バイラテラル制御（双方向力伝達）
リーダー（操作側）とフォロワー（作業側）のアーム間で位置と力を双方向に伝達する遠隔操作・制御方式。フォロワーが受ける反力をリーダー側に提示することで、操作者が触覚フィードバックを「感じながら」デモを収集できる。
模倣学習データ収集における意義
通常の位置制御テレオペは力フィードバックがなく、収集されるポリシーが触覚非依存になりがちで、力加減のできない動作を学習してしまう。バイラテラル制御では作用反作用が操作者に返るため、接触リッチなタスクの自然な力加減を含むデモが得られる。これは VTLA の根本的なデータ収集課題への一つの解。
Bi-ACT / Bi-LAT
LAT は外乱オブザーバで実トルクを推定し、角度 + 角速度 + トルクを出力する ACT 拡張。位置追従と作用反作用を両立するハイブリッド制御で駆動する。Bi-LAT はさらに自然言語指示を加え、力加減を言語で制御する。
制御方式の位置づけ
VTLA の制御方式は ① 位置出力→位置制御、②-a 力補正付き（Tactile-VLA: 力誤差が閾値超過時のみ位置補正）、②-b ハイブリッド（ForceMimic: 予測力の大小で位置/力制御を軸ごとに切替、Bi-ACT/LAT: バイラテラル）に分類される。バイラテラルは ②-b に属する。
関連: tactile-sensing-for-manipulation / bilateral-control / control-theory-laplace
VLA への力情報の注入方法（FVLMoE / DePost / DePre）
VTLA（力情報を扱う VLA）で、トルク・触覚などの力モーダルをモデルのどこに・どう注入するかの設計空間。注入位置がデコーダ側に近いほど、また融合機構が高度（MoE/MLP）なほど性能が高い傾向がサーベイで確認されている。
注入位置の分類
- ① VLM 側: 力データをトークン化し VLM へ入力。採用: OmniVTLA / Tactile-VLA / VTLA。VLA-Touch は触覚を言語化して VLA 本体を未改変のまま使う変種。
- ②-a AE 側 (MoE): ForceVLA の FVLMoE — VLM 出力トークンと推定外力(6軸)を4エキスパート MLP + Top-1 ルーティングで動的融合。
- ②-b AE 側 (MLP): TA-VLA の DePost — 関節トルク履歴を MLP で1トークンに集約し、AE の状態入力 q_t の前に追加（
[MLP(τ), q_t]）。q_t 自体は変えないので π₀ の事前学習パターンの崩れが小さい。 - ②-c 直接結合: TA-VLA の DePre — q_t のゼロパディング次元にトルクを埋め込み1トークンのまま。q_t の中身が変わるため ②-b より性能低下。LAT も直接結合。
なぜトークン数を増やさない方がよいか
トルクは接触の瞬間に急変するため、1フレームでは傾向が読めず過去数フレームの履歴が要る。だが各フレームを別トークンにすると π₀ が事前学習で覚えた入力パターンが崩れ性能低下。情報が多少落ちても履歴全体を MLP で1トークンに集約するのが最良。
性能比較
ForceVLA（プラグ挿入）:
| 融合方式 | 成功率 |
|---|---|
| ベースライン π₀ | 45% |
| ① VLM 前に linear | 55% |
| VLM 後に concat | 60% |
| ②-a FVLMoE | 80% |
TA-VLA（ボタン押し / 充電器挿入）:
| 融合方式 | ボタン押し | 充電器挿入 |
|---|---|---|
| π₀ | 5/20 | 0/20 |
| ① Enc | 7/20 | 8/20 |
| DePre | 8/20 | 11/20 |
| ②-b DePost | 10/20 | 12/20 |
総じて TA-VLA: ②-b > ②-c > ①、ForceVLA: ②-a > concat > ① > π₀。デコーダ側で MoE/MLP 融合するほど高性能。
関連: vtla / tactile-sensing-for-manipulation / vla-architecture / bilateral-control