VLA
Open-H-Embodiment: A Large-Scale Dataset for Enabling Foundation Models in Medical Robotics
Open-H-Embodiment Consortium (Brian) et al. · 发布医疗机器人大规模数据集，填补特定领域数据空白。为 VLA 在医疗场景的微调提供关键资源，具有明确的数据复用价值。
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
- From embodied intelligence to physical AI Nature 综述文章，探讨从具身智能到物理 AI 的范式转变。属于领域宏观视角，无具体算法或实验贡献，适合了解趋势但不具备即时工程价值。 NATURE-M
- How VLAs (Really) Work In Open-World Environments 分析 VLA 在 BEHAVIOR1K 等开放世界基准上的表现。偏向于现象分析和评估报告，未提出新的架构或训练方法，属于值得关注的评估类工作。 HF-PAPER
- Open-H-Embodiment: A Large-Scale Dataset for Enabling Foundation Models in Medical Robotics Open-H-Embodiment Consortium (Brian) et al. · 发布医疗机器人大规模数据集，填补特定领域数据空白。为 VLA 在医疗场景的微调提供关键资源，具有明确的数据复用价值。 CS.RO
- CorridorVLA: Explicit Spatial Constraints for Generative Action Heads via Sparse Anchors Dachong Li et al. · 提出通过稀疏锚点注入显式空间约束以改进生成式 VLA 动作头的方法。解决了隐式空间引导的不稳定性问题，提供了可复用的架构改进思路。 CS.RO
- FingerViP: Learning Real-World Dexterous Manipulation with Fingertip Visual Perception [Utah State University] Zhen Zhang et al. · 利用指尖视觉感知解决灵巧操作中手腕视角遮挡问题，提升真实世界灵巧操作性能。直接针对触觉/视觉融合痛点，方法具有明确的工程应用路径。 CS.RO
- A Replicable Robotics Awareness Method Using LLM-Enabled Robotics Interaction: Evidence from a Corporate Challenge S. A. Prieto et al. · 基于企业挑战赛案例，研究 LLM 在人机交互中的结构化作用。侧重社会技术系统评估，缺乏底层 VLA 算法创新，属于相邻领域的实证研究。 CS.RO
- From Noise to Intent: Anchoring Generative VLA Policies with Residual Bridges Yiming Zhong et al. · 提出残差桥接机制，将高层语义意图与低层物理控制对齐，缓解生成式 VLA 的时空尺度失配问题。提供了改进策略稳定性的具体模块，具备复用价值。 CS.RO
- VistaBot: View-Robust Robot Manipulation via Spatiotemporal-Aware View Synthesis Songen Gu et al. · 通过时空感知视图合成增强机器人对相机视角变化的鲁棒性。解决了固定视角训练导致的泛化瓶颈，方法可直接集成到现有 VLA 流水线中。 CS.RO
- Long-Horizon Manipulation via Trace-Conditioned VLA Planning Isabella Liu et al. · 提出 LoHo-Manip 框架，利用轨迹条件化扩展短视界 VLA 以处理长视界任务。模块化设计易于集成，有效缓解误差累积问题，具有实操价值。 CS.RO
- Reinforcement Learning with Foundation Priors: Let the Embodied Agent Efficiently Learn on Its Own Weirui Ye et al. · 旧文重发（v5），探讨利用基础模型先验加速 RL。虽相关但非最新突破，且重点在于 RL 效率而非 VLA 架构本身，归为值得了解。 CS.RO
- Demystifying Action Space Design for Robotic Manipulation Policies Yuchun Feng et al. · 深入分析动作空间设计对模仿学习的影响。属于重要的理论分析与消融研究，有助于理解现有 VLA 设计选择，但非新方法论提出。 CS.RO
- Learning Physics from Pretrained Video Models: A Multimodal Continuous and Sequential World Interaction Models for Robotic Manipulation Zijian Song et al. · 引入 PhysGen，利用预训练视频生成模型学习物理规律以辅助策略学习。提供了一种利用通用视频模型增强机器人物理常识的新范式，具有创新性。 CS.RO
VLA 研究日報VLA 研究日报
共 28 篇
🔧 技術技术
VLA
CorridorVLA: Explicit Spatial Constraints for Generative Action Heads via Sparse Anchors
Dachong Li et al. · 提出通过稀疏锚点注入显式空间约束以改进生成式 VLA 动作头的方法。解决了隐式空间引导的不稳定性问题，提供了可复用的架构改进思路。
cs.RO
閱讀原文
VLA [Utah State University]
FingerViP: Learning Real-World Dexterous Manipulation with Fingertip Visual Perception
Zhen Zhang et al. · 利用指尖视觉感知解决灵巧操作中手腕视角遮挡问题，提升真实世界灵巧操作性能。直接针对触觉/视觉融合痛点，方法具有明确的工程应用路径。
cs.RO
閱讀原文
VLA
From Noise to Intent: Anchoring Generative VLA Policies with Residual Bridges
Yiming Zhong et al. · 提出残差桥接机制，将高层语义意图与低层物理控制对齐，缓解生成式 VLA 的时空尺度失配问题。提供了改进策略稳定性的具体模块，具备复用价值。
cs.RO
閱讀原文
VLA
VistaBot: View-Robust Robot Manipulation via Spatiotemporal-Aware View Synthesis
Songen Gu et al. · 通过时空感知视图合成增强机器人对相机视角变化的鲁棒性。解决了固定视角训练导致的泛化瓶颈，方法可直接集成到现有 VLA 流水线中。
cs.RO
閱讀原文
VLA
Long-Horizon Manipulation via Trace-Conditioned VLA Planning
Isabella Liu et al. · 提出 LoHo-Manip 框架，利用轨迹条件化扩展短视界 VLA 以处理长视界任务。模块化设计易于集成，有效缓解误差累积问题，具有实操价值。
cs.RO
閱讀原文
VLA
Learning Physics from Pretrained Video Models: A Multimodal Continuous and Sequential World Interaction Models for Robotic Manipulation
Zijian Song et al. · 引入 PhysGen，利用预训练视频生成模型学习物理规律以辅助策略学习。提供了一种利用通用视频模型增强机器人物理常识的新范式，具有创新性。
cs.RO
閱讀原文
VLA
FingerEye: Continuous and Unified Vision-Tactile Sensing for Dexterous Manipulation
Zhixuan Xu et al. · 提出 FingerEye 实现连续统一的视触感知，覆盖接触前、中、后全阶段。填补了灵巧操作中多模态连续反馈感知的空白，对触觉 VLA 研究极具价值。
cs.RO
閱讀原文
VLA
EmbodiedMidtrain: Bridging the Gap between Vision-Language Models and Vision-Language-Action Models via Mid-training
Yiyang Du et al. · 提出中间训练（Mid-training）策略，使通用 VLM 更好地适应具身领域。提供了从 VLM 到 VLA 的高效迁移路径，方法简单有效，易于复现。
cs.AI
閱讀原文
VLA
Cortex 2.0: Grounding World Models in Real-World Industrial Deployment
Adriana Aida et al. · 将世界模型落地于工业真实部署，解决 VLA 反应式控制的局限性。提供了工业级长视界执行的工程洞见和数据集，具有极高的实际应用参考值。
cs.AI
閱讀原文
VLA
Bimanual Robot Manipulation via Multi-Agent In-Context Learning
Alessio Palma et al. · 利用多智能体上下文学习（ICL）实现双臂协作，无需任务特定训练。展示了 LLM 在复杂协调任务中的零样本潜力，方法新颖且具启发性。
cs.AI
閱讀原文
VLA
VTouch++: A Multimodal Dataset with Vision-Based Tactile Enhancement for Bimanual Manipulation
Qianxi Hua et al. · 发布 VTouch++ 数据集，包含丰富的视触双模态信号用于双臂操作。填补了接触丰富任务中多模态数据的空白，极具数据复用价值。
cs.AI
閱讀原文
📖 背景閱讀背景阅读
VLA
From embodied intelligence to physical AI
Nature 综述文章，探讨从具身智能到物理 AI 的范式转变。属于领域宏观视角，无具体算法或实验贡献，适合了解趋势但不具备即时工程价值。
Nature-MI
閱讀原文
VLA
How VLAs (Really) Work In Open-World Environments
分析 VLA 在 BEHAVIOR1K 等开放世界基准上的表现。偏向于现象分析和评估报告，未提出新的架构或训练方法，属于值得关注的评估类工作。
hf-papers
閱讀原文
VLA
A Replicable Robotics Awareness Method Using LLM-Enabled Robotics Interaction: Evidence from a Corporate Challenge
S. A. Prieto et al. · 基于企业挑战赛案例，研究 LLM 在人机交互中的结构化作用。侧重社会技术系统评估，缺乏底层 VLA 算法创新，属于相邻领域的实证研究。
cs.RO
閱讀原文
VLA
Reinforcement Learning with Foundation Priors: Let the Embodied Agent Efficiently Learn on Its Own
Weirui Ye et al. · 旧文重发（v5），探讨利用基础模型先验加速 RL。虽相关但非最新突破，且重点在于 RL 效率而非 VLA 架构本身，归为值得了解。
cs.RO
閱讀原文
VLA
Demystifying Action Space Design for Robotic Manipulation Policies
Yuchun Feng et al. · 深入分析动作空间设计对模仿学习的影响。属于重要的理论分析与消融研究，有助于理解现有 VLA 设计选择，但非新方法论提出。
cs.RO
閱讀原文
VLA [University of Toronto]
ExpressMM: Expressive Mobile Manipulation Behaviors in Human-Robot Interactions
Souren Pashangpour et al. · 关注移动操作机器人在人机交互中的表达性行为。侧重社交机器人学与非语言沟通，与核心 VLA 操作技能学习关联度较低。
cs.RO
閱讀原文
VLA [Jilin University]
Rectified Schr\"odinger Bridge Matching for Few-Step Visual Navigation
Wuyang Luan et al. · arXiv:2604.05673v2 Announce Type: replace Abstract: Visual navigation is a core challenge in Embodied AI, requiring autonomous agents to translate high-dimensional sensory observations into continuous, long-horizon action trajectories. While generative policies based on diffusion models and Schr\"odinger Bridges (SB) effectively capture multimodal action distributions, they require dozens of integration steps due to high-variance stochastic transport, posing a critical barrier for real-time robo
cs.RO
閱讀原文
VLA
JoyAI-RA 0.1: A Foundation Model for Robotic Autonomy
Tianle Zhang et al. · 发布名为 JoyAI-RA 的机器人基础模型。摘要强调数据多样性和跨实体泛化，但缺乏具体的架构创新描述和显著的 SOTA 对比证据，暂归为值得关注的新模型发布。
cs.RO
閱讀原文
VLA
If you're waiting for a sign... that might not be it! Mitigating Trust Boundary Confusion from Visual Injections on Vision-Language Agentic Systems
Jiamin Chang et al. · 研究视觉注入攻击对 VLA 代理系统信任边界的影响及缓解措施。侧重安全与对抗鲁棒性，虽重要但非核心操作能力提升，属安全方向补充。
cs.AI
閱讀原文
VLA
A Vision-Language-Action Model for Adaptive Ultrasound-Guided Needle Insertion and Needle Tracking
Yuelin Zhang et al. · 针对超声引导穿刺的专用 VLA 模型。应用场景极度垂直，缺乏通用性验证，仅对医疗机器人特定细分领域有参考意义。
cs.AI
閱讀原文
VLA [Florida International University]
VLA-Forget: Vision-Language-Action Unlearning for Embodied Foundation Models
Ravi Ranjan et al. · 探讨 VLA 模型的遗忘学习（Unlearning），移除不安全行为。属于模型安全与维护方向，虽新颖但非当前 VLA 性能提升的主流焦点。
cs.CV
閱讀原文
VLA
E3VS-Bench: A Benchmark for Viewpoint-Dependent Active Perception in 3D Gaussian Splatting Scenes
Koya Sakamoto et al. · 发布基于 3D Gaussian Splatting 的主动感知基准。提供新的评估工具，但本身无新算法提出，属于基础设施类贡献。
cs.CV
閱讀原文
VLA
WorldMark: A Unified Benchmark Suite for Interactive Video World Models
统一交互式视频世界模型的基准套件。解决评估不一致问题，对世界模型研究者有价值，但对 VLA 策略学习的直接指导意义有限。
hf-papers
閱讀原文
VLA
Closed-loop tactile-visual interactivity via chip-free luminescent fibers enabled by capacitive coupling
Xun-En Wu et al. · 硬件层面的触觉-视觉交互传感器研究。虽与触觉 VLA 感知相关，但属于传感技术突破，非算法或模型层面的 VLA 进展。
Science-Advances
閱讀原文
VLA
A time-stamping tactile sensor enabled by pseudoconductive interface design at dielectric heterojunctions
Byungseok Seo et al. · 新型时间戳触觉传感器的硬件设计。同样属于底层传感技术创新，未涉及上层 VLA 策略或数据处理流程。
Science-Advances
閱讀原文
VLA
CARLA-Air: Fly Drones Inside a CARLA World -- A Unified Infrastructure for Air-Ground Embodied Intelligence
Tianle Zeng et al. · 构建空地协同的仿真基础设施。虽涉及具身智能，但侧重仿真平台搭建，且主要面向无人机/地面车，与桌面操作 VLA 距离较远。
cs.AI
閱讀原文