VLA
AnySlot: Goal-Conditioned Vision-Language-Action Policies for Zero-Shot Slot-Level Placement
Zhaofeng Hu et al. · 提出 AnySlot 架构，解决单体 VLA 在组合语言指令下精确物体放置难题，实现零样本槽位级放置。在多个基准上显著优于 SOTA，突破泛化瓶颈。
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
- Habitat-GS: A High-Fidelity Navigation Simulator with Dynamic Gaussian Splatting 提出基于动态高斯泼溅的导航模拟器，提升视觉真实感与动态人体建模能力。虽对具身 AI 训练环境有益，但属仿真工具而非 VLA 核心算法突破。 HF-PAPER
- HazardArena: Evaluating Semantic Safety in Vision-Language-Action Models Zixing Chen et al. · 构建 HazardArena 基准，专门评估 VLA 模型在语义安全层面的表现，填补现有评测仅关注执行成功率的空白。提供可复用的安全评估框架与数据集。 CS.RO
- Robotic Manipulation is Vision-to-Geometry Mapping ($f(v) \rightarrow G$): Vision-Geometry Backbones over Language and Video Models Zijian Song et al. · 主张机器人操作本质是视觉到几何的映射，提出优先使用视觉 - 几何骨干网络。观点具有启发性，但摘要未展示具体新架构或实验验证，偏理论探讨。 CS.RO
- XRZero-G0: Pushing the Frontier of Dexterous Robotic Manipulation with Interfaces, Quality and Ratios Junming Wang et al. · 针对灵巧操作数据瓶颈，提出结合 XR 接口的高质量数据采集新方法，旨在扩展基础模型训练数据规模。为数据稀缺问题提供明确的可复用工程路径。 CS.RO
- LLM-Guided Task- and Affordance-Level Exploration in Reinforcement Learning Jelle Luijkx et al. · 利用 LLM 常识知识引导强化学习在任务和功能层面的探索，提升样本效率。方法相邻但摘要未明确 VLA 架构集成细节，需进一步确认适用性。 CS.RO
- Progress-Think: Semantic Progress Reasoning for Vision-Language Navigation Shuo Wang et al. · 提出 Progress-Think 机制，增强 VLN 智能体对长程指令进度的语义推理能力。专注于导航子任务，对通用操作型 VLA 的直接迁移价值有限。 CS.RO
- Iterative Compositional Data Generation for Robot Control Anh-Quan Pham et al. · 提出迭代组合式数据生成方法，解决多物体、多环境下机器人操控数据收集昂贵问题。可直接用于扩充训练数据集，降低数据采集成本。 CS.RO
- ACDC: Adaptive Curriculum Planning with Dynamic Contrastive Control for Goal-Conditioned Reinforcement Learning in Robotic Manipulation Xuerui Wang et al. · 提出自适应课程规划与动态对比控制方法，优化目标条件强化学习在机械臂操作中的表现。属 RL 算法改进，未体现 VLA 多模态融合特性。 CS.RO
- STRONG-VLA: Decoupled Robustness Learning for Vision-Language-Action Models under Multimodal Perturbations Yuhan Xie et al. · 针对多模态扰动下 VLA 模型脆弱性问题，提出解耦鲁棒性学习方法。直接提升现有 VLA 部署稳定性，提供可集成的鲁棒性训练模块。 CS.RO
- AnySlot: Goal-Conditioned Vision-Language-Action Policies for Zero-Shot Slot-Level Placement Zhaofeng Hu et al. · 提出 AnySlot 架构，解决单体 VLA 在组合语言指令下精确物体放置难题，实现零样本槽位级放置。在多个基准上显著优于 SOTA，突破泛化瓶颈。 CS.RO
- CLAW: Composable Language-Annotated Whole-body Motion Generation Jianuo Cao et al. · 构建大规模语言标注全身运动数据集，生成类人机器人全身控制器。侧重人形机器人运动生成，与主流机械臂 VLA 操作研究方向略有距离。 CS.RO
- ABot-M0: VLA Foundation Model for Robotic Manipulation with Action Manifold Learning Yandan Yang et al. · 提出 ABot-M0 基础模型，利用动作流形学习解决跨硬件泛化问题。标题宏大但摘要缺乏具体架构创新细节及多基准对比证据，需持保留态度。 CS.RO
VLA 研究日報VLA 研究日报
共 17 篇
⚡ 突破
🔧 技術技术
VLA
HazardArena: Evaluating Semantic Safety in Vision-Language-Action Models
Zixing Chen et al. · 构建 HazardArena 基准，专门评估 VLA 模型在语义安全层面的表现，填补现有评测仅关注执行成功率的空白。提供可复用的安全评估框架与数据集。
cs.RO
閱讀原文
VLA
XRZero-G0: Pushing the Frontier of Dexterous Robotic Manipulation with Interfaces, Quality and Ratios
Junming Wang et al. · 针对灵巧操作数据瓶颈，提出结合 XR 接口的高质量数据采集新方法，旨在扩展基础模型训练数据规模。为数据稀缺问题提供明确的可复用工程路径。
cs.RO
閱讀原文
VLA
Iterative Compositional Data Generation for Robot Control
Anh-Quan Pham et al. · 提出迭代组合式数据生成方法，解决多物体、多环境下机器人操控数据收集昂贵问题。可直接用于扩充训练数据集，降低数据采集成本。
cs.RO
閱讀原文
VLA
STRONG-VLA: Decoupled Robustness Learning for Vision-Language-Action Models under Multimodal Perturbations
Yuhan Xie et al. · 针对多模态扰动下 VLA 模型脆弱性问题，提出解耦鲁棒性学习方法。直接提升现有 VLA 部署稳定性，提供可集成的鲁棒性训练模块。
cs.RO
閱讀原文
VLA
BLaDA: Bridging Language to Functional Dexterous Actions within 3DGS Fields
Fan Yang et al. · 在 3D 高斯场中桥接语言与功能性灵巧动作，整合语义理解与 3D 定位。为非结构化环境下的灵巧抓取提供新的模块化解决方案。
cs.RO
閱讀原文
📖 背景閱讀背景阅读
VLA
Habitat-GS: A High-Fidelity Navigation Simulator with Dynamic Gaussian Splatting
提出基于动态高斯泼溅的导航模拟器，提升视觉真实感与动态人体建模能力。虽对具身 AI 训练环境有益，但属仿真工具而非 VLA 核心算法突破。
hf-papers
閱讀原文
VLA
Robotic Manipulation is Vision-to-Geometry Mapping ($f(v) \rightarrow G$): Vision-Geometry Backbones over Language and Video Models
Zijian Song et al. · 主张机器人操作本质是视觉到几何的映射，提出优先使用视觉 - 几何骨干网络。观点具有启发性，但摘要未展示具体新架构或实验验证，偏理论探讨。
cs.RO
閱讀原文
VLA
LLM-Guided Task- and Affordance-Level Exploration in Reinforcement Learning
Jelle Luijkx et al. · 利用 LLM 常识知识引导强化学习在任务和功能层面的探索，提升样本效率。方法相邻但摘要未明确 VLA 架构集成细节，需进一步确认适用性。
cs.RO
閱讀原文
VLA
Progress-Think: Semantic Progress Reasoning for Vision-Language Navigation
Shuo Wang et al. · 提出 Progress-Think 机制，增强 VLN 智能体对长程指令进度的语义推理能力。专注于导航子任务，对通用操作型 VLA 的直接迁移价值有限。
cs.RO
閱讀原文
VLA
ACDC: Adaptive Curriculum Planning with Dynamic Contrastive Control for Goal-Conditioned Reinforcement Learning in Robotic Manipulation
Xuerui Wang et al. · 提出自适应课程规划与动态对比控制方法，优化目标条件强化学习在机械臂操作中的表现。属 RL 算法改进，未体现 VLA 多模态融合特性。
cs.RO
閱讀原文
VLA
CLAW: Composable Language-Annotated Whole-body Motion Generation
Jianuo Cao et al. · 构建大规模语言标注全身运动数据集，生成类人机器人全身控制器。侧重人形机器人运动生成，与主流机械臂 VLA 操作研究方向略有距离。
cs.RO
閱讀原文
VLA
ABot-M0: VLA Foundation Model for Robotic Manipulation with Action Manifold Learning
Yandan Yang et al. · 提出 ABot-M0 基础模型，利用动作流形学习解决跨硬件泛化问题。标题宏大但摘要缺乏具体架构创新细节及多基准对比证据，需持保留态度。
cs.RO
閱讀原文
VLA
Detecting Precise Hand Touch Moments in Egocentric Video
Huy Anh Nguyen et al. · 检测第一人称视频中手物接触时刻，服务于 AR 及机器人学习。属底层视觉感知任务，虽相关但未触及 VLA 策略生成核心逻辑。
cs.CV
閱讀原文
VLA
FastGrasp: Learning-based Whole-body Control method for Fast Dexterous Grasping with Mobile Manipulators
Heng Tao et al. · 提出基于学习的全身控制方法以实现移动机械臂快速灵巧抓取。侧重高速运动下的稳定控制，属具体控制算法，未体现 VLA 通用性特征。
cs.RO
閱讀原文
VLA
SparseWorld-TC: Trajectory-Conditioned Sparse Occupancy World Model
Jiayuan Du et al. · 提出轨迹条件的稀疏占据世界模型，用于未来 3D 场景预测。属世界模型研究方向，但摘要未展示与 VLA 策略学习的直接结合路径。
cs.CV
閱讀原文
VLA
Dreamer-CDP: Improving Reconstruction-free World Models Via Continuous Deterministic Representation Prediction
Michael Hauri et al. · 改进 Dreamer 架构，通过连续确定性表示预测无需重构的世界模型。属 MBRL 底层架构优化，未明确针对 VLA 多模态输入的特殊设计。
cs.LG
閱讀原文