IntentVLA: Short-Horizon Intent Modeling for Aliased Robot Manipulation

Robot imitation data are often multimodal: similar visual-language observations may be followed by different action chunks because human demonstrators act with different short-horizon intents, task phases, or recent context. Existing frame-conditioned VLA policies infer each chunk from the current observation and instruction alone, so under partial observability they may resample different intents across adjacent replanning steps, leading to inter-chunk conflict and unstable execution. We introduce IntentVLA, a history-conditioned VLA framework that encodes recent visual observations into a compact short-horizon intent representation and uses it to condition chunk generation. We further introduce AliasBench, a 12-task ambiguity-aware benchmark on RoboTwin2 with matched training data and evaluation environments that isolate short-horizon observation aliasing. Across AliasBench, SimplerEnv, LIBERO, and RoboCasa, IntentVLA improves rollout stability and outperforms strong VLA baselines

📋 한 줄 요약

**[로봇 학습 / VLA]** 최근 시각 관측을 짧은 horizon의 의도(intent) 표현으로 압축해 chunk 생성에 조건으로 부여함으로써 모방학습의 부분 관측·다중 모드 문제를 해결한 IntentVLA 제안.

🎯 핵심 기여도

동일한 visual-language 관측이 시연자마다 서로 다른 행동 chunk를 따르게 되는 모방학습 데이터의 다중 모드성을 정식화.
프레임 조건만 사용하는 기존 VLA가 인접 replanning에서 의도를 재샘플링하며 inter-chunk conflict와 실행 불안정성을 유발함을 진단.
최근 시각 관측을 컴팩트한 short-horizon intent representation으로 인코딩해 chunk 생성을 조건화하는 history-conditioned VLA 프레임워크 도입.
12개 과제로 구성된 ambiguity-aware 벤치마크 AliasBench(RoboTwin2 기반)를 함께 공개.

💡 핵심 아이디어

동일 관측 아래 여러 정답이 있을 때, 정답을 고르는 핵심은 "직전까지 무엇을 하고 있었는가"라는 짧은 역사다. 짧은 history를 의도 코드로 압축하면 정책이 연속 replanning 사이에서 의도를 잃지 않는다.

🔬 기술적 접근법

**모델/방법론**: 최근 시각 관측을 short-horizon intent 잠재 표현으로 인코딩하고 이를 조건으로 chunk를 생성하는 history-conditioned VLA.
**핵심 기법**: AliasBench로 short-horizon observation aliasing을 격리 평가, 다양한 시뮬레이션 환경(SimplerEnv, LIBERO, RoboCasa)에서 비교, rollout stability 측정.

📊 주요 결과

AliasBench·SimplerEnv·LIBERO·RoboCasa 전반에서 강력한 VLA 베이스라인 대비 향상.
rollout 안정성에서 명확한 우위.
aliasing 환경에서 inter-chunk conflict 감소 정량 확인.

💭 의의 및 한계

**의의**: 부분 관측 환경에서 VLA의 일관성 문제를 단순하고 일반적인 방법(history conditioning)으로 해결하며, ambiguity-aware 평가 인프라까지 함께 제공. **한계**: history window 길이·표현 차원에 대한 민감도, 매우 긴 horizon이나 강한 부분 관측에는 추가 메모리 메커니즘 필요할 가능성.

🚀 실용적 활용

가정용 로봇 조작(주방·청소)의 안정적 정책 학습.
인간 시연 기반 imitation learning 파이프라인의 표준 history-conditioning 컴포넌트.
부분 관측 산업 자동화(픽 앤 플레이스)에서의 신뢰성 향상.