VLA
GHOST: Hierarchical Sub-Goal Policies for Generalizing Robot Manipulation
Sriram Krishna et al. · 提出分层策略框架，高层预测3D子目标分布，底层执行视觉运动策略。提供了解决长程任务泛化问题的具体工程路径，代码/方法易于集成到现有VLA流程中。
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
- Beyond APIs: Probing the Limits of MLLMs in Physical Tool Use 探讨 MLLM 在物理工具使用中的局限性，属于 Embodied AI 基础能力评估。缺乏具体的 VLA 架构创新或实时控制实验，主要贡献在于分析而非方法提出。 HF-PAPER
- GHOST: Hierarchical Sub-Goal Policies for Generalizing Robot Manipulation Sriram Krishna et al. · 提出分层策略框架，高层预测3D子目标分布，底层执行视觉运动策略。提供了解决长程任务泛化问题的具体工程路径，代码/方法易于集成到现有VLA流程中。 CS.RO
- Flow Control: Steering Vision-Language-Action Models with Simple Real-Time Inputs Jonathan C. Kao et al. · 引入无需重训练的实时干预机制，通过键盘等简单输入直接引导VLA动作。为VLA部署提供了即插即用的安全与控制接口，具有极高的工程实用价值。 CS.RO
- What Matters in Orchestrating Robot Policies: A Systematic Study of Hierarchical VLA Agents Jiaheng Hu et al. · 系统研究分层VLA代理的编排要素，属于实证分析与综述性质。虽对理解Hi-VLA有帮助，但无新算法或显著性能突破，适合了解现状而非立即应用。 CS.RO
- SARM2: Multi-Task Stage Aware Reward Modeling for Self Improving Robotic Manipulation Qianzhong Chen et al. · 针对长程操作提出阶段感知奖励模型，减少对高质量演示数据的依赖。为VLA的RL精调提供了新的数据效率优化方向，方法具有明确的复用性。 CS.RO
- HiMem-WAM: Hierarchical Memory-Gated World Action Models for Robotic Manipulation Xiaoquan Sun et al. · 结合层次记忆门控与世界动作模型（WAM），增强任务相关动态建模与泛化能力。填补了WAM在长期依赖处理上的空白，为提升VLA鲁棒性提供新架构思路。 CS.RO
- A Practical Recipe Towards Improving Sim-and-Real Correlation for VLA Evaluation Shuo Wang et al. · 提供改善仿真与现实相关性的实践指南，属于方法论总结。虽重要但非核心算法创新，且缺乏统一基准测试对比，适合作为评估参考而非技术突破。 CS.RO
- Test-time Adversarial Takeover: A Real-time Hijacking Interface against Robotic Diffusion Policies Zi Yin et al. · 揭示扩散策略在视觉条件上的对抗脆弱性并提出劫持接口。属于安全性研究，虽具警示意义但不涉及VLA核心性能提升或通用架构改进。 CS.RO
- UMI-Bench 1.0: An Open and Reproducible Real-World Benchmark for Tabletop Robotic Manipulation with UMI Data Shi Jin et al. · 发布基于UMI数据的真实世界桌面操作基准。作为数据集/基准贡献，有助于标准化评估，但本身不包含新算法或模型改进。 CS.RO
- Act on What You See: Unlocking Safe Social Navigation in Vision-Language-Action Models Qingzi Wang (University of Maryland) et al. · 探索VLA在社交导航中对行人障碍物的区分与安全反应能力。聚焦于特定场景（移动操作）的安全性，未涉及通用操作范式的突破。 CS.RO
- Uncovering Vulnerability of Vision-Language-Action Models under Joint-Level Physical Faults Minsoo Jo et al. · 分析VLA在关节级物理故障下的鲁棒性漏洞。属于可靠性评估研究，旨在发现缺陷而非提出通用的抗故障架构或训练方法。 CS.RO
- VeriSpace: Spatially Grounded Action Verification for Vision-Language-Action Models Guiyu Zhao et al. · 提出空间接地动作验证模块，通过二次检查减少单步动作错误导致的失败。为VLA推理阶段增加了可复用的纠错机制，显著提升实际部署成功率。 CS.RO
VLA 研究日報VLA 研究日报
共 27 篇
🔧 技術技术
VLA
Flow Control: Steering Vision-Language-Action Models with Simple Real-Time Inputs
Jonathan C. Kao et al. · 引入无需重训练的实时干预机制，通过键盘等简单输入直接引导VLA动作。为VLA部署提供了即插即用的安全与控制接口，具有极高的工程实用价值。
cs.RO
閱讀原文
VLA
SARM2: Multi-Task Stage Aware Reward Modeling for Self Improving Robotic Manipulation
Qianzhong Chen et al. · 针对长程操作提出阶段感知奖励模型，减少对高质量演示数据的依赖。为VLA的RL精调提供了新的数据效率优化方向，方法具有明确的复用性。
cs.RO
閱讀原文
VLA
HiMem-WAM: Hierarchical Memory-Gated World Action Models for Robotic Manipulation
Xiaoquan Sun et al. · 结合层次记忆门控与世界动作模型（WAM），增强任务相关动态建模与泛化能力。填补了WAM在长期依赖处理上的空白，为提升VLA鲁棒性提供新架构思路。
cs.RO
閱讀原文
VLA
VeriSpace: Spatially Grounded Action Verification for Vision-Language-Action Models
Guiyu Zhao et al. · 提出空间接地动作验证模块，通过二次检查减少单步动作错误导致的失败。为VLA推理阶段增加了可复用的纠错机制，显著提升实际部署成功率。
cs.RO
閱讀原文
VLA
Task Robustness via Re-Labelling Vision-Action Robot Data
Artur Kuramshin et al. · 提出通过重新标注视觉-动作数据来提升指令跟随鲁棒性。提供了一种低成本的数据清洗/增强手段，可直接应用于现有VLA训练流程以改善指令遵循能力。
cs.RO
閱讀原文
VLA
SAFE-Pruner: Semantic Attention-Guided Future-Aware Token Pruning for Efficient Vision-Language-Action Manipulation
Shilin Ma et al. · 引入语义注意力引导的未来感知Token剪枝，加速VLA实时推理。解决了VLA部署中的计算瓶颈问题，方法即插即用，显著提升推理速度。
cs.RO
閱讀原文
VLA
CAST: Counterfactual Labels Improve Instruction Following in Vision-Language-Action Models
Catherine Glossop et al. · 利用反事实标签增强VLA的指令跟随能力。通过数据增强策略解决常见痛点，方法简单有效，易于集成到现有训练管线中。
cs.RO
閱讀原文
VLA
MIND-V: Hierarchical World Model for Long-Horizon Robotic Manipulation with RL-based Physical Alignment
Ruicheng Zhang et al. · 构建分层世界模型并结合RL物理对齐，解决长程操作数据稀缺问题。为VLA提供了新的预训练/微调范式，显著提升复杂任务规划能力。
cs.RO
閱讀原文
VLA
Online Self-Training for Co-Adaptation in Hierarchical Diffusion Policies
Clemence Grislain et al. · 提出分层扩散策略的在线自训练共适应机制。解决高低层策略协调难题，提升实机部署稳定性，方法具有明确的工程复用价值。
cs.RO
閱讀原文
VLA
QDepth-VLA: Quantized Depth Prediction as Auxiliary Supervision for Vision-Language-Action Models
Yixuan Li et al. · 将量化深度预测作为辅助监督信号引入VLA，增强3D空间理解。方法轻量且易集成，能有效提升细粒度操作的空间推理精度。
cs.RO
閱讀原文
VLA [LIBERO Team]
LIBERO-Occ: Evaluating and Improving Vision-Language-Action Models under Scene-Induced Occlusion via Viewpoint Imagination
Taishan Li et al. · 针对遮挡场景提出视点想象机制，并在LIBERO上建立新基准。既提供了克服感知瓶颈的新方法，又发布了评估工具，兼具理论与实用价值。
cs.AI
閱讀原文
📖 背景閱讀背景阅读
VLA
Beyond APIs: Probing the Limits of MLLMs in Physical Tool Use
探讨 MLLM 在物理工具使用中的局限性，属于 Embodied AI 基础能力评估。缺乏具体的 VLA 架构创新或实时控制实验，主要贡献在于分析而非方法提出。
hf-papers
閱讀原文
VLA
What Matters in Orchestrating Robot Policies: A Systematic Study of Hierarchical VLA Agents
Jiaheng Hu et al. · 系统研究分层VLA代理的编排要素，属于实证分析与综述性质。虽对理解Hi-VLA有帮助，但无新算法或显著性能突破，适合了解现状而非立即应用。
cs.RO
閱讀原文
VLA
A Practical Recipe Towards Improving Sim-and-Real Correlation for VLA Evaluation
Shuo Wang et al. · 提供改善仿真与现实相关性的实践指南，属于方法论总结。虽重要但非核心算法创新，且缺乏统一基准测试对比，适合作为评估参考而非技术突破。
cs.RO
閱讀原文
VLA
Test-time Adversarial Takeover: A Real-time Hijacking Interface against Robotic Diffusion Policies
Zi Yin et al. · 揭示扩散策略在视觉条件上的对抗脆弱性并提出劫持接口。属于安全性研究，虽具警示意义但不涉及VLA核心性能提升或通用架构改进。
cs.RO
閱讀原文
VLA
UMI-Bench 1.0: An Open and Reproducible Real-World Benchmark for Tabletop Robotic Manipulation with UMI Data
Shi Jin et al. · 发布基于UMI数据的真实世界桌面操作基准。作为数据集/基准贡献，有助于标准化评估，但本身不包含新算法或模型改进。
cs.RO
閱讀原文
VLA
Act on What You See: Unlocking Safe Social Navigation in Vision-Language-Action Models
Qingzi Wang (University of Maryland) et al. · 探索VLA在社交导航中对行人障碍物的区分与安全反应能力。聚焦于特定场景（移动操作）的安全性，未涉及通用操作范式的突破。
cs.RO
閱讀原文
VLA
Uncovering Vulnerability of Vision-Language-Action Models under Joint-Level Physical Faults
Minsoo Jo et al. · 分析VLA在关节级物理故障下的鲁棒性漏洞。属于可靠性评估研究，旨在发现缺陷而非提出通用的抗故障架构或训练方法。
cs.RO
閱讀原文
VLA
Dexterous Point Policy: Learning Point-based Dexterous Hand Policies from Human Demonstrations
Beomjun Kim et al. · 专注于灵巧手从人类演示中学习点云策略，解决具身差距。虽属触觉/灵巧操作热点，但侧重特定硬件适配，通用VLA迁移性有限。
cs.RO
閱讀原文
VLA
IMPACT: Learning Internal-Model Predictive Control for Forceful Robotic Manipulation
Jiawei Gao et al. · 结合内部模型预测控制处理强力交互任务。针对接触丰富场景的专用方法，未展示在标准VLA基准上的通用泛化优势。
cs.RO
閱讀原文
VLA
MV-Actor: Aligning Multi-View Semantics and Spatial Awareness for Bimanual Manipulation
Yinchen Tian et al. · 针对双臂操作的多视图语义对齐方法。解决特定视角下的空间感知问题，实验局限于双臂场景，未证明对单臂或通用VLA的广泛适用性。
cs.RO
閱讀原文
VLA
A Survey of Robotic Navigation and Manipulation with Physics Simulators in the Era of Embodied AI
Lik Hang Kenny Wong et al. · 综述物理仿真器在机器人导航与操作中的应用。属于文献总结，无新方法或实验贡献，仅用于背景知识补充。
cs.RO
閱讀原文
VLA
HandCept: A Visual-Inertial Fusion Framework for Accurate Proprioception in Dexterous Hands
Huang Junda et al. · 提出视惯融合框架以增强灵巧手本体感觉。侧重传感器融合与硬件层改进，非VLA算法层面的核心进展。
cs.RO
閱讀原文
VLA
Going with the Flow: Koopman Behavioral Models as Pseudo Planners for Visuo-Motor Dexterity
Yunhai Han et al. · 利用Koopman算子作为伪规划器提升视觉运动灵巧性。理论新颖但实验多限于仿真或简化场景，离通用VLA部署尚有距离。
cs.RO
閱讀原文
VLA
RobotEQ: Transitioning from Passive Intelligence to Active Intelligence in Embodied AI
Kuofei Fang et al. · 探讨从被动指令执行向主动智能的转变概念。偏向哲学或高层架构讨论，缺乏具体的VLA算法实现或量化实验支撑。 [💧灌水]
cs.RO
閱讀原文
VLA
BadRobot: Jailbreaking Embodied LLM Agents in the Physical World
Hangtao Zhang et al. · 研究实体LLM代理的物理世界越狱攻击。属于安全领域研究，不直接贡献于VLA性能提升或通用能力扩展。
cs.RO
閱讀原文