VLA [Jia Pan]
Drift-Based Policy Optimization: Native One-Step Policy Learning for Online Robot Control
Yuxuan Gao et al. · 提出基于漂移的单步策略优化方法，解决多步生成策略推理慢的问题，实现原生单步动作生成。代码若开源可立即用于加速现有 Diffusion Policy 部署。
cs.RO
閱讀原文
VLA 研究日報 Pulsar
LIVE
— AI 線今日無資料 —— AI 线今日无资料 —
VLA 線VLA 线 · cs.RO · cs.AI · cs.LG
- Diffusion Policy with Bayesian Expert Selection for Active Multi-Target Tracking [University of Georgia] Haotian Xiang et al. · 针对多目标跟踪的扩散策略改进，引入贝叶斯专家选择平衡探索与利用。虽涉及移动机器人，但侧重感知跟踪而非 VLA 核心操作架构，应用路径较窄。 CS.RO
- Drift-Based Policy Optimization: Native One-Step Policy Learning for Online Robot Control [Jia Pan] Yuxuan Gao et al. · 提出基于漂移的单步策略优化方法，解决多步生成策略推理慢的问题，实现原生单步动作生成。代码若开源可立即用于加速现有 Diffusion Policy 部署。 CS.RO
- CRAFT: Video Diffusion for Bimanual Robot Data Generation [USC|Sukhatme] Jason Chen et al. · 利用视频扩散模型生成双臂机器人训练数据，解决真实数据稀缺和视角单一问题。为双臂 VLA 训练提供低成本数据增强方案，本周可尝试集成。 CS.RO
- A Multi-View 3D Telepresence System for XR Robot Teleoperation [Karlsruhe Institute of Technology] Enes Ulas Dincer et al. · 提出基于 XR 的多视角 3D 遥操作系统，改善深度感知。属于遥操作硬件/交互系统创新，非 VLA 算法或策略学习核心进展。 CS.RO
- Build on Priors: Vision--Language--Guided Neuro-Symbolic Imitation Learning for Data-Efficient Real-World Robot Manipulation [Austrian Institute of Technology] Pierrick Lorang et al. · 结合视觉语言引导与神经符号方法进行少样本模仿学习。方法相邻但依赖特定符号抽象，缺乏明确 VLA 架构改进或大规模实验验证。 CS.RO
- From Prompt to Physical Action: Structured Backdoor Attacks on LLM-Mediated Robotic Control Systems [Nanjing University of Aeronautics and Astronautics] Mingyang Xie et al. · 揭示 LLM 控制机器人系统中的结构化后门攻击风险，聚焦安全对齐。虽重要但属安全攻防研究，非 VLA 性能或架构提升。 CS.RO
- Adaptive Action Chunking at Inference-time for Vision-Language-Action Models [National University of Singapore] Yuanchang Liang et al. · 提出推理时自适应动作分块策略，动态调整执行序列长度以平衡响应速度与稳定性。直接优化 VLA 推理延迟，工程价值高且易复用。 CS.RO
- Veo-Act: How Far Can Frontier Video Models Advance Generalizable Robot Manipulation? [China Waterborne Transport Research Institute] Zhongru Zhang et al. · 评估前沿视频生成模型（Veo-3）在机器人操作中的泛化能力边界。属探索性分析报告，未提出新 VLA 架构或显著超越 SOTA 的方法。 CS.RO
- ROSClaw: A Hierarchical Semantic-Physical Framework for Heterogeneous Multi-Agent Collaboration [Tongji University] Rongfeng Zhao et al. · 提出分层语义 - 物理框架解决多智能体协作中的语义执行鸿沟。侧重多智能体系统架构，非单机器人 VLA 核心策略创新。 CS.RO
- Learning from Imperfect Demonstrations via Temporal Behavior Tree-Guided Trajectory Repair [Deutsches Zentrum für Luft- und Raumfahrt e. V. (DLR)] Aniruddh G. Puranic et al. · 利用时序行为树引导轨迹修复以从不完美的演示中学习。方法传统，主要结合行为树与 IL，缺乏 VLA 端到端学习的创新性。 CS.RO
- E-VLA: Event-Augmented Vision-Language-Action Model for Dark and Blurred Scenes [ZJU] Jiajun Zhai et al. · 引入事件相机数据增强 VLA 在低光和模糊场景下的感知鲁棒性。解决极端光照下 VLA 失效痛点，传感器融合方案具明确落地价值。 CS.RO
- From Seeing to Doing: Bridging Reasoning and Decision for Robotic Manipulation Yifu Yuan et al. · 试图桥接视觉推理与决策执行，摘要描述较为宏观，缺乏具体架构细节或量化实验支撑，疑似概念性论文。 CS.RO
VLA 研究日報VLA 研究日报
共 37 篇
🔧 技術技术
VLA [USC|Sukhatme]
CRAFT: Video Diffusion for Bimanual Robot Data Generation
Jason Chen et al. · 利用视频扩散模型生成双臂机器人训练数据，解决真实数据稀缺和视角单一问题。为双臂 VLA 训练提供低成本数据增强方案，本周可尝试集成。
cs.RO
閱讀原文
VLA [National University of Singapore]
Adaptive Action Chunking at Inference-time for Vision-Language-Action Models
Yuanchang Liang et al. · 提出推理时自适应动作分块策略，动态调整执行序列长度以平衡响应速度与稳定性。直接优化 VLA 推理延迟，工程价值高且易复用。
cs.RO
閱讀原文
VLA [ZJU]
E-VLA: Event-Augmented Vision-Language-Action Model for Dark and Blurred Scenes
Jiajun Zhai et al. · 引入事件相机数据增强 VLA 在低光和模糊场景下的感知鲁棒性。解决极端光照下 VLA 失效痛点，传感器融合方案具明确落地价值。
cs.RO
閱讀原文
VLA
ActDistill: General Action-Guided Self-Derived Distillation for Efficient Vision-Language-Action Models
Wencheng Ye et al. · 提出动作引导的自蒸馏方法压缩 VLA 模型，降低计算开销与推理延迟。针对部署瓶颈的直接优化，若开源将极具工程实用价值。
cs.RO
閱讀原文
VLA [ETH]
SERNF: Sample-Efficient Real-World Dexterous Policy Fine-Tuning via Action-Chunked Critics and Normalizing Flows
Chenyu Yang et al. · 结合动作分块评论家与归一化流，实现样本高效的真实世界灵巧策略微调。直接解决真机微调成本高痛点，方法具体可复用。
cs.RO
閱讀原文
📖 背景閱讀背景阅读
VLA [University of Georgia]
Diffusion Policy with Bayesian Expert Selection for Active Multi-Target Tracking
Haotian Xiang et al. · 针对多目标跟踪的扩散策略改进，引入贝叶斯专家选择平衡探索与利用。虽涉及移动机器人，但侧重感知跟踪而非 VLA 核心操作架构，应用路径较窄。
cs.RO
閱讀原文
VLA [Karlsruhe Institute of Technology]
A Multi-View 3D Telepresence System for XR Robot Teleoperation
Enes Ulas Dincer et al. · 提出基于 XR 的多视角 3D 遥操作系统，改善深度感知。属于遥操作硬件/交互系统创新，非 VLA 算法或策略学习核心进展。
cs.RO
閱讀原文
VLA [Austrian Institute of Technology]
Build on Priors: Vision--Language--Guided Neuro-Symbolic Imitation Learning for Data-Efficient Real-World Robot Manipulation
Pierrick Lorang et al. · 结合视觉语言引导与神经符号方法进行少样本模仿学习。方法相邻但依赖特定符号抽象，缺乏明确 VLA 架构改进或大规模实验验证。
cs.RO
閱讀原文
VLA [Nanjing University of Aeronautics and Astronautics]
From Prompt to Physical Action: Structured Backdoor Attacks on LLM-Mediated Robotic Control Systems
Mingyang Xie et al. · 揭示 LLM 控制机器人系统中的结构化后门攻击风险，聚焦安全对齐。虽重要但属安全攻防研究，非 VLA 性能或架构提升。
cs.RO
閱讀原文
VLA [China Waterborne Transport Research Institute]
Veo-Act: How Far Can Frontier Video Models Advance Generalizable Robot Manipulation?
Zhongru Zhang et al. · 评估前沿视频生成模型（Veo-3）在机器人操作中的泛化能力边界。属探索性分析报告，未提出新 VLA 架构或显著超越 SOTA 的方法。
cs.RO
閱讀原文
VLA [Tongji University]
ROSClaw: A Hierarchical Semantic-Physical Framework for Heterogeneous Multi-Agent Collaboration
Rongfeng Zhao et al. · 提出分层语义 - 物理框架解决多智能体协作中的语义执行鸿沟。侧重多智能体系统架构，非单机器人 VLA 核心策略创新。
cs.RO
閱讀原文
VLA [Deutsches Zentrum für Luft- und Raumfahrt e. V. (DLR)]
Learning from Imperfect Demonstrations via Temporal Behavior Tree-Guided Trajectory Repair
Aniruddh G. Puranic et al. · 利用时序行为树引导轨迹修复以从不完美的演示中学习。方法传统，主要结合行为树与 IL，缺乏 VLA 端到端学习的创新性。
cs.RO
閱讀原文
VLA
From Seeing to Doing: Bridging Reasoning and Decision for Robotic Manipulation
Yifu Yuan et al. · 试图桥接视觉推理与决策执行，摘要描述较为宏观，缺乏具体架构细节或量化实验支撑，疑似概念性论文。
cs.RO
閱讀原文
VLA
Embodied-R1: Reinforced Embodied Reasoning for General Robotic Manipulation
Yifu Yuan et al. · 提出基于强化学习的具身推理方法，使用“指向”作为中间表示。思路有趣但摘要未展示显著优于现有 R1 类方法的实验结果。
cs.RO
閱讀原文
VLA [UC Berkeley]
Learning to Grasp Anything by Playing with Random Toys
Dantong Niu et al. · 受儿童认知启发，通过与随机玩具交互学习通用抓取技能。理念新颖但摘要缺乏具体算法实现细节和多基准对比数据。
cs.RO
閱讀原文
VLA [The University of Melbourne]
PALM: Progress-Aware Policy Learning via Affordance Reasoning for Long-Horizon Robotic Manipulation
Yuanzhe Liu et al. · 引入功能可供性推理进行长程任务的进度感知策略学习。针对长程任务痛点，但需进一步确认其在复杂基准上的实际增益。
cs.RO
閱讀原文
VLA [Tsinghua]
ST-BiBench: Benchmarking Multi-Stream Multimodal Coordination in Bimanual Embodied Tasks for MLLMs
Xin Wu et al. · 发布双臂具身任务的多流多模态协调基准 ST-BiBench。重要数据集资源，但属评测工具而非算法突破，供后续研究使用。
cs.RO
閱讀原文
VLA
Steerable Vision-Language-Action Policies for Embodied Reasoning and Hierarchical Control
William Chen et al. · 研究可引导的 VLA 策略以实现分层控制。标题宏大但摘要未明确“可引导”的具体技术机制及相比基线的显著提升。
cs.RO
閱讀原文
VLA
PlayWorld: Learning Robot World Models from Autonomous Play
Tenny Yin et al. · 通过自主玩耍学习机器人世界模型，旨在构建通用模拟器。方向前沿（世界模型），但摘要未展示超越现有视频预测模型的具体指标。
cs.RO
閱讀原文
VLA
Red-Teaming Vision-Language-Action Models via Quality Diversity Prompt Generation for Robust Robot Policies
Siddharth Srikanth et al. · 通过多样化提示生成对 VLA 进行红队测试以提升鲁棒性。聚焦 VLA 安全性与指令敏感性，属对齐与安全研究方向。
cs.RO
閱讀原文
VLA [Alex Lamb]
Learning Additively Compositional Latent Actions for Embodied AI
Hangxing Wei et al. · 学习具有加法组合结构的潜在动作以利用互联网视频数据。理论上有吸引力，但需验证其在真实机器人任务中的泛化效果。
cs.AI
閱讀原文
VLA [Florida International University]
VLA-Forget: Vision-Language-Action Unlearning for Embodied Foundation Models
Ravi Ranjan et al. · 提出 VLA 模型的“遗忘”机制以移除不安全或隐私敏感行为。填补 VLA 安全卸载空白，属新兴的安全对齐子方向。
cs.AI
閱讀原文
VLA [Westlake University]
InfBaGel: Human-Object-Scene Interaction Generation with Dynamic Perception and Iterative Refinement
Yude Zou et al. · 生成人体 - 物体 - 场景交互数据，服务于仿真与动画。虽可用于数据增强，但核心贡献在于生成模型而非机器人策略学习。
cs.AI
閱讀原文
VLA [Rochester Institute of Technology]
Optimizing Neurorobot Policy under Limited Demonstration Data through Preference Regret
Viet Dung Nguyen et al. · 利用偏好遗憾优化少样本下的神经机器人策略。方法针对数据稀缺问题，但摘要未展示在标准 VLA 基准上的对比优势。
cs.RO
閱讀原文
VLA [Xiaolong Wang]
Human-Robot Copilot for Data-Efficient Imitation Learning
Rui Yan et al. · 提出人机副驾驶模式以提高模仿学习效率，处理 OOD 状态。交互模式创新，但需更多实验证明其对 VLA 训练的普适增益。
cs.RO
閱讀原文
VLA
Learning Dexterous Grasping from Sparse Taxonomy Guidance
Juhan Park et al. · 从稀疏分类指导中学习灵巧抓取，减少密集标注依赖。针对灵巧手操作的数据效率问题，但技术路线较为常规。
cs.RO
閱讀原文
VLA [Beijing University of Posts and Telecommunications]
VitaTouch: Property-Aware Vision-Tactile-Language Model for Robotic Quality Inspection in Manufacturing
Junyi Zong et al. · 融合视觉、触觉与语言的质检模型，识别材料表面属性。垂直领域应用（制造质检），非通用 VLA 基础架构研究。
cs.RO
閱讀原文
VLA [Guizhou University]
Empowering Multi-Robot Cooperation via Sequential World Models
Zijie Zhao et al. · 利用序列世界模型赋能多机器人协作。侧重多智能体 MBRL，非单机器人 VLA 核心架构或策略创新。
cs.RO
閱讀原文
VLA [USC|Sukhatme]
Learning Geometry-Aware Nonprehensile Pushing and Pulling with Dexterous Hands
Yunshuang Li et al. · 学习几何感知的非抓取式推拉操作，扩展灵巧手技能边界。具体操作技能研究，缺乏 VLA 层面的通用性突破。
cs.RO
閱讀原文
VLA
Training-Free Refinement of Flow Matching with Divergence-based Sampling
Yeonwoo Cha et al. · 提出无需训练的基于散度的采样方法优化 Flow Matching。纯生成模型算法改进，未明确展示在机器人策略任务上的应用效果。
cs.AI
閱讀原文
VLA [Nanchang University]
WIMLE: Uncertainty-Aware World Models with IMLE for Sample-Efficient Continuous Control
Mehran Aghabozorgi et al. · 结合隐式最大似然估计构建不确定性感知世界模型，提升连续控制样本效率。MBRL 方向进展，与 VLA 直接关联度一般。
cs.AI
閱讀原文
VLA [Institute of Science Tokyo]
OpenWorldLib: A Unified Codebase and Definition of Advanced World Models
DataFlow Team et al. · 推出统一的世界模型代码库与定义标准。基础设施类工作，有助于规范化研究，但本身非算法创新。
cs.CV
閱讀原文
VLA [UT Austin]
A Frame is Worth One Token: Efficient Generative World Modeling with Delta Tokens
Tommie Kerssies et al. · 利用增量 token 高效生成世界模型，降低视频预测计算量。视频建模效率优化，需进一步验证在机器人控制闭环中的表现。
cs.CV
閱讀原文
VLA [Jiangsu University]
Disentangled World Models: Learning to Transfer Semantic Knowledge from Distracting Videos for Reinforcement Learning
Qi Wang et al. · 学习解耦世界模型以从干扰视频中迁移语义知识。提升 RL 在变化环境中的鲁棒性，但非 VLA 专属架构创新。
cs.CV
閱讀原文
VLA [Memorial University of Newfoundland]
MPDiT: Multi-Patch Global-to-Local Transformer Architecture For Efficient Flow Matching and Diffusion Model
Quan Dao et al. · 提出多 patch 全局到局部 Transformer 架构加速扩散与流匹配模型。底层生成模型架构优化，尚未体现机器人领域特异性。
cs.CV
閱讀原文
VLA [University of Wisconsin–Madison]
Co-Evolving Latent Action World Models
Yucen Wang et al. · 协同进化潜在动作世界模型，改进视频生成模型的可控性。世界模型方向进展，但需更多机器人任务验证其有效性。
cs.LG
閱讀原文