ご飯があるのに超ゆる着しかないのでw）

[Hiroki Sawada @hiroki_research]

ウィーン到着するも、まさかの預け荷物が遅れて到着予定…明日日曜だからウィーンたぶん店開いてないよな…？

[Hiroki Sawada @hiroki_research]

@crispy2d ありがとうございます！お返事遅れ申し訳ないです…！　超助かります。私も空港受け取りですね…

[Hiroki Sawada @hiroki_research]

@crispy2d ですです！　ICRA参加予定です^^
ちなみに、私受付の紙もらってさっさと返ってしまったのですが、

- 配送にした場合、ウィーン市内のホテルならいつごろ届きそうか
- 受け取りは到着した翌日の朝（6/1の朝）でも良いのか

の２点ってもしかして受付の人に質問してらっしゃったりしませんか…？

[Generalist @GeneralistAI]

Introducing GEN-1.

Our latest milestone in scaling robot learning.

We believe it to be the first general-purpose AI model to master simple physical tasks.

99% success rates, 3x faster speeds, adapts in real time to unexpected scenarios, w/ only 1 hour of robot data.

More🧵👇