VLA
A retrieval-augmented framework enabling VLM spatial awareness for object-centric robot manipulation
Kai Chen et al. · 引入检索增强框架提升VLM的空间感知能力，解决物体中心操作中的空间理解瓶颈。方法可直接集成到现有VLA pipeline中，增强零样本泛化能力。
Science-Robotics
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
- Demonstrate once, execute on many: Kinematic intelligence for cross-robot skill transfer Sthithpragya Gupta et al. · 提出基于运动学智能的跨机器人技能迁移方法，允许单次演示后在多平台上执行。属于操作控制领域重要进展，但非VLA架构核心创新，且为期刊发表内容。 SCIENCE-
- A careful examination of large behavior models for multitask dexterous manipulation Jose Barreiros et al. · 深入分析大型行为模型在灵巧操作中的表现与局限性。作为Science Robotics的实证研究，提供了宝贵的洞察，但属于评估/综述性质，无新算法或SOTA提升。 SCIENCE-
- A retrieval-augmented framework enabling VLM spatial awareness for object-centric robot manipulation Kai Chen et al. · 引入检索增强框架提升VLM的空间感知能力，解决物体中心操作中的空间理解瓶颈。方法可直接集成到现有VLA pipeline中，增强零样本泛化能力。 SCIENCE-
- Transfer learning in robotics: From promises to practice through the emerging role of foundation models Michael C. Welle et al. · 综述基础模型在机器人迁移学习中的应用现状与挑战。属于领域回顾与展望，对理解技术演进有价值，但无具体新方法或实验贡献。 SCIENCE-
- Libra-VLA: Achieving Learning Equilibrium via Asynchronous Coarse-to-Fine Dual-System Yifei Wei et al. · 提出异步粗到细双系统架构以平衡VLA训练，解决单模态生成的局限性。提供新的VLA训练范式思路，代码开源可能性高，适合快速复现验证。 CS.RO
- GS-Playground: A High-Throughput Photorealistic Simulator for Vision-Informed Robot Learning Yufei Jia et al. · 发布基于3D Gaussian Splatting的高通量仿真平台，支持视觉驱动的机器人学习。填补高保真、低成本仿真数据生成空白，可直接用于VLA预训练数据扩充。 CS.RO
- KinDER: A Physical Reasoning Benchmark for Robot Learning and Planning Yixuan Huang et al. · 推出KinDER基准测试，评估机器人在运动学和动力学约束下的物理推理能力。重要数据集发布，有助于量化VLA的物理常识水平，但本身无算法创新。 CS.RO
- MiMo-Embodied: X-Embodied Foundation Model Technical Report [Xiaomi (China)] Xiaoshuai Hao et al. · 开源MiMo-Embodied模型，统一自动驾驶与具身AI任务，刷新17个基准记录。作为技术报告，提供强大的基线模型和跨域迁移经验，极具工程参考价值。 CS.RO
- Genie Sim 3.0 : A High-Fidelity Comprehensive Simulation Platform for Humanoid Robot Chenghao Yin et al. · 更新Genie Sim仿真平台至3.0版本，专注于人形机器人高保真模拟。虽为重要工具更新，但属工程迭代，缺乏方法论层面的突破，归为值得了解。 CS.RO
- RISE: Self-Improving Robot Policy with Compositional World Model Jiazhi Yang et al. · 结合组合世界模型实现策略自改进，解决VLA在接触丰富任务中的脆弱性。提供RL精调的新路径，方法模块化强，易于嵌入现有VLA框架进行性能提升。 CS.RO
- DIAL: Decoupling Intent and Action via Latent World Modeling for End-to-End VLA Yi Chen et al. · 通过潜在世界建模解耦意图与动作，优化端到端VLA的决策逻辑。针对VLM编码器局限提出新架构，显著提升复杂指令遵循能力，具有明确的复用价值。 CS.RO
- Genie Sim PanoRecon: Fast Immersive Scene Generation from Single-View Panorama [Nanjing Tech University] Zhijun Li et al. · 提出从单视角全景图快速生成沉浸式3D场景的方法，服务于机器人仿真。虽与仿真相关，但更偏向计算机视觉重建，非VLA核心控制问题。 CS.RO
VLA 研究日報VLA 研究日报
共 32 篇
🔧 技術技术
VLA
Libra-VLA: Achieving Learning Equilibrium via Asynchronous Coarse-to-Fine Dual-System
Yifei Wei et al. · 提出异步粗到细双系统架构以平衡VLA训练，解决单模态生成的局限性。提供新的VLA训练范式思路，代码开源可能性高，适合快速复现验证。
cs.RO
閱讀原文
VLA
GS-Playground: A High-Throughput Photorealistic Simulator for Vision-Informed Robot Learning
Yufei Jia et al. · 发布基于3D Gaussian Splatting的高通量仿真平台，支持视觉驱动的机器人学习。填补高保真、低成本仿真数据生成空白，可直接用于VLA预训练数据扩充。
cs.RO
閱讀原文
VLA [Xiaomi (China)]
MiMo-Embodied: X-Embodied Foundation Model Technical Report
Xiaoshuai Hao et al. · 开源MiMo-Embodied模型，统一自动驾驶与具身AI任务，刷新17个基准记录。作为技术报告，提供强大的基线模型和跨域迁移经验，极具工程参考价值。
cs.RO
閱讀原文
VLA
RISE: Self-Improving Robot Policy with Compositional World Model
Jiazhi Yang et al. · 结合组合世界模型实现策略自改进，解决VLA在接触丰富任务中的脆弱性。提供RL精调的新路径，方法模块化强，易于嵌入现有VLA框架进行性能提升。
cs.RO
閱讀原文
VLA
DIAL: Decoupling Intent and Action via Latent World Modeling for End-to-End VLA
Yi Chen et al. · 通过潜在世界建模解耦意图与动作，优化端到端VLA的决策逻辑。针对VLM编码器局限提出新架构，显著提升复杂指令遵循能力，具有明确的复用价值。
cs.RO
閱讀原文
VLA [Korea Atomic Energy Research Institute]
AgenticCache: Cache-Driven Asynchronous Planning for Embodied AI Agents
Hojoon Kim et al. · 提出缓存驱动异步规划机制，降低LLM在具身代理中的延迟与成本。利用计划局部性优化推理效率，工程洞见明确，可立即应用于VLA部署优化。
cs.AI
閱讀原文
VLA
AsyncShield: A Plug-and-Play Edge Adapter for Asynchronous Cloud-based VLA Navigation
Kai Yang et al. · 设计即插即用的边缘适配器AsyncShield，解决云端VLA导航的网络抖动问题。提供实用的部署解决方案，显著改善实时性，具备高工程复用价值。
cs.AI
閱讀原文
VLA
Characterizing Vision-Language-Action Models across XPUs: Constraints and Acceleration for On-Robot Deployment
Kaijun Zhou et al. · 系统表征VLA在不同XPU上的部署约束与加速效果，填补移动端评估空白。提供详细的硬件适配指南和优化策略，对实际落地至关重要。
cs.AI
閱讀原文
VLA
CF-VLA: Efficient Coarse-to-Fine Action Generation for Vision-Language-Action Policies
Fan Du et al. · 提出粗到细的动作生成策略CF-VLA，解决流匹配VLA的多步推理低效问题。显著提升推理速度同时保持精度，方法简洁有效，适合实时控制场景。
cs.AI
閱讀原文
VLA
ESPADA: Execution Speedup via Semantics Aware Demonstration Data Downsampling for Imitation Learning
Byung-ju Kim et al. · 提出ESPADA方法，通过语义感知下采样加速模仿学习执行，克服人类演示的缓慢节奏。直接提升策略执行效率，数据处理流程清晰，易于集成。
cs.AI
閱讀原文
VLA
Generative Control as Optimization: Time Unconditional Flow Matching for Adaptive and Robust Robotic Control
Zunzhe Zhang et al. · 将生成控制转化为优化问题，提出时间无条件流匹配方法，摆脱固定积分时间表束缚。提升控制的适应性与鲁棒性，理论扎实，方法具有通用性。
cs.AI
閱讀原文
VLA
HANDFUL: Sequential Grasp-Conditioned Dexterous Manipulation with Resource Awareness
Ethan Foong et al. · 提出HANDFUL方法，实现资源感知的序列抓取条件灵巧操作。解决多技能序列执行中的资源管理问题，针对灵巧手VLA的具体痛点，具有实操价值。
cs.RO
閱讀原文
📖 背景閱讀背景阅读
VLA
Demonstrate once, execute on many: Kinematic intelligence for cross-robot skill transfer
Sthithpragya Gupta et al. · 提出基于运动学智能的跨机器人技能迁移方法，允许单次演示后在多平台上执行。属于操作控制领域重要进展，但非VLA架构核心创新，且为期刊发表内容。
Science-Robotics
閱讀原文
VLA
A careful examination of large behavior models for multitask dexterous manipulation
Jose Barreiros et al. · 深入分析大型行为模型在灵巧操作中的表现与局限性。作为Science Robotics的实证研究，提供了宝贵的洞察，但属于评估/综述性质，无新算法或SOTA提升。
Science-Robotics
閱讀原文
VLA
Transfer learning in robotics: From promises to practice through the emerging role of foundation models
Michael C. Welle et al. · 综述基础模型在机器人迁移学习中的应用现状与挑战。属于领域回顾与展望，对理解技术演进有价值，但无具体新方法或实验贡献。
Science-Robotics
閱讀原文
VLA
KinDER: A Physical Reasoning Benchmark for Robot Learning and Planning
Yixuan Huang et al. · 推出KinDER基准测试，评估机器人在运动学和动力学约束下的物理推理能力。重要数据集发布，有助于量化VLA的物理常识水平，但本身无算法创新。
cs.RO
閱讀原文
VLA
Genie Sim 3.0 : A High-Fidelity Comprehensive Simulation Platform for Humanoid Robot
Chenghao Yin et al. · 更新Genie Sim仿真平台至3.0版本，专注于人形机器人高保真模拟。虽为重要工具更新，但属工程迭代，缺乏方法论层面的突破，归为值得了解。
cs.RO
閱讀原文
VLA [Nanjing Tech University]
Genie Sim PanoRecon: Fast Immersive Scene Generation from Single-View Panorama
Zhijun Li et al. · 提出从单视角全景图快速生成沉浸式3D场景的方法，服务于机器人仿真。虽与仿真相关，但更偏向计算机视觉重建，非VLA核心控制问题。
cs.RO
閱讀原文
VLA [Harbin Institute of Technology]
InternScenes: A Large-scale Simulatable Indoor Scene Dataset with Realistic Layouts
Weipeng Zhong et al. · 发布大规模可仿真室内场景数据集InternScenes，强调布局真实性。重要数据资源，但作为数据集论文，无直接算法贡献，归为值得了解。
cs.RO
閱讀原文
VLA
Limited Linguistic Diversity in Embodied AI Datasets
Selma Wanna et al. · 审计具身AI数据集的语言多样性缺陷，揭示训练数据的偏差问题。重要的数据分析工作，提醒社区关注数据质量，但无新模型或方法提出。
cs.RO
閱讀原文
VLA [Nerve Centre]
Interoceptive machine framework: Toward interoception-inspired regulatory architectures in artificial intelligence
Diego Candia-Rivera (NERV) · 提出内感受启发的人工智能监管架构框架，借鉴生物内部状态调节机制。概念新颖但偏理论综述，缺乏具体的VLA实现路径和实验验证。
cs.AI
閱讀原文
VLA
Vision-Language-Action in Robotics: A Survey of Datasets, Benchmarks, and Data Engines
Ziyao Wang et al. · 全面综述VLA领域的数据基础设施，包括数据集、基准和数据引擎。系统性梳理领域现状，对研究者有参考意义，但属纯综述文章。
cs.AI
閱讀原文
VLA [Film Independent]
AmaraSpatial-10K: A Spatially and Semantically Aligned 3D Dataset for Spatial Computing and Embodied AI
Mohammad Sadegh Salehi et al. · 发布AmaraSpatial-10K数据集，提供空间与语义对齐的3D资产。解决部署前数据预处理痛点，但本质为数据资源发布，无算法创新。
cs.AI
閱讀原文
VLA
PhysCodeBench: Benchmarking Physics-Aware Symbolic Simulation of 3D Scenes via Self-Corrective Multi-Agent Refinement
Tianyidan Xie et al. · 推出PhysCodeBench基准，评估物理感知的符号仿真能力，采用多智能体自我修正机制。侧重仿真环境构建与评估，非VLA控制策略核心。
cs.AI
閱讀原文
VLA
EL3DD: Extended Latent 3D Diffusion for Language Conditioned Multitask Manipulation
Jonas Bode et al. · 扩展潜在3D扩散模型用于语言条件多任务操作，融合3D几何信息。虽涉及VLA，但主要贡献在于扩散模型架构调整，实验集中在仿真，创新性一般。
cs.AI
閱讀原文
VLA
‘World models’ are AI’s latest sensation: what are they and what can they do?
Davide Castelvecchi · Nature评论文章，科普世界模型的概念及其在机器人技术中的潜力。面向大众或跨领域读者，无技术细节或实验数据，仅具背景知识价值。
Nature
閱讀原文
VLA
Continuum tactile sensing via an amplified liquid metal interface
Erlong Wang et al. · 介绍基于液态金属界面的连续触觉传感技术，提升触觉分辨率。属于传感器硬件创新，虽对触觉VLA重要，但非算法或模型层面贡献。
Science-Advances
閱讀原文
VLA
Egocentric Tactile and Proximity Sensors as Observation Priors for Humanoid Collision Avoidance
Carson Kohlbrenner et al. · 探索本体触觉与接近传感器作为人形机器人避撞的观察先验。侧重传感器融合与感知策略，虽相关但非VLA核心语义-动作映射问题。
cs.RO
閱讀原文
VLA
Variational Neural Belief Parameterizations for Robust Dexterous Grasping under Multimodal Uncertainty
Clinton Enwerem et al. · 提出变分神经信念参数化方法，处理多模态不确定性下的稳健灵巧抓取。侧重贝叶斯推断与抓取稳定性，属于传统机器人学习范畴，非VLA前沿。
cs.RO
閱讀原文
VLA
MUSIC: Learning Muscle-Driven Dexterous Hand Control
Pei Xu et al. · 学习肌肉驱动的灵巧手控制，实现钢琴演奏等精细动作。侧重生物力学仿真与控制，虽涉及灵巧操作，但非基于VLA范式的通用策略。
cs.AI
閱讀原文
VLA
SPLIT: Separating Physical-Contact via Latent Arithmetic in Image-Based Tactile Sensors
Wadhah Zai El Amri et al. · 提出SPLIT方法，通过潜在算术分离图像触觉传感器中的物理接触信号。侧重触觉数据处理与解耦，为触觉VLA提供预处理工具，非核心控制算法。
cs.AI
閱讀原文