VLA [Allen Institute]
MolmoAct2: Action Reasoning Models for Real-world Deployment
Haoquan Fang et al. · 发布MolmoAct2，开源轻量级VLA模型，专为真实世界部署优化，打破闭源模型垄断。在多个基准测试中展现SOTA性能，解决了VLA落地难的核心瓶颈，极具战略意义。
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
- Online Safety Filter for Deformable Object Manipulation with Horizon Agnostic Neural Operators [CMU] Jiaxing Li et al. · 针对可变形物体操作提出基于神经算子的在线安全过滤器，解决传统RL奖励塑造缺乏显式安全保证的问题。属于控制理论在机器人中的应用，非VLA核心架构创新。 CS.RO
- Sentinel-VLA: A Metacognitive VLA Model with Active Status Monitoring for Dynamic Reasoning and Error Recovery [Sichuan Academy of Forestry] Wenhao Li et al. · 引入元认知机制和主动状态监控，使VLA模型具备动态推理和错误恢复能力。提供了提升VLA鲁棒性的新工程思路，适合关注长序列任务稳定性的研究者参考。 CS.RO
- VLA-ATTC: Adaptive Test-Time Compute for VLA Models with Relative Action Critic Model [Sichuan Academy of Forestry] Wenhao Li et al. · 提出自适应测试时计算（ATTC）策略，通过相对动作评判模型动态调整推理深度以平衡速度与精度。为VLA部署中的算力优化提供了具体可行的技术方案。 CS.RO
- To Do or Not to Do: Ensuring the Safety of Visuomotor Policies Learned from Demonstrations [University of New Hampshire] Riad Ahmed et al. · 探讨从演示学习的视觉运动策略的安全性问题，旨在超越单纯的任务成功率指标。侧重于IL的安全边界分析，虽相关但非VLA架构层面的直接突破。 CS.RO
- A Principled Approach for Creating High-fidelity Synthetic Demonstrations for Imitation Learning [University of New Hampshire] Moniruzzaman Akash et al. · 利用3D Gaussian Splatting生成高保真合成演示数据，解决IL中数据稀缺问题。主要贡献在于数据合成管线，对VLA数据增强有参考价值，但非核心算法创新。 CS.RO
- Decompose and Recompose: Reasoning New Skills from Existing Abilities for Cross-Task Robotic Manipulation [Hefei University of Technology] Xitie Zhang et al. · 提出分解与重组方法，利用已有技能推理新任务，旨在提升跨任务泛化能力。属于上下文学习在机器人中的应用探索，实验细节需进一步确认其VLA相关性。 CS.RO
- VOFA: Visual Object Goal Pushing with Force-Adaptive Control for Humanoids [Kunming University] Zichao Hu et al. · 针对人形机器人提出视觉目标推动的力自适应控制方法。侧重于特定物理交互技能的控制层实现，而非通用的VLA感知-决策框架。 CS.RO
- An Efficient Metric for Data Quality Measurement in Imitation Learning Noushad Sojib et al. · 提出一种用于衡量模仿学习数据质量的度量指标，辅助OOD场景下的微调。属于数据-centric AI范畴，对VLA训练数据筛选有间接帮助，非核心模型改进。 CS.RO
- Hydra-DP3: Frequency-Aware Right-Sizing of 3D Diffusion Policies for Visuomotor Control [East China University of Science and Technology] Jinhao Zhang et al. · 从频域视角重新审视扩散策略，提出频率感知的3D扩散策略裁剪方法（Hydra-DP3）。显著降低计算开销同时保持性能，为Diffusion Policy的高效部署提供实用工具。 CS.RO
- Anticipation-VLA: Solving Long-Horizon Embodied Tasks via Anticipation-based Subgoal Generation [Harbin Normal University] Zhilong Zhang et al. · 通过基于预期的子目标生成机制解决VLA在长视界任务中的规划难题。将高层规划与底层执行解耦，为提升VLA复杂任务成功率提供了新的架构模块。 CS.RO
- Phone2Act: A Low-Cost, Hardware-Agnostic Teleoperation System for Scalable VLA Data Collection [Robotics Research (United States)] Om Mandhane et al. · 提出基于手机的低成本、硬件无关遥操作系统，旨在降低VLA数据采集门槛。解决了数据收集的工程痛点，具有极高的复用价值和社区推广潜力。 CS.RO
- VILAS: A VLA-Integrated Low-cost Architecture with Soft Grasping for Robotic Manipulation [Luna Innovations (United States)] Zijian An et al. · 介绍VILAS低成本模块化机器人平台，集成软抓取和VLA策略部署。属于系统搭建类工作，虽提及VLA但侧重硬件集成，非算法或理论创新。 CS.RO
VLA 研究日報VLA 研究日报
共 29 篇
⚡ 突破
🔧 技術技术
VLA [Sichuan Academy of Forestry]
Sentinel-VLA: A Metacognitive VLA Model with Active Status Monitoring for Dynamic Reasoning and Error Recovery
Wenhao Li et al. · 引入元认知机制和主动状态监控，使VLA模型具备动态推理和错误恢复能力。提供了提升VLA鲁棒性的新工程思路，适合关注长序列任务稳定性的研究者参考。
cs.RO
閱讀原文
VLA [Sichuan Academy of Forestry]
VLA-ATTC: Adaptive Test-Time Compute for VLA Models with Relative Action Critic Model
Wenhao Li et al. · 提出自适应测试时计算（ATTC）策略，通过相对动作评判模型动态调整推理深度以平衡速度与精度。为VLA部署中的算力优化提供了具体可行的技术方案。
cs.RO
閱讀原文
VLA [East China University of Science and Technology]
Hydra-DP3: Frequency-Aware Right-Sizing of 3D Diffusion Policies for Visuomotor Control
Jinhao Zhang et al. · 从频域视角重新审视扩散策略，提出频率感知的3D扩散策略裁剪方法（Hydra-DP3）。显著降低计算开销同时保持性能，为Diffusion Policy的高效部署提供实用工具。
cs.RO
閱讀原文
VLA [Harbin Normal University]
Anticipation-VLA: Solving Long-Horizon Embodied Tasks via Anticipation-based Subgoal Generation
Zhilong Zhang et al. · 通过基于预期的子目标生成机制解决VLA在长视界任务中的规划难题。将高层规划与底层执行解耦，为提升VLA复杂任务成功率提供了新的架构模块。
cs.RO
閱讀原文
VLA [Robotics Research (United States)]
Phone2Act: A Low-Cost, Hardware-Agnostic Teleoperation System for Scalable VLA Data Collection
Om Mandhane et al. · 提出基于手机的低成本、硬件无关遥操作系统，旨在降低VLA数据采集门槛。解决了数据收集的工程痛点，具有极高的复用价值和社区推广潜力。
cs.RO
閱讀原文
VLA
ShapeGrasp: Simultaneous Visuo-Haptic Shape Completion and Grasping for Improved Robot Manipulation
Lukas Rustler et al. · 结合视觉初始估计与触觉反馈进行迭代形状补全和抓取，模拟人类操作过程。填补了触觉VLA方向的部分空白，为接触丰富型操作提供了具体实现方案。
cs.RO
閱讀原文
VLA [Nanjing Agricultural University]
Latent Bridge: Feature Delta Prediction for Efficient Dual-System Vision-Language-Action Model Inference
Yudong Liu et al. · 提出Latent Bridge机制，通过预测特征增量避免双系统VLA中VLM骨干网的冗余计算。显著提升推理效率，是解决VLA部署瓶颈的高价值工程优化。
cs.RO
閱讀原文
VLA
Seeing Realism from Simulation: Efficient Video Transfer for Vision-Language-Action Data Augmentation
Chenyu Hui et al. · 提出高效的Sim-to-Real视频迁移方法，用于VLA数据增强，缩小仿真与现实的视觉域差距。为缓解VLA数据饥渴提供了实用的数据合成路径。
cs.RO
閱讀原文
VLA [First Affiliated Hospital of University of South China]
TouchGuide: Inference-Time Steering of Visuomotor Policies via Touch Guidance
Zhemeng Zhang et al. · 提出TouchGuide范式，在推理时融合触觉引导视觉运动策略，改善细粒度操作。为触觉VLA提供了即插即用的推理时修正方案，具有较高的实用价值。
cs.RO
閱讀原文
VLA [Sichuan Academy of Forestry]
STEP: Warm-Started Visuomotor Policies with Spatiotemporal Consistency Prediction
Jinhao Li et al. · 提出STEP方法，利用时空一致性预测对扩散策略进行热启动，加速推理收敛。针对Diffusion Policy的计算瓶颈提供有效优化，易于集成到现有VLA流程中。
cs.RO
閱讀原文
VLA [Scripps Research Institute]
Semantic-Contact Fields for Category-Level Generalizable Tactile Tool Manipulation
Kevin Yuchen Ma et al. · 提出语义接触场，结合语义规划与精确物理控制，实现类别级的触觉工具操作泛化。填补了VLA在接触丰富工具操作领域的空白，具有明确的触觉VLA应用路径。
cs.RO
閱讀原文
📖 背景閱讀背景阅读
VLA [CMU]
Online Safety Filter for Deformable Object Manipulation with Horizon Agnostic Neural Operators
Jiaxing Li et al. · 针对可变形物体操作提出基于神经算子的在线安全过滤器，解决传统RL奖励塑造缺乏显式安全保证的问题。属于控制理论在机器人中的应用，非VLA核心架构创新。
cs.RO
閱讀原文
VLA [University of New Hampshire]
To Do or Not to Do: Ensuring the Safety of Visuomotor Policies Learned from Demonstrations
Riad Ahmed et al. · 探讨从演示学习的视觉运动策略的安全性问题，旨在超越单纯的任务成功率指标。侧重于IL的安全边界分析，虽相关但非VLA架构层面的直接突破。
cs.RO
閱讀原文
VLA [University of New Hampshire]
A Principled Approach for Creating High-fidelity Synthetic Demonstrations for Imitation Learning
Moniruzzaman Akash et al. · 利用3D Gaussian Splatting生成高保真合成演示数据，解决IL中数据稀缺问题。主要贡献在于数据合成管线，对VLA数据增强有参考价值，但非核心算法创新。
cs.RO
閱讀原文
VLA [Hefei University of Technology]
Decompose and Recompose: Reasoning New Skills from Existing Abilities for Cross-Task Robotic Manipulation
Xitie Zhang et al. · 提出分解与重组方法，利用已有技能推理新任务，旨在提升跨任务泛化能力。属于上下文学习在机器人中的应用探索，实验细节需进一步确认其VLA相关性。
cs.RO
閱讀原文
VLA [Kunming University]
VOFA: Visual Object Goal Pushing with Force-Adaptive Control for Humanoids
Zichao Hu et al. · 针对人形机器人提出视觉目标推动的力自适应控制方法。侧重于特定物理交互技能的控制层实现，而非通用的VLA感知-决策框架。
cs.RO
閱讀原文
VLA
An Efficient Metric for Data Quality Measurement in Imitation Learning
Noushad Sojib et al. · 提出一种用于衡量模仿学习数据质量的度量指标，辅助OOD场景下的微调。属于数据-centric AI范畴，对VLA训练数据筛选有间接帮助，非核心模型改进。
cs.RO
閱讀原文
VLA [Luna Innovations (United States)]
VILAS: A VLA-Integrated Low-cost Architecture with Soft Grasping for Robotic Manipulation
Zijian An et al. · 介绍VILAS低成本模块化机器人平台，集成软抓取和VLA策略部署。属于系统搭建类工作，虽提及VLA但侧重硬件集成，非算法或理论创新。
cs.RO
閱讀原文
VLA
CoRAL: Contact-Rich Adaptive LLM-based Control for Robotic Manipulation
Berk Çiçek et al. · 利用LLM进行高层语义理解并结合自适应控制处理接触丰富操作。虽然涉及VLM/LLM，但侧重控制回路设计，与端到端VLA范式有一定距离。
cs.RO
閱讀原文
VLA
Learning Equivariant Neural-Augmented Object Dynamics From Few Interactions
Sergio Orozco et al. · 学习可变形物体的等效神经增强动力学模型，强调数据效率。属于世界模型/动力学建模领域，虽对VLA有用，但非直接的VLA策略学习方法。
cs.RO
閱讀原文
VLA
Towards Efficient and Expressive Offline RL via Flow-Anchored Noise-conditioned Q-Learning
Sungyoung Lee et al. · 提出FAN算法改进离线RL的性能和效率。虽可用于机器人策略学习，但属于通用RL算法改进，未专门针对VLA的多模态特性进行优化。
cs.RO
閱讀原文
VLA [Karlsruhe Institute of Technology]
IMPACT-HOI: Supervisory Control for Onset-Anchored Partial HOI Event Construction
Haoshen Zhang et al. · 构建人机交互事件图以提供结构化监督信号，动机源于机器人学习的数据需求。主要贡献在于视频标注框架，非直接的机器人控制方法。
cs.RO
閱讀原文
VLA [Technical University of Munich]
Learning to Act Through Contact: A Unified View of Multi-Task Robot Learning
Shafeef Omar et al. · 提出基于接触显式表示的多任务 locomotion 和 manipulation 统一框架。侧重底层策略的统一表征，虽相关但更偏向传统机器人学习而非高层VLA推理。
cs.RO
閱讀原文
VLA [University of Science and Technology of China]
A High-Fidelity Digital Twin for Robotic Manipulation Based on 3D Gaussian Splatting
Ziyang Sun et al. · 基于3DGS构建高保真机器人数字孪生，支持闭环运动规划。主要贡献在仿真环境重建，属于基础设施类工作，非VLA算法本身。
cs.RO
閱讀原文
VLA [ES Technology (United Kingdom)]
MVP-LAM: Learning Action-Centric Latent Action via Cross-Viewpoint Reconstruction
Jung Min Lee et al. · 通过跨视点重构学习以动作为中心的潜在动作，作为VLA预训练的伪标签。侧重于表征学习，对VLA预训练数据利用有启发，但非端到端VLA架构。
cs.RO
閱讀原文
VLA [Sichuan Academy of Forestry]
Robo3R: Enhancing Robotic Manipulation with Accurate Feed-Forward 3D Reconstruction
Sizhe Yang et al. · 提出Robo3R前馈3D重建模型，提升机器人操作的3D空间感知质量。侧重感知模块的精度提升，虽重要但属于感知层改进，非VLA决策核心。
cs.RO
閱讀原文
VLA [University of Science and Technology of China]
BridgeACT: Bridging Human Demonstrations to Robot Actions via Unified Tool-Target Affordances
Yifan Han et al. · 通过统一的工具-目标可供性桥接人类演示与机器人动作，旨在利用大规模人类视频数据。侧重数据映射机制，实验若仅在简单任务验证则创新性有限。
cs.RO
閱讀原文
VLA [Sichuan Academy of Forestry]
KinDER: A Physical Reasoning Benchmark for Robot Learning and Planning
Yixuan Huang et al. · 推出KinDER基准，评估机器人在运动学和动力学约束下的物理推理能力。作为评测数据集，对VLA研究有长期价值，但非即时可用的算法进展。
cs.RO
閱讀原文