VLA [CMU]
Human2Any: Human-to-Robot Transfer via Constraint-Aware Compositional Planning
Shuo Cheng et al. · 提出约束感知组合规划方法，解决人体演示到机器人的具身差异问题。提供从人类视频提取可执行策略的工程路径，适合处理跨具身迁移任务。
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
- Human2Any: Human-to-Robot Transfer via Constraint-Aware Compositional Planning [CMU] Shuo Cheng et al. · 提出约束感知组合规划方法，解决人体演示到机器人的具身差异问题。提供从人类视频提取可执行策略的工程路径，适合处理跨具身迁移任务。 CS.RO
- You Only Touch Once: 6-DoF Object Pose Estimation from Single Tactile Contact Pengfei Ye et al. · 仅凭单次触觉接触估计6-DoF位姿，填补触觉感知空白。虽属触觉VLA相邻领域，但侧重感知而非端到端控制策略。 CS.RO
- Keypose Exploration: Efficient Automatic Trajectory Labelling and Cross-Embodiment Policy Transfer Yupu Lu et al. · 自动提取关键姿态以简化长视界任务学习，无需手动标注。为跨具身策略迁移提供高效数据预处理工具，可直接集成至现有IL流程。 CS.RO
- TAP-VLA: Tactile Annotation Prompting for Vision Language Action Models [UMich|Berenson] Mark Van der Merwe et al. · 通过触觉注释提示增强VLA对接触力的感知能力。解决VLA“盲触”痛点，提供融合触觉模态的具体工程方案，适用于精细操作场景。 CS.RO
- Behavior Uncloning: Distilling Mode Redirection into Policy Weights without Inference-Time Steering Hao Wang et al. · 将不安全行为模式蒸馏进策略权重，无需推理时引导即可避免危险动作。为提升BC策略安全性提供新训练范式，代码若开源极具复用价值。 CS.RO
- LAMP: Long-Horizon Adaptive Manipulation Planning for Multi-Robot Collaboration in Cluttered Space Shuai Zhou et al. · 针对杂乱环境中多机器人协作的长视界规划方法。侧重传统规划算法优化，缺乏VLA语义理解或大模型介入，属于经典机器人学范畴。 CS.RO
- Learning Transferable Dynamics Priors from Action to World Modeling Ze Huang et al. · 通过动作条件世界模型学习可迁移动力学先验。虽涉及世界模型这一热点，但摘要未明确展示其在VLA决策中的具体应用或性能增益。 CS.RO
- CORE: Common Outcome Regularities from Action-Free Visual Demonstrations for Robot Manipulation Juyi Sheng et al. · 利用无动作的人类视频提取结果规律以辅助模仿学习。方法新颖但依赖特定假设，且未明确说明如何转化为VLA可执行的行动指令。 CS.RO
- STEAM: Self-Supervised Temporal Ensemble Advantage Modeling for Real-World Robot Learning Zhihao Liu et al. · 提出自监督时间集成优势建模，从混合质量数据中提取帧级优势信号。为离线RL精调VLA提供鲁棒的数据过滤机制，直接提升样本效率。 CS.RO
- Trust Your Instincts: Confidence-Driven Test-Time RL for Vision-Language-Action Models Siyao Chen et al. · 基于置信度的测试时RL微调VLA，无需外部奖励信号。解决VLA部署时的分布外泛化问题，提供即插即用的在线适应模块。 CS.RO
- Critical Interval MSE: Toward Reliable Offline Validation for Robot Manipulation Policies Haoxu Huang et al. · 提出临界区间MSE指标用于离线策略验证。作为评估工具重要，但不改变VLA训练或推理架构，属于方法论补充。 CS.RO
- OpenSPM: An Environment-Transferable Robotic Key Spatial Pose Memory and Closed-Loop High-Frequency Flow-Matching Action Generation Model Iok Tong Lei et al. · 结合空间姿态记忆与流匹配生成高频动作。标题堆砌概念，摘要未清晰阐述相比现有VLA架构的核心突破，疑似工程拼接。 [💧灌水] CS.RO
VLA 研究日報VLA 研究日报
共 29 篇
🔧 技術技术
VLA
Keypose Exploration: Efficient Automatic Trajectory Labelling and Cross-Embodiment Policy Transfer
Yupu Lu et al. · 自动提取关键姿态以简化长视界任务学习，无需手动标注。为跨具身策略迁移提供高效数据预处理工具，可直接集成至现有IL流程。
cs.RO
閱讀原文
VLA [UMich|Berenson]
TAP-VLA: Tactile Annotation Prompting for Vision Language Action Models
Mark Van der Merwe et al. · 通过触觉注释提示增强VLA对接触力的感知能力。解决VLA“盲触”痛点，提供融合触觉模态的具体工程方案，适用于精细操作场景。
cs.RO
閱讀原文
VLA
Behavior Uncloning: Distilling Mode Redirection into Policy Weights without Inference-Time Steering
Hao Wang et al. · 将不安全行为模式蒸馏进策略权重，无需推理时引导即可避免危险动作。为提升BC策略安全性提供新训练范式，代码若开源极具复用价值。
cs.RO
閱讀原文
VLA
STEAM: Self-Supervised Temporal Ensemble Advantage Modeling for Real-World Robot Learning
Zhihao Liu et al. · 提出自监督时间集成优势建模，从混合质量数据中提取帧级优势信号。为离线RL精调VLA提供鲁棒的数据过滤机制，直接提升样本效率。
cs.RO
閱讀原文
VLA
Trust Your Instincts: Confidence-Driven Test-Time RL for Vision-Language-Action Models
Siyao Chen et al. · 基于置信度的测试时RL微调VLA，无需外部奖励信号。解决VLA部署时的分布外泛化问题，提供即插即用的在线适应模块。
cs.RO
閱讀原文
VLA
SA-VLA: State-aware tokenizer for improving Vision-Language-Action Models' performance
Tengyue Jiang et al. · 引入状态感知Tokenize机制改善离散动作恢复精度。针对VLA动作量化误差提供具体改进方案，易于集成到现有Transformer架构中。
cs.RO
閱讀原文
VLA
Chronos: A Physics-Informed Full-History Framework for Non-Markovian Long-Horizon Manipulation
Yulin Zhou et al. · 引入全历史物理信息框架解决非马尔可夫长视界操作问题。弥补VLA短视窗口缺陷，为需要记忆依赖的任务提供新架构思路。
cs.RO
閱讀原文
VLA [UCSD|Song]
Behavior Prompting Policy: Demonstrations as Prompts for Manipulation
Austin Patel et al. · 将单个人体演示作为Prompt实现零样本新任务执行。赋予VLA即时适应能力，方法直观且具备极高的实际应用潜力和复用价值。
cs.RO
閱讀原文
VLA
Training Vision-Language-Action Models with Dense Embodied Chain-of-Thought Supervision
Haoyang Li et al. · 使用密集具身思维链监督训练VLA，显式建模高层认知过程。提升跨具身迁移能力，为VLA的可解释性和逻辑推理提供新训练目标。
cs.RO
閱讀原文
VLA [LIBERO Team]
Sequential Planning via Anchored Robotic Keypoints
Bryce Grant et al. · 提出SPARK神经符号系统，在无训练情况下超越VLA基线。为LIBERO等基准提供高效替代方案，适合资源受限或需高可靠性的场景。
cs.RO
閱讀原文
VLA
Event-VLA: Action-Conditioned Event Fusion for Robust Vision-Language-Action Model
Jiaxin Liu et al. · 融合事件相机数据增强VLA在光照变化下的鲁棒性。针对极端视觉条件提供多模态输入方案，扩展VLA在动态环境中的适用边界。
cs.RO
閱讀原文
VLA
Learning to Feel the Future: DreamTacVLA for Contact-Rich Manipulation
Guo Ye et al. · DreamTacVLA通过想象未来触觉反馈解决接触丰富操作难题。填补VLA触觉盲区，提供预测性触觉建模的新范式，极具前沿性。
cs.RO
閱讀原文
VLA
WoVR: World Models as Reliable Simulators for Post-Training VLA Policies with RL
Zhennan Jiang et al. · 利用世界模型作为模拟器进行VLA的RL后训练。解决真实世界RL数据稀缺瓶颈，提供低成本策略精调路径，工程实用性强。
cs.RO
閱讀原文
📖 背景閱讀背景阅读
VLA
You Only Touch Once: 6-DoF Object Pose Estimation from Single Tactile Contact
Pengfei Ye et al. · 仅凭单次触觉接触估计6-DoF位姿，填补触觉感知空白。虽属触觉VLA相邻领域，但侧重感知而非端到端控制策略。
cs.RO
閱讀原文
VLA
LAMP: Long-Horizon Adaptive Manipulation Planning for Multi-Robot Collaboration in Cluttered Space
Shuai Zhou et al. · 针对杂乱环境中多机器人协作的长视界规划方法。侧重传统规划算法优化，缺乏VLA语义理解或大模型介入，属于经典机器人学范畴。
cs.RO
閱讀原文
VLA
Learning Transferable Dynamics Priors from Action to World Modeling
Ze Huang et al. · 通过动作条件世界模型学习可迁移动力学先验。虽涉及世界模型这一热点，但摘要未明确展示其在VLA决策中的具体应用或性能增益。
cs.RO
閱讀原文
VLA
CORE: Common Outcome Regularities from Action-Free Visual Demonstrations for Robot Manipulation
Juyi Sheng et al. · 利用无动作的人类视频提取结果规律以辅助模仿学习。方法新颖但依赖特定假设，且未明确说明如何转化为VLA可执行的行动指令。
cs.RO
閱讀原文
VLA
Critical Interval MSE: Toward Reliable Offline Validation for Robot Manipulation Policies
Haoxu Huang et al. · 提出临界区间MSE指标用于离线策略验证。作为评估工具重要，但不改变VLA训练或推理架构，属于方法论补充。
cs.RO
閱讀原文
VLA
OpenSPM: An Environment-Transferable Robotic Key Spatial Pose Memory and Closed-Loop High-Frequency Flow-Matching Action Generation Model
Iok Tong Lei et al. · 结合空间姿态记忆与流匹配生成高频动作。标题堆砌概念，摘要未清晰阐述相比现有VLA架构的核心突破，疑似工程拼接。 [💧灌水]
cs.RO
閱讀原文
VLA
SIR: Structured Image Representations for Explainable Robot Learning
Paul Mattes et al. · 构建结构化图像表示以提升策略可解释性。侧重视觉表征分析，未直接涉及VLA的动作生成或多模态对齐核心机制。
cs.RO
閱讀原文
VLA
ConCent: Contact-Centric Real-to-Sim-to-Real Learning from One Demonstration
Heecheol Kim et al. · 基于单次演示的接触中心Sim2Real方法。侧重仿真参数校准与接触物理，虽有用但非VLA主流架构创新，属于特定场景优化。
cs.RO
閱讀原文
VLA
X-Morph: Human Motion Priors for Scalable Robot Learning Across Morphologies
Ritwik Sharma et al. · 利用人类运动先验实现跨形态机器人学习。主要面向足式/人形机器人底层控制，与桌面操作VLA关联度较低。
cs.RO
閱讀原文
VLA
Vision-Language-Action Models: Experimental Insights from a Real-World UR5 Platform
Mathilde Hochedel et al. · 在UR5平台上复现并分析VLA模型的真实性能。提供宝贵的工程落地洞见和失败案例，但无新算法贡献，属经验总结类论文。
cs.RO
閱讀原文
VLA
ViPSim: Collaborating Visual and Parameter Spaces for Consistent Long-Horizon Embodied World Models
Longyu Chen et al. · 构建视觉与参数空间协同的世界模型以评估VLA。侧重仿真器一致性，作为评估工具重要，但未直接推动VLA本体性能提升。
cs.RO
閱讀原文
VLA
MM-Nav: Multi-View VLA Model for Robust Visual Navigation via Multi-Expert Learning
Tianyu Xu et al. · 多视角VLA导航模型。侧重移动机器人导航而非机械臂操作，虽冠以VLA之名，但与当前主流Manipulation VLA研究方向存在偏差。
cs.RO
閱讀原文
VLA
Eval-Actions: Fine-Grained Execution Quality Evaluation for Robotic Manipulation
Mengyuan Liu et al. · 细粒度执行质量评估指标。完善VLA评估体系，但属于度量标准而非算法改进，对日常研发直接影响有限。
cs.RO
閱讀原文
VLA
Demonstration-Free Robotic Control via LLM Agents
Brian Y. Tsui et al. · 纯LLM Agent控制机器人无需演示。虽有趣但缺乏VLA的视觉 grounding 和低级控制闭环，更多是高层规划探索，非核心VLA进展。
cs.RO
閱讀原文
VLA
OpenFrontier: General Navigation with Visual-Language Grounded Frontiers
Esteban Padilla-Cerdio et al. · arXiv:2603.05377v3 Announce Type: replace Abstract: Open-world navigation requires robots to make decisions in complex everyday environments while adapting to flexible task requirements. Conventional navigation approaches often rely on dense 3D reconstruction and hand-crafted goal metrics, which limits their generalization across tasks and environments. Recent advances in vision-language navigation (VLN) and vision-language-action (VLA) models enable end-to-end policies conditioned on natural la
cs.RO
閱讀原文