VLA [Berkeley|Zhu]
Memory Retrieval in Visuomotor Policies for Long-Horizon Robot Control
Rutav Shah et al. · 针对长程任务中的部分可观测性问题，提出在视觉运动策略中引入记忆检索机制。亮点在于通过回顾历史状态（如物体位置、任务进度）提升自主性，为VLA处理复杂时序依赖提供了可复用的记忆模块设计思路。
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
- Memory Retrieval in Visuomotor Policies for Long-Horizon Robot Control [Berkeley|Zhu] Rutav Shah et al. · 针对长程任务中的部分可观测性问题，提出在视觉运动策略中引入记忆检索机制。亮点在于通过回顾历史状态（如物体位置、任务进度）提升自主性，为VLA处理复杂时序依赖提供了可复用的记忆模块设计思路。 CS.RO
- RigPI: Dynamic Parameter Identification of Rigid Body via VLM-Seeded Differentiable Simulation Xincheng He et al. · 利用VLM初始化参数并通过可微仿真识别刚体物理属性（惯性、摩擦）。虽涉及VLM，但核心贡献是物理参数辨识方法，缺乏直接的操作策略实验，属于VLA前置感知/仿真环节。 CS.RO
- GRAFT: Graph-Based Affordance Transfer via Part Correspondence [Stanford|Mishra] Mengying Lin et al. · 解决少样本泛化难题，通过图结构建立未见物体与已知物体的部件对应关系以转移操作 affordance。相比纯语义检索，该方法保留了几何约束，为VLA的零样本/少样本迁移提供了新的特征对齐路径。 CS.RO
- Decoupling Semantics and Geometric Grounding: Spatial Visual Prompts for Language-Conditioned Imitation Learning Yanzhe Tang et al. · 针对端到端VLA中语义推理与空间控制耦合导致的对齐瓶颈，提出解耦架构并引入空间视觉提示。该方法显著提升了目标指代精度，为优化VLA的空间 grounding 能力提供了具体的工程改进方案。 CS.RO
- AISPO: Enhancing Depth Reliability for Robotic Manipulation of Non-Lambertian Objects via Affine-Invariant Shape Prior Zhiming Chen et al. · 专注于解决非朗伯体（透明/反光）物体的深度感知噪声问题，通过仿射不变形状先验增强鲁棒性。虽对操作至关重要，但属纯感知算法优化，未涉及VLA决策或控制层面。 CS.RO
- One Body, Two Minds: Variable Autonomy Approach for a Co-embodied Robotic Hand Piotr Koczy et al. · 探讨共身机器人手的人机共享控制权变机制，平衡用户代理权与自动化。重点在于交互范式而非VLA模型本身，缺乏对通用视觉语言动作模型的实质性改进。 CS.RO
- WOLF-VLA: Whole-Body Humanoid Optimal Locomotion Framework for Vision-Language-Action Learning Melya Boukheddimi et al. · 将VLA扩展至全身人形机器人的移动操作，解决数据稀缺和动力学约束问题。提出了结合最优控制的框架，填补了VLA在接触丰富型 locomotion 任务中的应用空白，具有明确的架构创新。 CS.RO
- Stage-Aware and Roughness-Constrained Diffusion Policy for Multi-Stage Robotic Polishing Shuai Ke et al. · 针对特定工业抛光任务设计的阶段感知扩散策略。虽应用了Diffusion Policy，但高度定制化且缺乏通用基准验证，属于垂直领域应用，对通用VLA研究参考价值有限。 CS.RO
- Action ControlNet: A Lightweight Delay-Aware Adapter for Smooth Asynchronous Control in Vision-Language-Action Models Tiecheng Guo et al. · 解决VLA推理延迟导致的高频控制不稳定问题，提出轻量级延迟感知适配器以实现平滑异步控制。该方法即插即用，可直接部署以提升现有VLA模型的实时执行性能，工程价值高。 CS.RO
- FORCE: Efficient VLA Reinforcement Fine-Tuning via Value-Calibrated Warm-up and Self-Distillation Shuyi Zhang et al. · 针对VLA模仿学习天花板，提出高效的RL微调框架FORCE。通过值校准预热和自蒸馏解决样本效率低的问题，在标准基准上展示了超越IL的性能，为VLA后训练提供了可复用的SOTA方法。 CS.RO
- In-Context World Modeling for Robotic Control Siyin Wang et al. · 指出VLA因忽略环境动态而泛化受限，提出上下文世界建模以预测动作后果。该方法增强了模型对新视角/形态的适应能力，从原理上弥补了纯反应式VLA的缺陷，具有理论深度。 CS.RO
- ForceBand: Learning Forceful Manipulation with sEMG [Berkeley|Malik] Botao He et al. · 利用表面肌电信号(sEMG)捕捉人类演示中的力信息，解决传统视觉演示缺失力学线索的问题。为VLA引入了新的多模态输入通道，特别适用于需要精细力控的操作任务，数据收集方法具创新性。 CS.RO
VLA 研究日報VLA 研究日报
共 30 篇
🔧 技術技术
VLA [Stanford|Mishra]
GRAFT: Graph-Based Affordance Transfer via Part Correspondence
Mengying Lin et al. · 解决少样本泛化难题，通过图结构建立未见物体与已知物体的部件对应关系以转移操作 affordance。相比纯语义检索，该方法保留了几何约束，为VLA的零样本/少样本迁移提供了新的特征对齐路径。
cs.RO
閱讀原文
VLA
Decoupling Semantics and Geometric Grounding: Spatial Visual Prompts for Language-Conditioned Imitation Learning
Yanzhe Tang et al. · 针对端到端VLA中语义推理与空间控制耦合导致的对齐瓶颈，提出解耦架构并引入空间视觉提示。该方法显著提升了目标指代精度，为优化VLA的空间 grounding 能力提供了具体的工程改进方案。
cs.RO
閱讀原文
VLA
WOLF-VLA: Whole-Body Humanoid Optimal Locomotion Framework for Vision-Language-Action Learning
Melya Boukheddimi et al. · 将VLA扩展至全身人形机器人的移动操作，解决数据稀缺和动力学约束问题。提出了结合最优控制的框架，填补了VLA在接触丰富型 locomotion 任务中的应用空白，具有明确的架构创新。
cs.RO
閱讀原文
VLA
Action ControlNet: A Lightweight Delay-Aware Adapter for Smooth Asynchronous Control in Vision-Language-Action Models
Tiecheng Guo et al. · 解决VLA推理延迟导致的高频控制不稳定问题，提出轻量级延迟感知适配器以实现平滑异步控制。该方法即插即用，可直接部署以提升现有VLA模型的实时执行性能，工程价值高。
cs.RO
閱讀原文
VLA
FORCE: Efficient VLA Reinforcement Fine-Tuning via Value-Calibrated Warm-up and Self-Distillation
Shuyi Zhang et al. · 针对VLA模仿学习天花板，提出高效的RL微调框架FORCE。通过值校准预热和自蒸馏解决样本效率低的问题，在标准基准上展示了超越IL的性能，为VLA后训练提供了可复用的SOTA方法。
cs.RO
閱讀原文
VLA
In-Context World Modeling for Robotic Control
Siyin Wang et al. · 指出VLA因忽略环境动态而泛化受限，提出上下文世界建模以预测动作后果。该方法增强了模型对新视角/形态的适应能力，从原理上弥补了纯反应式VLA的缺陷，具有理论深度。
cs.RO
閱讀原文
VLA [Berkeley|Malik]
ForceBand: Learning Forceful Manipulation with sEMG
Botao He et al. · 利用表面肌电信号(sEMG)捕捉人类演示中的力信息，解决传统视觉演示缺失力学线索的问题。为VLA引入了新的多模态输入通道，特别适用于需要精细力控的操作任务，数据收集方法具创新性。
cs.RO
閱讀原文
VLA [Stanford|Li]
Learning Action Priors for Cross-embodiment Robot Manipulation
Dong Jing et al. · 针对VLA动作模块缺乏物理先验的问题，提出学习跨实体动作先验。通过解耦视觉语言表征与动作分布，提升了不同机器人平台间的迁移能力，为改善VLA的动作生成质量提供了新视角。
cs.RO
閱讀原文
VLA
Reflective VLA: In-Context Action Consequences Make VLAs Generalize
Qing Lian et al. · 提出反射式VLA架构，通过在上下文中显式建模动作后果来克服反应式模型的局限性。该方法增强了状态估计的完整性，在长程任务中展现了更好的泛化性，是对VLA推理范式的有益补充。
cs.RO
閱讀原文
VLA
ROAD-VLA: Robust Online Adaptation via Self-Distillation for Vision-Language-Action Models
Kejing Wang et al. · 解决VLA在线适应难的问题，利用自蒸馏提供密集监督信号以应对稀疏奖励。该方法允许模型在部署过程中持续优化，为VLA的动态环境适应性提供了可行的技术路径。
cs.RO
閱讀原文
VLA
TIDAL: Temporally Interleaved Diffusion and Action Loop for High-Frequency VLA Control
Yuteng Sun et al. · 针对VLA高频控制延迟问题，提出时间交错扩散与动作循环机制。通过并行化处理消除执行盲区，显著提升控制频率，是解决VLA实时性瓶颈的关键工程创新。
cs.RO
閱讀原文
VLA
RoboRouter: Training-Free Policy Routing for Robotic Manipulation
Yiteng Chen et al. · 提出无需训练的动态策略路由机制，根据任务难度自动选择VLA、VA或代码策略。该方法降低了单一模型的负担，提升了系统整体鲁棒性，为混合专家系统在机器人领域的应用提供了新思路。
cs.RO
閱讀原文
VLA
PolicyTrim: Boosting Intrinsic Policy Efficiency of Vision-Language-Action Models
Xianghui Wang et al. · 聚焦VLA部署效率，提出通过修剪提升策略内在效率的方法。不同于单纯的计算加速，该方法优化了策略本身的复杂度，有助于在资源受限设备上运行高性能VLA，具备实用价值。
cs.CV
閱讀原文
VLA
$\omega$-EVA: Envision, Verify, and Act with Latent Interactive World Models
Zhenguo Sun et al. · 提出基于潜在交互世界模型的“设想-验证-行动”框架，使策略能预判动作后果。该方法增强了VLA的规划能力和安全性，为解决黑盒策略的信任问题提供了可复用的架构组件。
cs.RO
閱讀原文
📖 背景閱讀背景阅读
VLA
RigPI: Dynamic Parameter Identification of Rigid Body via VLM-Seeded Differentiable Simulation
Xincheng He et al. · 利用VLM初始化参数并通过可微仿真识别刚体物理属性（惯性、摩擦）。虽涉及VLM，但核心贡献是物理参数辨识方法，缺乏直接的操作策略实验，属于VLA前置感知/仿真环节。
cs.RO
閱讀原文
VLA
AISPO: Enhancing Depth Reliability for Robotic Manipulation of Non-Lambertian Objects via Affine-Invariant Shape Prior
Zhiming Chen et al. · 专注于解决非朗伯体（透明/反光）物体的深度感知噪声问题，通过仿射不变形状先验增强鲁棒性。虽对操作至关重要，但属纯感知算法优化，未涉及VLA决策或控制层面。
cs.RO
閱讀原文
VLA
One Body, Two Minds: Variable Autonomy Approach for a Co-embodied Robotic Hand
Piotr Koczy et al. · 探讨共身机器人手的人机共享控制权变机制，平衡用户代理权与自动化。重点在于交互范式而非VLA模型本身，缺乏对通用视觉语言动作模型的实质性改进。
cs.RO
閱讀原文
VLA
Stage-Aware and Roughness-Constrained Diffusion Policy for Multi-Stage Robotic Polishing
Shuai Ke et al. · 针对特定工业抛光任务设计的阶段感知扩散策略。虽应用了Diffusion Policy，但高度定制化且缺乏通用基准验证，属于垂直领域应用，对通用VLA研究参考价值有限。
cs.RO
閱讀原文
VLA
MANGO: Automated Multi-Agent Test Oracle Generation for Vision-Language-Action Models
Pablo Valle et al. · 关注VLA模型的测试与验证，提出自动生成测试预言的方法。虽对工程落地重要，但属于QA/测试领域，不涉及VLA核心算法或性能提升，故归为值得了解。
cs.RO
閱讀原文
VLA
RoDyn: Taming Interactive Robot-Dynamic 2.5D World Model for Robotic Manipulation
Chuanrui Zhang et al. · 构建包含机器人动力学的2.5D世界模型，旨在弥补纯视频世界模型缺乏空间运动推理的缺陷。虽概念先进，但摘要未明确展示其在VLA控制闭环中的具体增益，暂归为相关探索。
cs.RO
閱讀原文
VLA
Spotlighting Task-Relevant Features: Object-Centric Representations for Better Generalization in Robotic Manipulation
Alexandre Chapin et al. · 研究以对象为中心的视觉表征对泛化的影响，提出聚焦任务相关特征的编码方式。虽有助于理解VLA内部机制，但主要贡献在于表征学习分析，而非直接的策略架构突破。
cs.RO
閱讀原文
VLA
RARM: Confidence-Gated Progress Reward Modeling for RL in Manipulation
Pengzhi Yang et al. · 针对长程操作中的奖励稀疏问题，提出置信度门控的进度奖励建模。虽服务于RL微调，但核心是奖励函数设计，未直接涉及VLA架构，且缺乏与主流VLA基线的广泛对比。
cs.RO
閱讀原文
VLA
HUGE-Bench: A Benchmark for High-Level UAV Vision-Language-Action Tasks
Jingyu Guo et al. · 发布面向无人机的高层级VLA任务基准。作为数据集/基准类工作，其重要性在于填补评估空白，但本身不提供算法创新，符合“值得了解”类别定义。
cs.CV
閱讀原文
VLA
Beyond Next-Observation Prediction: Agent-Authored World Modeling for Sequential Decision Making
探讨LLM智能体的世界建模目标，主张超越下一观测预测。虽涉及决策制定，但侧重于LLM代理层面，与具身VLA的控制闭环关联较弱，属于相邻领域理论探索。
hf-papers
閱讀原文
VLA
TacVerse: A Multi-Sensor Dataset and Benchmark for Cross-Sensor Vision-Based Tactile Perception
Lan Wei et al. · 发布多传感器触觉感知基准数据集。填补了触觉VLA数据空白，对推动触觉模态融合有重要意义，但作为数据集论文，不直接提供算法进展。
cs.RO
閱讀原文
VLA
A 3D-Printable Dataset for Fair Testing and Comparisons of Tactile Sensors
Dexter R. Shepherd et al. · 提供用于公平比较触觉传感器的3D打印数据集。属于基础资源建设，虽有价值但无算法创新，归类为值得了解。
cs.RO
閱讀原文
VLA
When Do Conservation Laws Survive Learned Representations? Certified Horizons for Latent World Models
Hongbo Wang · 理论研究潜在世界模型中守恒律的保持性。虽涉及世界模型理论基础，但过于抽象且缺乏具体的机器人操作实验支撑，对当前VLA工程实践指导意义有限。
cs.RO
閱讀原文
VLA
Conformal Orbit-Valid Trust Horizons for Equivariant World Models
Hongbo Wang · 研究等变世界模型的可信地平线认证。属于理论安全边界分析，未直接应用于VLA控制回路，与日常开发距离较远。
cs.RO
閱讀原文
VLA
Causal-rCM: A Unified Teacher-Forcing and Self-Forcing Open Recipe for Autoregressive Diffusion Distillation in Streaming Video Generation and Interactive World Models
Kaiwen Zheng et al. · 提出流式视频生成的扩散蒸馏方法。虽提及交互式世界模型，但核心贡献在视频生成效率，缺乏在机器人控制任务中的验证，属于相邻技术领域。
cs.CV
閱讀原文