VLA
CodeGraphVLP: Code-as-Planner Meets Semantic-Graph State for Non-Markovian Vision-Language-Action Models
Khoa Vo et al. · 提出结合代码规划器与语义图状态的非马尔可夫 VLA 架构，解决长程依赖问题。提供处理部分可观测性的新范式，适合需复杂推理的任务复现。
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
- CodeGraphVLP: Code-as-Planner Meets Semantic-Graph State for Non-Markovian Vision-Language-Action Models Khoa Vo et al. · 提出结合代码规划器与语义图状态的非马尔可夫 VLA 架构，解决长程依赖问题。提供处理部分可观测性的新范式，适合需复杂推理的任务复现。 CS.RO
- QDTraj: Exploration of Diverse Trajectory Primitives for Articulated Objects Robotic Manipulation Mathilde Kappel et al. · 探索关节物体操作的多样化轨迹基元，侧重仿真或特定场景下的运动规划优化，缺乏通用 VLA 架构创新及大规模基准验证。 CS.RO
- RedVLA: Physical Red Teaming for Vision-Language-Action Models [Weinan Normal University] Yuhao Zhang et al. · 针对 VLA 模型提出物理红队测试框架，旨在部署前检测不可逆物理风险。为安全对齐提供具体评估工具，具有明确的工程应用价值。 CS.RO
- GazeVLA: Learning Human Intention for Robotic Manipulation [Zhejiang A & F University] Chengyang Li et al. · 引入人类注视数据以增强 VLA 对操作意图的理解，缓解对大规模机器人演示数据的依赖。提供多模态对齐的新视角，易于集成到现有 VLA 流程中。 CS.RO
- Self-Supervised Multisensory Pretraining for Contact-Rich Robot Reinforcement Learning Rickmer Krohn et al. · 聚焦接触丰富场景下的多感官自监督预训练，虽涉及触觉但主要服务于 RL 策略而非端到端 VLA 架构，属于相邻领域的重要基础工作。 CS.RO
- Clutter-Robust Vision-Language-Action Models through Object-Centric and Geometry Grounding Khoa Vo et al. · 通过以对象为中心和几何 grounding 提升 VLA 在杂乱环境中的鲁棒性，解耦感知与控制纠缠。提供具体的视觉预处理或特征融合改进方案。 CS.RO
- Evidence of an Emergent "Self" in Continual Robot Learning Adidev Jhunjhunwala et al. · 探讨持续学习中“自我”概念的涌现及其量化方法，偏向认知科学与理论分析，缺乏直接的 VLA 架构改进或具体操作任务的性能提升证据。 CS.RO
- OmniVLA-RL: A Vision-Language-Action Model with Spatial Understanding and Online RL Haoxiang Jie et al. · 结合空间理解与在线 RL 精调的 VLA 模型，旨在解决空间感知不精确及 RL 不稳定问题。提供 VLA 后训练阶段的具体优化路径。 CS.RO
- PokeVLA: Empowering Pocket-Sized Vision-Language-Action Model with Comprehensive World Knowledge Guidance Yupeng Zheng et al. · 提出小型化 VLA 模型并引入世界知识引导，但摘要未展示显著优于 SOTA 的基准结果，且“口袋大小”可能暗示性能妥协，需正文验证其实用性。 [💧灌水] CS.RO
- How Vulnerable Is My Learned Policy? Universal Adversarial Perturbation Attacks On Modern Behavior Cloning Policies Akansha Kalra et al. · 系统研究行为克隆策略的对抗攻击脆弱性，虽与安全相关，但侧重于通用 BC 策略的安全性分析，非 VLA 特有架构或训练范式的创新。 CS.RO
- Closed-loop tactile-visual interactivity via chip-free luminescent fibers enabled by capacitive coupling Xun-En Wu et al. · 发表新型触觉-视觉交互传感器硬件，虽对触觉 VLA 有潜在价值，但属硬件底层创新，非算法或架构层面的 VLA 进展。 SCIENCE-
- A time-stamping tactile sensor enabled by pseudoconductive interface design at dielectric heterojunctions Byungseok Seo et al. · 介绍基于介电异质结的时间戳触觉传感器硬件设计，属传感层创新，未涉及 VLA 模型训练或控制策略。 SCIENCE-
VLA 研究日報VLA 研究日报
共 14 篇
🔧 技術技术
VLA [Weinan Normal University]
RedVLA: Physical Red Teaming for Vision-Language-Action Models
Yuhao Zhang et al. · 针对 VLA 模型提出物理红队测试框架，旨在部署前检测不可逆物理风险。为安全对齐提供具体评估工具，具有明确的工程应用价值。
cs.RO
閱讀原文
VLA [Zhejiang A & F University]
GazeVLA: Learning Human Intention for Robotic Manipulation
Chengyang Li et al. · 引入人类注视数据以增强 VLA 对操作意图的理解，缓解对大规模机器人演示数据的依赖。提供多模态对齐的新视角，易于集成到现有 VLA 流程中。
cs.RO
閱讀原文
VLA
Clutter-Robust Vision-Language-Action Models through Object-Centric and Geometry Grounding
Khoa Vo et al. · 通过以对象为中心和几何 grounding 提升 VLA 在杂乱环境中的鲁棒性，解耦感知与控制纠缠。提供具体的视觉预处理或特征融合改进方案。
cs.RO
閱讀原文
VLA
OmniVLA-RL: A Vision-Language-Action Model with Spatial Understanding and Online RL
Haoxiang Jie et al. · 结合空间理解与在线 RL 精调的 VLA 模型，旨在解决空间感知不精确及 RL 不稳定问题。提供 VLA 后训练阶段的具体优化路径。
cs.RO
閱讀原文
VLA
dWorldEval: Scalable Robotic Policy Evaluation via Discrete Diffusion World Model
Yaxuan Li et al. · 提出基于离散扩散世界模型的 scalable 机器人策略评估方法 dWorldEval，解决真实环境评估瓶颈，为 VLA 评测提供高效替代方案。
cs.RO
閱讀原文
📖 背景閱讀背景阅读
VLA
QDTraj: Exploration of Diverse Trajectory Primitives for Articulated Objects Robotic Manipulation
Mathilde Kappel et al. · 探索关节物体操作的多样化轨迹基元，侧重仿真或特定场景下的运动规划优化，缺乏通用 VLA 架构创新及大规模基准验证。
cs.RO
閱讀原文
VLA
Self-Supervised Multisensory Pretraining for Contact-Rich Robot Reinforcement Learning
Rickmer Krohn et al. · 聚焦接触丰富场景下的多感官自监督预训练，虽涉及触觉但主要服务于 RL 策略而非端到端 VLA 架构，属于相邻领域的重要基础工作。
cs.RO
閱讀原文
VLA
Evidence of an Emergent "Self" in Continual Robot Learning
Adidev Jhunjhunwala et al. · 探讨持续学习中“自我”概念的涌现及其量化方法，偏向认知科学与理论分析，缺乏直接的 VLA 架构改进或具体操作任务的性能提升证据。
cs.RO
閱讀原文
VLA
PokeVLA: Empowering Pocket-Sized Vision-Language-Action Model with Comprehensive World Knowledge Guidance
Yupeng Zheng et al. · 提出小型化 VLA 模型并引入世界知识引导，但摘要未展示显著优于 SOTA 的基准结果，且“口袋大小”可能暗示性能妥协，需正文验证其实用性。 [💧灌水]
cs.RO
閱讀原文
VLA
How Vulnerable Is My Learned Policy? Universal Adversarial Perturbation Attacks On Modern Behavior Cloning Policies
Akansha Kalra et al. · 系统研究行为克隆策略的对抗攻击脆弱性，虽与安全相关，但侧重于通用 BC 策略的安全性分析，非 VLA 特有架构或训练范式的创新。
cs.RO
閱讀原文
VLA
Closed-loop tactile-visual interactivity via chip-free luminescent fibers enabled by capacitive coupling
Xun-En Wu et al. · 发表新型触觉-视觉交互传感器硬件，虽对触觉 VLA 有潜在价值，但属硬件底层创新，非算法或架构层面的 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. · 介绍基于介电异质结的时间戳触觉传感器硬件设计，属传感层创新，未涉及 VLA 模型训练或控制策略。
Science-Advances
閱讀原文
VLA
Agentic World Modeling: Foundations, Capabilities, Laws, and Beyond
Meng Chu et al. · 综述或理论框架文章，探讨代理世界建模的基础与能力，缺乏具体的 VLA 实验验证或新方法提出，适合作为背景阅读。
cs.AI
閱讀原文