VLA [Stanford|Finn]
CHORUS: Decentralized Multi-Embodiment Collaboration with One VLA Policy
Ria Doshi et al. · 提出单一VLA策略驱动去中心化多具身协作，突破了VLA仅适用于单臂/单机器人的局限。在移动操作和多机器人协同这一核心瓶颈上实现了架构级创新，且由Chelsea Finn团队主导，潜力巨大。
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
- Making Foresight Actionable: Repurposing Representation Alignment in World Action Models 指出世界动作模型中视觉生成与动作控制的对齐问题，提出通过重利用表示对齐来改进。为使用视频生成作为世界模型的VLA提供了关键的训练/推理优化思路。 HF-PAPER
- DAM-VLA: Decoupled Asynchronous Multimodal Vision Language Action model 针对VLA同步时钟与物理交互频率不匹配的问题，提出解耦异步多模态架构。允许视觉、语言和触觉以不同频率处理，直接提升了高频操作（如触觉）的响应能力。 HF-PAPER
- Ambient Diffusion Policy: Imitation Learning from Suboptimal Data in Robotics 提出从次优数据中学习的方法，虽对数据效率有贡献，但主要聚焦于扩散策略的通用改进，未明确结合VLA架构或语言指令泛化，属于相邻领域的重要工作。 HF-PAPER
- Embodied-R1.5: Evolving Physical Intelligence via Embodied Foundation Models [Physical Intelligence] Yifu Yuan et al. · 声称整合认知、规划等能力的统一基础模型，但摘要缺乏具体架构创新和量化对比细节，且“R1.5”命名易混淆，需正文验证其是否超越现有SOTA或仅为工程堆叠。 CS.RO
- HiPi: Reproducible High-Fidelity Piezoresistive Sensors for Robotic Manipulation Changyi Lin et al. · 专注于压阻式触觉传感器的硬件设计与可重复性制造，虽对触觉VLA至关重要，但属于传感器硬件层创新，非算法或模型架构层面的VLA进展。 CS.RO
- Dynamic Execution Horizon Prediction for Chunk-based Robot Policies Yuchi Zhao et al. · 解决分块策略中固定执行步长的僵化问题，动态预测最佳执行 horizon。可直接应用于 RT-2/Diffusion Policy 等 VLA 推理阶段，提升长程任务稳定性。 CS.RO
- Learning Object Manipulation from Scratch via Contrastive Interaction Tongle Shen et al. · 利用对比强化学习从零开始学习物体操作，侧重于底层动力学表征。虽有用，但未涉及语言指令或高层语义对齐，属于传统机器人学习范畴。 CS.RO
- LUCID: Learning Embodiment-Agnostic Intent Models from Unstructured Human Videos for Scalable Dexterous Robot Skill Acquisition [CMU|Shi] Harsh Gupta et al. · 从非结构化人类视频中学习具身无关的意图模型，解决了数据稀缺和具身绑定问题。为VLA提供了新的低成本数据源和预训练范式，具有高度复用价值。 CS.RO
- TacCoRL: Integrating Tactile Feedback into VLA via Simulation Siyu Ma et al. · 通过仿真将触觉反馈集成到VLA中，填补了主流VLA缺乏接触感知的空白。提供了具体的Sim2Real路径，是触觉VLA方向的可操作级进展。 CS.RO
- Blind Dexterous Grasping via Real2Sim2Real Tactile Policy Learning Shengcheng Luo et al. · 专注于纯触觉盲抓策略的Sim2Real学习，虽涉及灵巧手，但未结合视觉-语言大模型，属于专用策略而非通用VLA架构，归为值得了解。 CS.RO
- DuoBench: A Reproducible Benchmark for Bimanual Manipulation in Simulation and the Real World Tobias Jülg et al. · 发布双臂操作基准测试集，包含仿真和真机数据。作为基础设施重要，但本身无新算法，归类为数据集/基准类论文。 CS.RO
- VICX: Generalizable Robot Manipulation via Video Generation and In-Context Operator Network Song Chen et al. · 结合视频生成和上下文网络进行泛化操作，方法较为新颖但摘要未展示在LIBERO/CALVIN等核心VLA基准上的显著优势，暂归为值得了解。 CS.RO
VLA 研究日報VLA 研究日报
共 28 篇
⚡ 突破
🔧 技術技术
VLA
Making Foresight Actionable: Repurposing Representation Alignment in World Action Models
指出世界动作模型中视觉生成与动作控制的对齐问题，提出通过重利用表示对齐来改进。为使用视频生成作为世界模型的VLA提供了关键的训练/推理优化思路。
hf-papers
閱讀原文
VLA
DAM-VLA: Decoupled Asynchronous Multimodal Vision Language Action model
针对VLA同步时钟与物理交互频率不匹配的问题，提出解耦异步多模态架构。允许视觉、语言和触觉以不同频率处理，直接提升了高频操作（如触觉）的响应能力。
hf-papers
閱讀原文
VLA
Dynamic Execution Horizon Prediction for Chunk-based Robot Policies
Yuchi Zhao et al. · 解决分块策略中固定执行步长的僵化问题，动态预测最佳执行 horizon。可直接应用于 RT-2/Diffusion Policy 等 VLA 推理阶段，提升长程任务稳定性。
cs.RO
閱讀原文
VLA [CMU|Shi]
LUCID: Learning Embodiment-Agnostic Intent Models from Unstructured Human Videos for Scalable Dexterous Robot Skill Acquisition
Harsh Gupta et al. · 从非结构化人类视频中学习具身无关的意图模型，解决了数据稀缺和具身绑定问题。为VLA提供了新的低成本数据源和预训练范式，具有高度复用价值。
cs.RO
閱讀原文
VLA
TacCoRL: Integrating Tactile Feedback into VLA via Simulation
Siyu Ma et al. · 通过仿真将触觉反馈集成到VLA中，填补了主流VLA缺乏接触感知的空白。提供了具体的Sim2Real路径，是触觉VLA方向的可操作级进展。
cs.RO
閱讀原文
VLA
Bridging the Morphology Gap: Adapting VLA Models to Dexterous Manipulation via Intent-Conditioned Fine-Tuning
Chuanke Pang et al. · 通过意图条件微调将低自由度VLA适配至灵巧手，解决了形态差异导致的迁移难题。为现有VLA模型扩展至复杂末端执行器提供了明确的技术路径。
cs.RO
閱讀原文
VLA [Berkeley|Bajcsy]
Learning What to Say to Your VLA: Mostly Harmless Vision Language Action Model Steering
Hyun Joe Jeong et al. · 研究如何通过提示词引导（Steering）修正VLA的脆弱行为，提升指令遵循的鲁棒性。为VLA部署中的安全控制和人机交互提供了实用的调试工具。
cs.RO
閱讀原文
VLA
APT: Action Expert Pretraining Improves Instruction Generalization of Vision-Language-Action Policies
Kechun Xu et al. · 通过动作专家预训练提升VLA对OOD指令的泛化能力。针对VLA语言理解与动作执行脱节的问题，提供了有效的模块化训练方案，易于复现和应用。
cs.RO
閱讀原文
VLA
World Pilot: Steering Vision-Language-Action Models with World-Action Priors
Zefu Lin et al. · 利用世界-动作先验引导VLA，弥补静态图文预训练的不足。为VLA引入动态物理常识提供了新的推理约束机制，有助于提升真实场景下的物理合理性。
cs.RO
閱讀原文
VLA
Embodied Interpretability: Linking Causal Understanding to Generalization in Vision-Language-Action Models
Hanxin Zhang et al. · 通过因果干预分析VLA的视觉-动作归因，揭示泛化失败的根源。为理解黑盒VLA提供了可解释性工具，有助于诊断和改进模型偏差。
cs.RO
閱讀原文
VLA
ActionMap: Robot Policy Learning via Voxel Action Heatmap
Pei Yang et al. · 提出体素动作热力图作为VLA的动作解码器，替代传统的连续回归。为3D空间中的精确操作提供了更直观且可能更稳定的输出形式，具有工程复用价值。
cs.RO
閱讀原文
VLA
GEAR-VLA: Learning Geometry-Aware Action Representations for Generalizable Robotic Manipulation
Yuan Zhang et al. · 引入几何感知动作表示以解决VLA在未见物体和背景下的泛化问题。通过增强3D几何理解来提升操作鲁棒性，是对现有VLA架构的有效补充。
cs.RO
閱讀原文
VLA
TORL-VLA: Tactile Guided Online Reinforcement Learning for Contact-Rich Manipulation
Huaihang Zheng et al. · 结合触觉引导的在线RL对VLA进行精调，解决接触丰富任务中的离线数据分布偏移问题。为VLA在真实物理交互中的自适应提供了可行方案。
cs.RO
閱讀原文
📖 背景閱讀背景阅读
VLA
Ambient Diffusion Policy: Imitation Learning from Suboptimal Data in Robotics
提出从次优数据中学习的方法，虽对数据效率有贡献，但主要聚焦于扩散策略的通用改进，未明确结合VLA架构或语言指令泛化，属于相邻领域的重要工作。
hf-papers
閱讀原文
VLA [Physical Intelligence]
Embodied-R1.5: Evolving Physical Intelligence via Embodied Foundation Models
Yifu Yuan et al. · 声称整合认知、规划等能力的统一基础模型，但摘要缺乏具体架构创新和量化对比细节，且“R1.5”命名易混淆，需正文验证其是否超越现有SOTA或仅为工程堆叠。
cs.RO
閱讀原文
VLA
HiPi: Reproducible High-Fidelity Piezoresistive Sensors for Robotic Manipulation
Changyi Lin et al. · 专注于压阻式触觉传感器的硬件设计与可重复性制造，虽对触觉VLA至关重要，但属于传感器硬件层创新，非算法或模型架构层面的VLA进展。
cs.RO
閱讀原文
VLA
Learning Object Manipulation from Scratch via Contrastive Interaction
Tongle Shen et al. · 利用对比强化学习从零开始学习物体操作，侧重于底层动力学表征。虽有用，但未涉及语言指令或高层语义对齐，属于传统机器人学习范畴。
cs.RO
閱讀原文
VLA
Blind Dexterous Grasping via Real2Sim2Real Tactile Policy Learning
Shengcheng Luo et al. · 专注于纯触觉盲抓策略的Sim2Real学习，虽涉及灵巧手，但未结合视觉-语言大模型，属于专用策略而非通用VLA架构，归为值得了解。
cs.RO
閱讀原文
VLA
DuoBench: A Reproducible Benchmark for Bimanual Manipulation in Simulation and the Real World
Tobias Jülg et al. · 发布双臂操作基准测试集，包含仿真和真机数据。作为基础设施重要，但本身无新算法，归类为数据集/基准类论文。
cs.RO
閱讀原文
VLA
VICX: Generalizable Robot Manipulation via Video Generation and In-Context Operator Network
Song Chen et al. · 结合视频生成和上下文网络进行泛化操作，方法较为新颖但摘要未展示在LIBERO/CALVIN等核心VLA基准上的显著优势，暂归为值得了解。
cs.RO
閱讀原文
VLA
UniIntervene: Agentic Intervention for Efficient Real-World Reinforcement Learning
Haoyuan Deng et al. · 提出代理干预机制优化在线RL效率，虽与VLA精调相关，但更偏向于通用RL框架优化，未深入探讨VLA特有的多模态对齐挑战。
cs.RO
閱讀原文
VLA
DIRECT: When and Where Should You Allocate Test-Time Compute in Embodied Planners?
Jadelynn Dao et al. · 研究具身规划器中测试时计算资源的分配策略，关注推理效率而非模型架构或核心性能突破，属于工程优化类工作。
cs.RO
閱讀原文
VLA
Fourier Features Let Agents Learn High Precision Policies with Imitation Learning
Balázs Gyenes et al. · 利用傅里叶特征提升模仿学习的空间精度，主要解决RGB深度歧义问题。虽有效，但属于底层特征工程，未触及VLA的核心语义-动作映射瓶颈。
cs.RO
閱讀原文
VLA
The Unreasonable Effectiveness of Discrete-Time Gaussian Process Mixtures for Robot Policy Learning
Jan Ole von Hartz et al. · 提出混合离散时间高斯过程用于策略学习，强调小样本效率。方法经典但新颖组合，未结合VLA大模型背景，归为相邻领域的理论进展。
cs.RO
閱讀原文
VLA
Self-Supervised Multisensory Pretraining for Contact-Rich Robot Reinforcement Learning
Rickmer Krohn et al. · 针对接触丰富任务的自监督多感官预训练，虽涉及触觉和力觉，但基于RL框架而非VLA端到端架构，属于专用策略优化。
cs.RO
閱讀原文
VLA
Bimanual Robot Manipulation via Multi-Agent In-Context Learning
Alessio Palma et al. · 利用LLM的上下文学习能力实现双臂协作，侧重推理而非端到端训练。虽有趣，但依赖LLM实时推理，延迟高，非典型VLA训练范式。
cs.RO
閱讀原文
VLA
SafeManip: A Property-Driven Benchmark for Temporal Safety Evaluation in Robotic Manipulation
Chengyue Huang et al. · 提出基于属性的时序安全评估基准，关注操作过程中的安全性而非最终成功率。作为评估工具重要，但无新算法贡献。
cs.RO
閱讀原文