VLA
Support-Constrained RL Enables Real-World Policy Improvement without Real-World Experience
Raymond Yu et al. · 提出支持约束RL，利用离线数据改进策略而无需真实世界交互。解决了VLA部署中昂贵的在线训练瓶颈，方法可直接用于提升现有VLA策略的鲁棒性。
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
- Support-Constrained RL Enables Real-World Policy Improvement without Real-World Experience Raymond Yu et al. · 提出支持约束RL，利用离线数据改进策略而无需真实世界交互。解决了VLA部署中昂贵的在线训练瓶颈，方法可直接用于提升现有VLA策略的鲁棒性。 CS.RO
- Direct Action-Head Injection of A Grounded 3D Point Unlocks Spatial and Task Generalization Shiang-Feng Tsai et al. · 通过在VLA动作头注入接地3D点，解决空间泛化难题。该方法简单有效，显著提升了物体位置变化下的操作成功率，代码易于集成到现有VLA架构。 CS.RO
- Drop-Then-Recovery: How Redundant Are Vision-Language-Action Models? Guoheng Sun et al. · 分析VLA模型中语言骨干网络的冗余度，探讨压缩可能性。虽具工程价值，但主要贡献为诊断性分析而非新架构或性能突破，暂归为值得了解。 CS.RO
- SpikeVLA: Vision-Language-Action Models with Spiking Neural Networks Ruiqi Song et al. · 将脉冲神经网络引入VLA以降低能耗和延迟。属于底层硬件适配方向，目前缺乏在主流VLA基准上的全面对比，应用路径尚不明确。 CS.RO
- S$^2$-VLA: State-Space Guided Vision-Language-Action Models for Long-Horizon Manipulation Zhipeng Xie et al. · 引入状态空间引导机制缓解长程任务中的误差累积。针对VLA长程规划痛点提出具体改进，实验显示在LIBERO等基准上有显著提升，具有较高复用价值。 CS.RO
- When Multi-Robot Systems Meet Agentic AI:Towards Embodied Collective Intelligence Yuxuan Yan et al. · 探讨多机器人系统与Agentic AI的结合，迈向具身集体智能。偏向概念框架与综述性质，缺乏具体的VLA算法创新或量化实验支撑。 CS.RO
- Building a Scalable, Reproducible, Evaluatable, and Closed-Loop Simulation Environment Foundation for Embodied Intelligence Cloud-Native Simulation Infrastructure for Embodied Intelligence Training, Evaluation, and Data Collection Junwu Xiong et al. · 提出云原生仿真基础设施以支持大规模训练和数据收集。虽对领域重要，但属于工具/数据集类工作，非核心算法进展，故归为值得了解。 CS.RO
- Translation as a Bridging Action: Transferring Manipulation Skills from Humans to Robots Sijin Chen et al. · 研究从人类动作到双臂机器人的技能迁移，利用廉价的人类数据扩展机器人学习。提供了新的数据利用范式，有助于解决机器人数据稀缺问题。 CS.RO
- PhysisForcing: Physics Reinforced World Simulator for Robotic Manipulation Peiwen Zhang et al. · 通过物理强化改进视频生成世界模型，解决模拟中物理不合理的问题。为VLA训练提供更逼真的仿真环境，直接提升Sim2Real迁移效果。 CS.RO
- Data Scaling Laws in Imitation Learning for Robotic Manipulation Fanqi Lin et al. · 探究模仿学习中的数据缩放定律。作为基础性研究，揭示了数据量与性能的关系，但对当前VLA架构的直接指导意义有限，属长期参考。 CS.RO
- FailSafe: Reasoning and Recovery from Failures in Vision-Language-Action Models [UW|Fox] Zijun Lin et al. · 提出FailSafe机制，使VLA具备失败推理与恢复能力。增强了VLA在复杂场景下的鲁棒性，方法模块化强，可轻松嵌入现有VLA系统以提升安全性。 CS.RO
- StereoVLA: Enhancing Vision-Language-Action Models with Stereo Vision Shengliang Deng et al. · 通过引入立体视觉增强VLA的空间感知能力，解决单目RGB编码器的深度缺失问题。显著提升视点鲁棒性和精细操作性能，硬件改造成本低。 CS.RO
VLA 研究日報VLA 研究日报
共 23 篇
🔧 技術技术
VLA
Direct Action-Head Injection of A Grounded 3D Point Unlocks Spatial and Task Generalization
Shiang-Feng Tsai et al. · 通过在VLA动作头注入接地3D点，解决空间泛化难题。该方法简单有效，显著提升了物体位置变化下的操作成功率，代码易于集成到现有VLA架构。
cs.RO
閱讀原文
VLA
S$^2$-VLA: State-Space Guided Vision-Language-Action Models for Long-Horizon Manipulation
Zhipeng Xie et al. · 引入状态空间引导机制缓解长程任务中的误差累积。针对VLA长程规划痛点提出具体改进，实验显示在LIBERO等基准上有显著提升，具有较高复用价值。
cs.RO
閱讀原文
VLA
Translation as a Bridging Action: Transferring Manipulation Skills from Humans to Robots
Sijin Chen et al. · 研究从人类动作到双臂机器人的技能迁移，利用廉价的人类数据扩展机器人学习。提供了新的数据利用范式，有助于解决机器人数据稀缺问题。
cs.RO
閱讀原文
VLA
PhysisForcing: Physics Reinforced World Simulator for Robotic Manipulation
Peiwen Zhang et al. · 通过物理强化改进视频生成世界模型，解决模拟中物理不合理的问题。为VLA训练提供更逼真的仿真环境，直接提升Sim2Real迁移效果。
cs.RO
閱讀原文
VLA [UW|Fox]
FailSafe: Reasoning and Recovery from Failures in Vision-Language-Action Models
Zijun Lin et al. · 提出FailSafe机制，使VLA具备失败推理与恢复能力。增强了VLA在复杂场景下的鲁棒性，方法模块化强，可轻松嵌入现有VLA系统以提升安全性。
cs.RO
閱讀原文
VLA
StereoVLA: Enhancing Vision-Language-Action Models with Stereo Vision
Shengliang Deng et al. · 通过引入立体视觉增强VLA的空间感知能力，解决单目RGB编码器的深度缺失问题。显著提升视点鲁棒性和精细操作性能，硬件改造成本低。
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。提出新的预训练范式，可能在视觉退化场景下具有独特优势，值得深入阅读。
cs.RO
閱讀原文
VLA
OGPO: Sample Efficient Full-Finetuning of Generative Control Policies
Sarvesh Patil et al. · 提出OGPO算法，实现生成控制策略的高效全参数微调。显著提升样本效率，适用于Diffusion Policy等VLA动作解码器的优化，实用性强。
cs.RO
閱讀原文
VLA
DexCompose: Reusing Dexterous Policies for Multi-Task Manipulation with a Single Hand
Dihong Huang et al. · 提出DexCompose方法，复用灵巧手策略进行多任务操作。解决单一手部执行多任务的冲突问题，为灵巧操作VLA提供模块化组合思路。
cs.RO
閱讀原文
📖 背景閱讀背景阅读
VLA
Drop-Then-Recovery: How Redundant Are Vision-Language-Action Models?
Guoheng Sun et al. · 分析VLA模型中语言骨干网络的冗余度，探讨压缩可能性。虽具工程价值，但主要贡献为诊断性分析而非新架构或性能突破，暂归为值得了解。
cs.RO
閱讀原文
VLA
SpikeVLA: Vision-Language-Action Models with Spiking Neural Networks
Ruiqi Song et al. · 将脉冲神经网络引入VLA以降低能耗和延迟。属于底层硬件适配方向，目前缺乏在主流VLA基准上的全面对比，应用路径尚不明确。
cs.RO
閱讀原文
VLA
When Multi-Robot Systems Meet Agentic AI:Towards Embodied Collective Intelligence
Yuxuan Yan et al. · 探讨多机器人系统与Agentic AI的结合，迈向具身集体智能。偏向概念框架与综述性质，缺乏具体的VLA算法创新或量化实验支撑。
cs.RO
閱讀原文
VLA
Building a Scalable, Reproducible, Evaluatable, and Closed-Loop Simulation Environment Foundation for Embodied Intelligence Cloud-Native Simulation Infrastructure for Embodied Intelligence Training, Evaluation, and Data Collection
Junwu Xiong et al. · 提出云原生仿真基础设施以支持大规模训练和数据收集。虽对领域重要，但属于工具/数据集类工作，非核心算法进展，故归为值得了解。
cs.RO
閱讀原文
VLA
Data Scaling Laws in Imitation Learning for Robotic Manipulation
Fanqi Lin et al. · 探究模仿学习中的数据缩放定律。作为基础性研究，揭示了数据量与性能的关系，但对当前VLA架构的直接指导意义有限，属长期参考。
cs.RO
閱讀原文
VLA [NVIDIA]
MobileManiBench: Simplifying Model Verification for Mobile Manipulation
Wenbo Wang et al. · 提出移动操作验证基准MobileManiBench。填补了移动操作评估空白，但作为基准测试工具，本身不提供新算法，故归为值得了解。
cs.RO
閱讀原文
VLA
SC3-Eval: Evaluating Robot Foundation Models via Self-Consistent Video Generation
Wei-Cheng Tseng et al. · 利用自一致视频生成评估机器人基础模型，提供低成本评估方案。虽具创新性，但主要贡献在于评估方法论，非模型本身改进。
cs.RO
閱讀原文
VLA [LIBERO Team]
LIBERO-Safety: A Comprehensive Benchmark for Physical and Semantic Safety in Vision-Language-Action Models
Rongxu Cui et al. · 发布LIBERO-Safety基准，关注VLA的物理与语义安全。重要但非算法突破，旨在建立安全评估标准，供社区后续研究参考。
cs.RO
閱讀原文
VLA
HAT-4D: Lifting Monocular Video for 4D Multi-Object Interactions via Human-Agent Collaboration
Jiaxin Li et al. · 通过人机协作从单目视频重建4D多物体交互。为VLA提供新的数据源，但侧重于计算机视觉重建技术，与VLA核心控制逻辑关联较弱。
cs.AI
閱讀原文
VLA
A Comprehensive Survey on World Models for Embodied AI
Xinqing Li et al. · 具身AI世界模型综合综述。梳理领域现状，适合快速入门，但无原创性算法贡献，归为值得了解。
cs.CV
閱讀原文
VLA
Internalizing the Future: A Unified Agentic Training Paradigm for World Model Planning
Xuan Zhang et al. · 提出统一Agentic训练范式以增强LLM代理的前瞻规划能力。虽涉及决策，但主要基于LLM推理，缺乏具身物理世界的闭环验证。
cs.AI
閱讀原文
VLA
MemoBench: Benchmarking World Modeling in Dynamically Changing Environments
Haoyu Chen et al. · 提出MemoBench基准以评估动态环境中的世界模型记忆一致性。虽相关，但侧重视频生成评估，非直接VLA控制算法，归为值得了解。
cs.CV
閱讀原文
VLA
Perceptual 3D Simulation With Physical World Modeling
Wanhee Lee et al. · 结合感知与物理建模进行3D场景演化预测。虽对仿真有用，但主要贡献在视觉/图形学，与VLA策略学习的直接联系不够紧密。
cs.CV
閱讀原文