VLA
ACE-Ego-0: Unifying Egocentric Human and Robotic Data for VLA Pretraining
Hao Li et al. · 提出利用大规模第一人称人类视频补充机器人数据稀缺问题，统一预训练VLA。亮点在于解决数据扩展瓶颈，为VLA研究者提供了新的数据源整合思路。
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
- ACE-Ego-0: Unifying Egocentric Human and Robotic Data for VLA Pretraining Hao Li et al. · 提出利用大规模第一人称人类视频补充机器人数据稀缺问题，统一预训练VLA。亮点在于解决数据扩展瓶颈，为VLA研究者提供了新的数据源整合思路。 CS.RO
- Contrastive Action-Image Pre-training for Visuomotor Control Yuvan Sharma et al. · 针对机器人数据集规模不足，提出对比动作-图像预训练方法，利用互联网级数据增强视觉编码器。可直接用于提升现有VLA模型的视觉表征能力。 CS.RO
- EgoInfinity: A Web-Scale 4D Hand-Object Interaction Data Engine for Any-View Robot Retargeting and Video-to-Action Robot Learning Gaotian Wang et al. · 构建Web级4D手部交互数据引擎，旨在将任意RGB视频转化为机器人训练数据。虽具潜力，但主要贡献为数据工程与重定向框架，非核心VLA架构创新。 CS.RO
- AnnotateAnything: Automatic Annotation of 3D Assets for Robot Manipulation Haoran Lu et al. · 提出自动标注3D资产语义和物理属性的工具，服务于仿真数据生成。属于基础设施类工作，对VLA训练有间接帮助，但非直接相关。 CS.RO
- When Robots Sleep: Offline Skill Consolidation for Shared-Policy Robot Learning Nethmi Jayasinghe et al. · 研究连续技能学习中的离线巩固机制，防止灾难性遗忘。侧重于RL策略更新机制，虽与VLA相关，但更偏向传统RL而非多模态VLA核心架构。 CS.RO
- MagicSim: A Unified Infrastructure for Executable Embodied Interaction Haoran Lu et al. · 提出连接控制、技能和规划的统一仿真基础设施。属于工程平台类工作，重要但不紧急，缺乏具体的VLA算法创新。 CS.RO
- GASE: Gaussian Splatting-Based Automated System for Reconstructing Embodied-Simulation Environments Jiawei Zhang et al. · 基于3D Gaussian Splatting自动化重建仿真环境。属于场景重建技术，为机器人提供仿真场地，非VLA模型本身的方法论创新。 CS.RO
- MuseVLA: An Adaptive Multimodal Sensing Vision-Language-Action Model for Robotic Manipulation Xingyuming Liu et al. · 引入触觉等多模态感知到VLA模型，解决仅靠RGB无法感知物理属性的问题。填补了触觉VLA方向的空白，具有明确的实验验证和应用价值。 CS.RO
- ERQA-Plus: A Diagnostic Benchmark for Reasoning in Embodied AI Hong Yang et al. · 发布用于诊断具身智能推理能力的基准测试ERQA-Plus。作为评估工具很有价值，但属于Benchmark类，非方法创新。 CS.RO
- Qwen-RobotManip Technical Report: Alignment Unlocks Scale for Robotic Manipulation Foundation Models Haoqi Yuan et al. · 探讨将大语言模型的对齐与缩放策略应用于机器人操作。提供了关于数据对齐和规模化训练的实证洞见，对构建大规模VLA有参考意义。 CS.RO
- PearlVLA: Progressive Embodied Action-Plan Refinement in Latent Space Bochen Yang et al. · 在潜在空间中进行渐进式动作-计划细化，平衡低延迟控制与显式推理。提出了新的VLA推理范式，有助于提升长程任务性能。 CS.RO
- ThinkingVLA: Interleaved Vision and Language Reasoning for Robotic Manipulation Tianyi Lu et al. · 通过交错视觉和语言推理链（CoT）增强VLA的长程任务处理能力。明确引入了思维链机制，是对现有VLA架构的重要改进。 CS.RO
VLA 研究日報VLA 研究日报
共 28 篇
🔧 技術技术
VLA
Contrastive Action-Image Pre-training for Visuomotor Control
Yuvan Sharma et al. · 针对机器人数据集规模不足，提出对比动作-图像预训练方法，利用互联网级数据增强视觉编码器。可直接用于提升现有VLA模型的视觉表征能力。
cs.RO
閱讀原文
VLA
MuseVLA: An Adaptive Multimodal Sensing Vision-Language-Action Model for Robotic Manipulation
Xingyuming Liu et al. · 引入触觉等多模态感知到VLA模型，解决仅靠RGB无法感知物理属性的问题。填补了触觉VLA方向的空白，具有明确的实验验证和应用价值。
cs.RO
閱讀原文
VLA
Qwen-RobotManip Technical Report: Alignment Unlocks Scale for Robotic Manipulation Foundation Models
Haoqi Yuan et al. · 探讨将大语言模型的对齐与缩放策略应用于机器人操作。提供了关于数据对齐和规模化训练的实证洞见，对构建大规模VLA有参考意义。
cs.RO
閱讀原文
VLA
PearlVLA: Progressive Embodied Action-Plan Refinement in Latent Space
Bochen Yang et al. · 在潜在空间中进行渐进式动作-计划细化，平衡低延迟控制与显式推理。提出了新的VLA推理范式，有助于提升长程任务性能。
cs.RO
閱讀原文
VLA
ThinkingVLA: Interleaved Vision and Language Reasoning for Robotic Manipulation
Tianyi Lu et al. · 通过交错视觉和语言推理链（CoT）增强VLA的长程任务处理能力。明确引入了思维链机制，是对现有VLA架构的重要改进。
cs.RO
閱讀原文
VLA
LAGO Policy: Latency-Aware Asynchronous Diffusion Policies with Goal-Directed Collision-Free Planning for Smooth Manipulation
Guowei Shi et al. · 提出延迟感知的异步扩散策略，结合目标导向的避障规划以解决运动不平滑问题。针对Diffusion Policy部署痛点的具体工程优化，可立即复用。
cs.RO
閱讀原文
VLA
Uncertainty Quantification for Flow-Based Vision-Language-Action Models
Ralf Römer et al. · 针对基于流匹配的VLA模型提出不确定性量化方法。增强了VLA在安全关键场景下的可靠性评估能力，具有明确的理论贡献和应用价值。
cs.RO
閱讀原文
VLA
WeaveLA: Event Driven Cross-Subtask Latent Memory Weaving for Repetitive Robot Manipulation
Shoujing Zhu et al. · 通过事件驱动的跨子任务潜在记忆编织，解决重复性操作中上下文依赖问题。针对VLA短视窗缺陷的结构化改进，具有创新性。
cs.RO
閱讀原文
VLA
GeneralVLA-2: Geometry-Aware Reconstruction and Governed Memory for Robot Planning
Haoyu Wang et al. · 结合几何感知重建和受控记忆机制，提升VLA的3D理解和规划能力。是对GeneralVLA的显著升级，强调了3D证据在VLA中的作用。
cs.RO
閱讀原文
VLA
RLRC: Reinforcement Learning-based Recovery for Compressed Vision-Language-Action Models
Yuxuan Chen et al. · 针对压缩后的VLA模型，提出基于RL的恢复机制以弥补精度损失。解决了VLA轻量化部署中的性能回退问题，具有工程实用价值。
cs.RO
閱讀原文
VLA
When Life Gives You BC, Make Q-functions: Extracting Q-values from Behavior Cloning for On-Robot Reinforcement Learning
Lakshita Dodeja et al. · 从行为克隆（BC）策略中提取Q值，用于在线强化学习。为VLA模型的后续微调提供了新的初始化或奖励塑造方法，具有方法论价值。
cs.RO
閱讀原文
VLA
DeMaVLA: A Vision-Language-Action Foundation Model for Generalizable Deformable Manipulation
Taiyi Su et al. · 专门针对可变形物体操作设计的VLA基础模型。填补了通用VLA在柔性物体处理上的能力空白，具有明确的领域针对性。
cs.RO
閱讀原文
VLA
TORL-VLA: Tactile Guided Online Reinforcement Learning for Contact-Rich Manipulation
Huaihang Zheng et al. · 结合触觉引导和在线RL优化VLA，解决接触丰富任务。直接响应了触觉VLA的研究热点，提供了闭环优化的具体方案。
cs.RO
閱讀原文
VLA
TRACE: Trajectory-Routed Causal Memory for Delayed-Evidence Visuomotor Imitation
Zihao Li et al. · 提出轨迹路由因果记忆机制，处理延迟证据的视觉模仿任务。解决了VLA在部分可观测环境下的长期依赖问题，创新点明确。
cs.RO
閱讀原文
VLA
Unified Motion-Action Modeling for Heterogeneous Robot Learning
Yunhao Cao et al. · 提出统一运动-动作模型（UMA），以3D物体轨迹为接口桥接视觉控制和动力学建模。提供了异构机器人学习的统一视角，具有理论深度。
cs.RO
閱讀原文
VLA
Kairos: A Native World Model Stack for Physical AI
Kairos Team et al. · 构建面向物理AI的原生世界模型栈，支持持久状态和异质经验获取。为VLA提供了底层的世界预测能力，是Agentic VLA的重要组件。
cs.AI
閱讀原文
📖 背景閱讀背景阅读
VLA
EgoInfinity: A Web-Scale 4D Hand-Object Interaction Data Engine for Any-View Robot Retargeting and Video-to-Action Robot Learning
Gaotian Wang et al. · 构建Web级4D手部交互数据引擎，旨在将任意RGB视频转化为机器人训练数据。虽具潜力，但主要贡献为数据工程与重定向框架，非核心VLA架构创新。
cs.RO
閱讀原文
VLA
AnnotateAnything: Automatic Annotation of 3D Assets for Robot Manipulation
Haoran Lu et al. · 提出自动标注3D资产语义和物理属性的工具，服务于仿真数据生成。属于基础设施类工作，对VLA训练有间接帮助，但非直接相关。
cs.RO
閱讀原文
VLA
When Robots Sleep: Offline Skill Consolidation for Shared-Policy Robot Learning
Nethmi Jayasinghe et al. · 研究连续技能学习中的离线巩固机制，防止灾难性遗忘。侧重于RL策略更新机制，虽与VLA相关，但更偏向传统RL而非多模态VLA核心架构。
cs.RO
閱讀原文
VLA
MagicSim: A Unified Infrastructure for Executable Embodied Interaction
Haoran Lu et al. · 提出连接控制、技能和规划的统一仿真基础设施。属于工程平台类工作，重要但不紧急，缺乏具体的VLA算法创新。
cs.RO
閱讀原文
VLA
GASE: Gaussian Splatting-Based Automated System for Reconstructing Embodied-Simulation Environments
Jiawei Zhang et al. · 基于3D Gaussian Splatting自动化重建仿真环境。属于场景重建技术，为机器人提供仿真场地，非VLA模型本身的方法论创新。
cs.RO
閱讀原文
VLA
ERQA-Plus: A Diagnostic Benchmark for Reasoning in Embodied AI
Hong Yang et al. · 发布用于诊断具身智能推理能力的基准测试ERQA-Plus。作为评估工具很有价值，但属于Benchmark类，非方法创新。
cs.RO
閱讀原文
VLA
WireCraft: A Simulation Benchmark for Industrial DLO Manipulation
Chongyu Zhu et al. · 发布针对工业柔性线性物体（DLO）操作的仿真基准。填补特定领域Benchmark空白，但非通用VLA方法创新。
cs.RO
閱讀原文
VLA
EBench: Elemental Diagnosis of Generalist Mobile Manipulation Policies
Ning Gao et al. · 提出细粒度诊断移动操作策略能力的基准EBench。用于分析模型短板，属于评估工具，非算法改进。
cs.RO
閱讀原文
VLA [Physical Intelligence]
Physical Imitation Learning: Distilling Control Policies into Passive Elasticity
Huyue Ma et al. · 研究将控制策略蒸馏到被动弹性体中，侧重身体动力学与控制协同。虽有趣，但更偏向传统机器人学与生物启发控制，非主流VLA路径。
cs.RO
閱讀原文
VLA [UCSD|Wang]
ConTrack: Constrained Hand Motion Tracking with Adaptive Trade-off Control
Yutong Liang et al. · 提出约束下的手部运动跟踪方法，解决运动学间隙。属于底层控制与轨迹跟踪技术，非高层VLA决策模型。
cs.RO
閱讀原文
VLA
MimicIK: Real-Time Generative Inverse Kinematics from Teleoperation with FK Consistency
Jiahao Yang et al. · 基于遥操作数据生成实时逆运动学解，保证正运动学一致性。属于底层运动规划模块，虽有用但非VLA核心架构。
cs.RO
閱讀原文