VLA
Reinforcement Fine-Tuning of Flow-Matching Policies for Vision-Language-Action Models
Mingyang Lyu et al. · 提出对Flow-Matching VLA进行RL精调，显著超越SOTA基准（如CALVIN）。解决了VLA仅靠BC受限的核心瓶颈，在多个Benchmark上展示显著优势，具备新训练范式特征。
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
- E-TTS: A New Embodied Test-Time Scaling Framework for Robotic Manipulation 提出测试时缩放框架，通过推理机制和历史信息利用提升策略性能。为VLA部署提供新的推理优化思路，可直接应用于现有模型以提升长尾任务表现。 HF-PAPER
- RMTL: Reinforced Micro-task Learning for Long-Horizon Manipulation with VLM Rewards Anıl Can Ateş et al. · 利用VLM作为奖励函数解决长程操作RL稀疏奖励问题，结合微任务学习分解复杂任务。提供了一种无需密集人工标注的RL训练范式，适用于长程操作场景。 CS.RO
- LiMoDE: Rethinking Lifelong Robot Manipulation from a Mixture-of-Dynamic-Experts Perspective Zhihao Gu et al. · 从动态专家混合视角研究终身机器人操作以缓解灾难性遗忘。方法相邻但缺乏明确的VLA架构集成路径，且主要关注参数高效微调，属于增量改进。 CS.RO
- WatchAct: A Benchmark for Behavior-Grounded Robot Manipulation Baiqi Li et al. · 发布基于行为 grounding 的新 benchmark，强调视频中的空间布局和物体历史。作为数据集/基准论文重要但不紧急，需等待后续基于此基准的方法论出现。 CS.RO
- Inference-Time Robot Behavior Steering through Physically-Aware Reconfiguration of Task-Structure Yiyuan Pan et al. · 提出推理时行为引导方法，通过物理感知的任务结构重配置满足用户偏好。解决了预训练策略在测试时适应新约束的问题，具有明确的工程应用价值。 CS.RO
- Bridging Handheld and Teleoperated Supervision for Contact-Rich Manipulation via State-Gated Experts Vidullan Surendran et al. · 通过状态门控专家桥接手持数据与遥操作监督，解决接触丰富操作中的数据分布差异。为低成本数据采集（UMI）提供了有效的迁移学习方案，可复用性强。 CS.RO
- SSI-Policy: Learning Structured Scene Interfaces for Vision-Language Robotic Manipulation Kaijun Wang et al. · 学习结构化场景接口以增强低数据 regime 下的空间 grounding。方法创新一般，主要是在表征层面的改进，缺乏对VLA核心瓶颈的突破性解决。 CS.RO
- Improving Vision-Language-Action Model Fine-Tuning with Structured Stage and Keyframe Supervision Yuan Xu et al. · 引入结构化阶段和关键帧监督改进VLA微调，避免全时间步均匀监督带来的噪声。提供了具体的训练技巧，可直接用于提升现有VLA模型的微调效果。 CS.RO
- RelAfford6D: Relational 6D Affordance Graphs for Constraint-Driven Robotic Manipulation Guodong Zhang et al. · 构建关系型6D可供性图以连接抽象语义与物理控制。侧重于感知与表征，虽相关但未直接涉及VLA动作生成架构，属于相邻领域工作。 CS.RO
- ForesightSafety-VLA: A Unified Diagnostic Safety Benchmark for Vision-Language-Action Models Mingyang Lyu et al. · 提出VLA统一诊断安全基准，评估模型在物理世界中的安全性限制。作为基准论文重要，但本身不提供新的VLA架构或训练方法，归为值得了解。 CS.RO
- PAMAE: Phase-Aware-MoE Action Experts Towards Reliable Flow-Matching Vision-Language-Action Policies Jiayu Yang et al. · 针对流匹配VLA提出相位感知MoE动作专家，解决多阶段操作的可靠性问题。改进了VLA的动作生成模块，具有明确的架构创新和实验验证。 CS.RO
- PhysReflect-VLA: Physical Feasibility and Self-Reflective Regulation for Reliable Vision-Language-Action Policies Jiayu Yang et al. · 引入物理可行性和自反思调节机制，增强VLA在长程操作中的鲁棒性。通过自我修正机制解决执行偏差，为VLA部署提供了新的可靠性保障手段。 CS.RO
VLA 研究日報VLA 研究日报
共 32 篇
⚡ 突破
🔧 技術技术
VLA
E-TTS: A New Embodied Test-Time Scaling Framework for Robotic Manipulation
提出测试时缩放框架，通过推理机制和历史信息利用提升策略性能。为VLA部署提供新的推理优化思路，可直接应用于现有模型以提升长尾任务表现。
hf-papers
閱讀原文
VLA
RMTL: Reinforced Micro-task Learning for Long-Horizon Manipulation with VLM Rewards
Anıl Can Ateş et al. · 利用VLM作为奖励函数解决长程操作RL稀疏奖励问题，结合微任务学习分解复杂任务。提供了一种无需密集人工标注的RL训练范式，适用于长程操作场景。
cs.RO
閱讀原文
VLA
Inference-Time Robot Behavior Steering through Physically-Aware Reconfiguration of Task-Structure
Yiyuan Pan et al. · 提出推理时行为引导方法，通过物理感知的任务结构重配置满足用户偏好。解决了预训练策略在测试时适应新约束的问题，具有明确的工程应用价值。
cs.RO
閱讀原文
VLA
Bridging Handheld and Teleoperated Supervision for Contact-Rich Manipulation via State-Gated Experts
Vidullan Surendran et al. · 通过状态门控专家桥接手持数据与遥操作监督，解决接触丰富操作中的数据分布差异。为低成本数据采集（UMI）提供了有效的迁移学习方案，可复用性强。
cs.RO
閱讀原文
VLA
Improving Vision-Language-Action Model Fine-Tuning with Structured Stage and Keyframe Supervision
Yuan Xu et al. · 引入结构化阶段和关键帧监督改进VLA微调，避免全时间步均匀监督带来的噪声。提供了具体的训练技巧，可直接用于提升现有VLA模型的微调效果。
cs.RO
閱讀原文
VLA
PAMAE: Phase-Aware-MoE Action Experts Towards Reliable Flow-Matching Vision-Language-Action Policies
Jiayu Yang et al. · 针对流匹配VLA提出相位感知MoE动作专家，解决多阶段操作的可靠性问题。改进了VLA的动作生成模块，具有明确的架构创新和实验验证。
cs.RO
閱讀原文
VLA
PhysReflect-VLA: Physical Feasibility and Self-Reflective Regulation for Reliable Vision-Language-Action Policies
Jiayu Yang et al. · 引入物理可行性和自反思调节机制，增强VLA在长程操作中的鲁棒性。通过自我修正机制解决执行偏差，为VLA部署提供了新的可靠性保障手段。
cs.RO
閱讀原文
VLA
LA4VLA: Learning to Act without Seeing via Language-Action Pretraining
Tao Lin et al. · 探索仅通过语言-动作预训练实现VLA，减少对视觉监督的依赖。挑战了传统VLA的多模态对齐范式，可能为解决视觉主导问题提供新路径，值得深入阅读。
cs.RO
閱讀原文
VLA [LIBERO Team]
RouterVLA: Turning Smoke Tests into Supervision for Heterogeneous VLA Selection
Xingyu Ren et al. · 利用部署前的烟雾测试数据监督异构VLA策略选择，将评估过程转化为训练信号。提供了一种高效的模型路由和选择机制，具有明确的工程应用价值。
cs.RO
閱讀原文
VLA
World Action Models Enable Continual Imitation Learning with Recurrent Generative Replays
Manish Kumar Govind et al. · 利用世界动作模型生成未来观测，提出递归生成回放框架进行持续模仿学习。结合了世界模型与IL，有效解决数据效率和持续学习问题，是VLA的重要扩展方向。
cs.RO
閱讀原文
VLA
Scalable Behavior Cloning with Open Data, Training, and Evaluation
Arthur Allshire et al. · 发布ABC-130K大规模开源遥操作数据集及完整BC训练栈。填补了高质量开源数据空白，为VLA社区提供了重要的基础设施和数据资源，本周即可复用。
cs.RO
閱讀原文
VLA
RigPI: Dynamic Parameter Identification of Rigid Body via VLM-Seeded Differentiable Simulation
Xincheng He et al. · 利用VLM种子可微仿真进行刚体动态参数识别，提升数字孪生保真度。为VLA提供了更准确的物理环境建模工具，有助于改善策略的物理一致性。
cs.RO
閱讀原文
VLA
In-Context World Modeling for Robotic Control
Siyin Wang et al. · 引入上下文世界建模以增强VLA对新设置（如相机视角变化）的泛化能力。通过忽略当前观测局限，利用上下文信息提升控制鲁棒性，是对VLA架构的有效补充。
cs.RO
閱讀原文
VLA
PolicyTrim: Boosting Intrinsic Policy Efficiency of Vision-Language-Action Models
Xianghui Wang et al. · 通过修剪提升VLA模型的内在策略效率，解决部署时的计算瓶颈。提供了具体的模型压缩/加速方法，对VLA实际落地具有重要工程价值。
cs.CV
閱讀原文
VLA
Play2Perfect: What Matters in Dexterous Play Pretraining for Precise Assembly?
Tyler Ga Wei Lum et al. · 探究灵巧手预训练对精密装配的关键因素，结合Play Pretraining与RL。为灵巧操作VLA提供了重要的训练策略洞见，特别是针对接触丰富任务。
cs.RO
閱讀原文
VLA
Tactile-WAM: Touch-Aware World Action Model with Tactile Asymmetric Attention
Siyu Wu et al. · 提出触觉感知世界动作模型，通过非对称注意力融合触觉信息。填补了触觉VLA方向的空白，提升了接触丰富操作中的物理完整性预测。
cs.RO
閱讀原文
📖 背景閱讀背景阅读
VLA
LiMoDE: Rethinking Lifelong Robot Manipulation from a Mixture-of-Dynamic-Experts Perspective
Zhihao Gu et al. · 从动态专家混合视角研究终身机器人操作以缓解灾难性遗忘。方法相邻但缺乏明确的VLA架构集成路径，且主要关注参数高效微调，属于增量改进。
cs.RO
閱讀原文
VLA
WatchAct: A Benchmark for Behavior-Grounded Robot Manipulation
Baiqi Li et al. · 发布基于行为 grounding 的新 benchmark，强调视频中的空间布局和物体历史。作为数据集/基准论文重要但不紧急，需等待后续基于此基准的方法论出现。
cs.RO
閱讀原文
VLA
SSI-Policy: Learning Structured Scene Interfaces for Vision-Language Robotic Manipulation
Kaijun Wang et al. · 学习结构化场景接口以增强低数据 regime 下的空间 grounding。方法创新一般，主要是在表征层面的改进，缺乏对VLA核心瓶颈的突破性解决。
cs.RO
閱讀原文
VLA
RelAfford6D: Relational 6D Affordance Graphs for Constraint-Driven Robotic Manipulation
Guodong Zhang et al. · 构建关系型6D可供性图以连接抽象语义与物理控制。侧重于感知与表征，虽相关但未直接涉及VLA动作生成架构，属于相邻领域工作。
cs.RO
閱讀原文
VLA
ForesightSafety-VLA: A Unified Diagnostic Safety Benchmark for Vision-Language-Action Models
Mingyang Lyu et al. · 提出VLA统一诊断安全基准，评估模型在物理世界中的安全性限制。作为基准论文重要，但本身不提供新的VLA架构或训练方法，归为值得了解。
cs.RO
閱讀原文
VLA
Learning to Fold: prizewinning solution at LeHome Challenge 2026 (1st place online, 2nd offline)
Ilia Larchenko · LeHome挑战赛获奖方案，针对双臂衣物折叠任务优化VLA策略。属于特定任务的工程解决方案，通用性有限，但展示了VLA在灵巧操作中的应用潜力。
cs.RO
閱讀原文
VLA
Advancing Omnimodal Embodied Agents from Isolated Skills to Everyday Physical Autonomy
Junhao Shi et al. · 探讨从孤立技能到日常物理自主性的演进，涵盖网络与物理域的统一编排。概念宏大但偏向系统综述或高层架构设计，缺乏具体的VLA底层技术细节。
cs.RO
閱讀原文
VLA [LIRIS]
STORM: Slot-based Task-aware Object-centric Representation for robotic Manipulation
Alexandre Chapin et al. · 提出基于槽位的任务感知对象中心表征，增强视觉基础模型的结构性。侧重于感知表征改进，虽有助于操作但未直接改变VLA架构，属于相邻贡献。
cs.RO
閱讀原文
VLA
How Should a Simulation-to-Reality Transfer Budget Be Spent?
Syed Hamzah Rizvi et al. · 分析Sim-to-Real转移中预算分配的权衡，提供理论洞察而非具体VLA方法。属于元分析类工作，对实验设计有指导意义但不直接贡献新算法。
cs.RO
閱讀原文
VLA
Hallucination in World Models is Predictable and Preventable
分析世界模型幻觉的可预测性与预防方法。虽与VLA的世界模型组件相关，但侧重于生成模型的理论分析，未直接提出VLA架构改进。
hf-papers
閱讀原文
VLA
Continual Robot Policy Learning via Variational Neural Dynamics
Jiaxu Xing et al. · 通过变分神经动力学实现持续策略学习，应对硬件磨损等动态变化。方法相邻但缺乏明确的VLA集成证据，更多是控制理论的延续。
cs.RO
閱讀原文
VLA
Einstein World Models
Munachiso Samuel Nwadike et al. · 探讨智能是否需要超越直接经验的推理能力，提出Einstein世界模型概念。偏哲学或基础AI理论，缺乏具体的机器人操作实验支撑。
cs.AI
閱讀原文
VLA
PhysEditWorld: A Large-Scale Dataset Toward Physics-Editable World Models
Bin Hu et al. · 发布物理可编辑世界模型数据集，支持游戏/仿真环境编辑。虽涉及物理交互，但主要面向生成式世界模型社区，非直接VLA控制。
cs.CV
閱讀原文
VLA
Not All Actions Are Equal: Rethinking Conditioning for Dexterous World Model
Zizhao Yuan et al. · 重新思考灵巧世界模型的条件输入，分析不同动作的重要性。侧重于世界模型的内部机制分析，未提出新的VLA架构或训练范式。
cs.CV
閱讀原文
VLA
A Generalization Theory for JEPA-Based World Models
Jingyi Cui et al. · 提供JEPA世界模型的泛化理论分析。纯理论研究，虽对理解世界模型有帮助，但无直接VLA应用路径。
cs.LG
閱讀原文