VLA [TU Munich]
BifrostUMI: Bridging Robot-Free Demonstrations and Humanoid Whole-Body Manipulation
Chenhao Yu et al. · 提出 BifrostUMI，利用无机器人演示数据训练人形全身操作策略，解决数据采集瓶颈。为低成本获取高质量人形机器人训练数据提供了可行路径。
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
- RLDX-1 Technical Report Dongyoung Kim et al. · 技术报告，介绍 RLDX-1 VLA 模型。摘要未提供具体架构创新或基准测试对比数据，缺乏评估其战略价值的量化证据。 CS.RO
- BifrostUMI: Bridging Robot-Free Demonstrations and Humanoid Whole-Body Manipulation [TU Munich] Chenhao Yu et al. · 提出 BifrostUMI，利用无机器人演示数据训练人形全身操作策略，解决数据采集瓶颈。为低成本获取高质量人形机器人训练数据提供了可行路径。 CS.RO
- Bridging the Embodiment Gap: Disentangled Cross-Embodiment Video Editing [Nanjing Agricultural University] Zhiyuan Li et al. · 通过解耦跨实体视频编辑来缩小人机形态差异，旨在从人类视频学习机器人操作。目前仅涉及视觉表征对齐，缺乏明确的机器人控制策略验证。 CS.RO
- Safety in Embodied AI: A Survey of Risks, Attacks, and Defenses [Capital Medical University] Xiao Li et al. · 具身智能安全综述，涵盖风险、攻击与防御。属于重要但非紧急的背景知识梳理，不直接提供新的 VLA 算法或工程实现方案。 CS.RO
- OGPO: Sample Efficient Full-Finetuning of Generative Control Policies Sarvesh Patil et al. · 提出 OGPO 算法，实现生成式控制策略（如 Diffusion Policy）的高效全量微调。显著降低样本需求，可直接应用于现有 VLA 模型的离线强化学习精调。 CS.RO
- AhaRobot: A Low-Cost Open-Source Bimanual Mobile Manipulator for Embodied AI Haiqin Cui et al. · 开源低成本双臂移动操作平台 AhaRobot，旨在降低 VLA 数据收集门槛。提供完整硬件设计与 teleoperation 接口，适合团队快速构建数据采集系统。 CS.RO
- RoboEval: Where Robotic Manipulation Meets Structured and Scalable Evaluation Yi Ru Wang et al. · 推出 RoboEval 评估框架，引入行为与结果指标以替代单一成功率。为 VLA 策略提供更细粒度的性能分析工具，有助于诊断模型在复杂任务中的具体缺陷。 CS.RO
- OmniUMI: Towards Physically Grounded Robot Learning via Human-Aligned Multimodal Interaction Shaqi Luo et al. · 扩展 UMI 范式至多模态交互，引入物理接触信号以增强机器人学习的物理 grounding。为提升 VLA 在接触丰富任务中的表现提供了新的数据收集维度。 CS.RO
- FingerViP: Learning Real-World Dexterous Manipulation with Fingertip Visual Perception [Utah State University] Zhen Zhang et al. · 提出 FingerViP 系统，利用指尖视觉感知解决灵巧操作中手腕视角遮挡问题。在真实世界灵巧操作任务中显著提升性能，为触觉/视觉融合 VLA 提供新视角。 CS.RO
- VOFA: Visual Object Goal Pushing with Force-Adaptive Control for Humanoids Zichao Hu et al. · 针对人形机器人推重物任务，结合视觉目标与力自适应控制。虽涉及具身控制，但侧重于特定技能而非通用 VLA 架构，且缺乏大规模泛化实验。 CS.RO
- Can Explicit Physical Feasibility Benefit VLA Learning? An Empirical Study [University of Turku] Yubai Wei et al. · 实证研究显式物理可行性约束对 VLA 学习的影响。揭示传统模仿学习中忽略物理约束的弊端，为改进 VLA 训练目标和损失函数提供关键工程洞见。 CS.RO
- VUDA: Breaking CUDA-Vulkan Isolation for Spatial Sharing of Compute and Graphics on the Same GPU Bin Xu et al. · 优化 GPU 上 CUDA 与 Vulkan 的资源共享，加速具身 AI 仿真环境。属于底层系统优化，虽有益但非 VLA 算法核心进展，适用性较窄。 CS.AI
VLA 研究日報VLA 研究日报
共 24 篇
🔧 技術技术
VLA
OGPO: Sample Efficient Full-Finetuning of Generative Control Policies
Sarvesh Patil et al. · 提出 OGPO 算法，实现生成式控制策略（如 Diffusion Policy）的高效全量微调。显著降低样本需求，可直接应用于现有 VLA 模型的离线强化学习精调。
cs.RO
閱讀原文
VLA
AhaRobot: A Low-Cost Open-Source Bimanual Mobile Manipulator for Embodied AI
Haiqin Cui et al. · 开源低成本双臂移动操作平台 AhaRobot，旨在降低 VLA 数据收集门槛。提供完整硬件设计与 teleoperation 接口，适合团队快速构建数据采集系统。
cs.RO
閱讀原文
VLA
RoboEval: Where Robotic Manipulation Meets Structured and Scalable Evaluation
Yi Ru Wang et al. · 推出 RoboEval 评估框架，引入行为与结果指标以替代单一成功率。为 VLA 策略提供更细粒度的性能分析工具，有助于诊断模型在复杂任务中的具体缺陷。
cs.RO
閱讀原文
VLA
OmniUMI: Towards Physically Grounded Robot Learning via Human-Aligned Multimodal Interaction
Shaqi Luo et al. · 扩展 UMI 范式至多模态交互，引入物理接触信号以增强机器人学习的物理 grounding。为提升 VLA 在接触丰富任务中的表现提供了新的数据收集维度。
cs.RO
閱讀原文
VLA [Utah State University]
FingerViP: Learning Real-World Dexterous Manipulation with Fingertip Visual Perception
Zhen Zhang et al. · 提出 FingerViP 系统，利用指尖视觉感知解决灵巧操作中手腕视角遮挡问题。在真实世界灵巧操作任务中显著提升性能，为触觉/视觉融合 VLA 提供新视角。
cs.RO
閱讀原文
VLA [University of Turku]
Can Explicit Physical Feasibility Benefit VLA Learning? An Empirical Study
Yubai Wei et al. · 实证研究显式物理可行性约束对 VLA 学习的影响。揭示传统模仿学习中忽略物理约束的弊端，为改进 VLA 训练目标和损失函数提供关键工程洞见。
cs.RO
閱讀原文
VLA
Phone2Act: A Low-Cost, Hardware-Agnostic Teleoperation System for Scalable VLA Data Collection
Om Mandhane et al. · 开发 Phone2Act 手机遥操作系统，实现低成本、硬件无关的 VLA 数据收集。极大降低数据获取门槛，本周即可部署用于扩充多样化操作数据集。
cs.AI
閱讀原文
VLA
CoRAL: Contact-Rich Adaptive LLM-based Control for Robotic Manipulation
Berk \c{C}i\c{c}ek et al. · 提出 CoRAL，利用 LLM 进行接触丰富操作的自适应控制。结合高层语义推理与底层控制，为解决 VLA 在复杂接触任务中的局限性提供新思路。
cs.AI
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，通过时空一致性预测预热视觉运动策略，加速 Diffusion Policy 推理。显著减少去噪步数，可直接集成以提升现有 VLA 模型的实时性。
cs.AI
閱讀原文
VLA [Harbin Institute of Technology]
RoboAlign-R1: Distilled Multimodal Reward Alignment for Robot Video World Models
Hao Wu et al. · 提出 RoboAlign-R1，通过蒸馏多模态奖励对齐机器人视频世界模型。改善世界模型对指令跟随能力的对齐，为基于世界模型的 VLA 规划提供新训练目标。
cs.RO
閱讀原文
📖 背景閱讀背景阅读
VLA
RLDX-1 Technical Report
Dongyoung Kim et al. · 技术报告，介绍 RLDX-1 VLA 模型。摘要未提供具体架构创新或基准测试对比数据，缺乏评估其战略价值的量化证据。
cs.RO
閱讀原文
VLA [Nanjing Agricultural University]
Bridging the Embodiment Gap: Disentangled Cross-Embodiment Video Editing
Zhiyuan Li et al. · 通过解耦跨实体视频编辑来缩小人机形态差异，旨在从人类视频学习机器人操作。目前仅涉及视觉表征对齐，缺乏明确的机器人控制策略验证。
cs.RO
閱讀原文
VLA [Capital Medical University]
Safety in Embodied AI: A Survey of Risks, Attacks, and Defenses
Xiao Li et al. · 具身智能安全综述，涵盖风险、攻击与防御。属于重要但非紧急的背景知识梳理，不直接提供新的 VLA 算法或工程实现方案。
cs.RO
閱讀原文
VLA
VOFA: Visual Object Goal Pushing with Force-Adaptive Control for Humanoids
Zichao Hu et al. · 针对人形机器人推重物任务，结合视觉目标与力自适应控制。虽涉及具身控制，但侧重于特定技能而非通用 VLA 架构，且缺乏大规模泛化实验。
cs.RO
閱讀原文
VLA
VUDA: Breaking CUDA-Vulkan Isolation for Spatial Sharing of Compute and Graphics on the Same GPU
Bin Xu et al. · 优化 GPU 上 CUDA 与 Vulkan 的资源共享，加速具身 AI 仿真环境。属于底层系统优化，虽有益但非 VLA 算法核心进展，适用性较窄。
cs.AI
閱讀原文
VLA
IMPACT-HOI: Supervisory Control for Onset-Anchored Partial HOI Event Construction
Haoshen Zhang et al. · 提出 IMPACT-HOI 框架用于标注人机交互视频事件图。作为数据预处理工具，间接支持机器人学习，但本身不涉及控制策略或 VLA 架构。
cs.AI
閱讀原文
VLA [Luna Innovations (United States)]
VILAS: A VLA-Integrated Low-cost Architecture with Soft Grasping for Robotic Manipulation
Zijian An (Luna) et al. · 集成 VLA 的低成本软体抓取平台 VILAS。主要贡献在于硬件系统集成，算法层面未见显著创新，更多是工程实现案例。
cs.AI
閱讀原文
VLA
Learning Equivariant Neural-Augmented Object Dynamics From Few Interactions
Sergio Orozco et al. · 学习等变神经增强的物体动力学模型，适用于可变形物体。侧重动力学建模而非端到端 VLA 控制，方法相邻但应用路径尚不明确。
cs.AI
閱讀原文
VLA [Harbin Institute of Technology]
Video Generation Models as World Models: Efficient Paradigms, Architectures and Algorithms
Muyang He et al. · 综述视频生成模型作为世界模型的范式与算法。理论性强，但未提供具体的机器人控制应用方案或实证结果，属于背景阅读材料。
cs.CV
閱讀原文
VLA [Inha University]
Learning Reactive Dexterous Grasping via Hierarchical Task-Space RL Planning and Joint-Space QP Control
Ho Jae Lee et al. · 分层 RL 与 QP 控制结合的灵巧抓取方法。侧重传统控制与 RL 混合架构，未体现 VLA 的多模态语言条件特性，与主流 VLA 研究方向偏离。
cs.RO
閱讀原文
VLA
Latent State Design for World Models under Sufficiency Constraints
Keon Woo Kim · 探讨充分性约束下的世界模型潜状态设计。理论深度高，但缺乏具体的机器人实验验证，难以直接转化为 VLA 架构改进。
cs.AI
閱讀原文
VLA
A Benchmark for Interactive World Models with a Unified Action Generation Framework
Jianjie Fang et al. · 提出交互式世界模型基准及统一动作生成框架。虽涉及动作生成，但重点在于评估基准构建，对 VLA 算法本身的直接推动有限。
cs.CV
閱讀原文
VLA
Geometry Forcing: Marrying Video Diffusion and 3D Representation for Consistent World Modeling
Haoyu Wu et al. · 结合视频扩散与 3D 表示以实现几何一致的世界建模。侧重视觉表征学习，未明确展示其在机器人控制策略中的应用效果。
cs.CV
閱讀原文