ビジョン言語行動（VLA）モデルの操作性を大幅に向上させる新しい手法が提案されました。「フロー制御」と呼ばれるこの技術は、キーボードなどの汎用入力を通じてVLAの行動をリアルタイムで操作できるというもので、既存のVLAモデルに対して再訓練やファインチューニングなしで即座に適用可能です。 この手法の革新的な点は、粗雑なユーザー入力を受け取ったVLAが、訓練時に学習した専門家行動分布からサンプリングした行動に変換することにあります。これにより生成される行動は、行動専門家分布への適合性（高品質）とユーザー意図の反映（高忠実度）の両立が実現されます。 実験結果によると、フロー制御は複数の優れた特性を示しました。ロボットはユーザー入力に対して正確かつ応答性よく行動し、不完全な入力に対しても堅牢性を保ちます。さらに重要なのは、ユーザーがこの手法を使用することで、タスク成功率を大幅に向上させ、完了時間を短縮できるという点です。加えて、フロー制御によって収集された軌跡データでVLAをファインチューニングすると、自律的なポリシーの性能も改善されることが確認されました。 本研究は、ロボット制御においてユーザーと人工知能システムの相互作用を直感的にし、全体的なタスク性能を向上させるシンプルで実用的なソリューションを提供しています。