VLA
From Grasps to Dexterity: Large-Scale Grasp Pretraining for Dexterous Manipulation
Ying Yuan et al. · 探索大规模抓取预训练数据如何支持灵巧操作中的功能灵活性。提供从简单抓取到复杂灵巧操作的迁移路径，具有明确的数据利用价值。
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
- Position: Vision-Language-Action Models Cannot Be Verified to Perform Physical Reasoning Taozhao Chen et al. · 提出VLA模型无法被验证具备物理推理能力的观点，属于理论反思与批判性分析。虽无新算法，但对理解VLA本质局限有重要参考价值。 CS.RO
- From Grasps to Dexterity: Large-Scale Grasp Pretraining for Dexterous Manipulation Ying Yuan et al. · 探索大规模抓取预训练数据如何支持灵巧操作中的功能灵活性。提供从简单抓取到复杂灵巧操作的迁移路径，具有明确的数据利用价值。 CS.RO
- Multisensory Continual Learning: Adapting Pretrained Visuomotor Policies to Force Jaden Clark et al. · 提出将预训练视觉运动策略适应力觉反馈的持续学习方法。解决多模态融合中的灾难性遗忘问题，为触觉VLA提供可行的微调方案。 CS.RO
- Efficient Sim-to-Real Transfer of World-Action Models from Synthetic Priors Zixing Wang et al. · 利用合成先验实现世界-动作模型的高效Sim-to-Real迁移。针对仿真到现实的鸿沟提出具体解决方案，有助于降低真实数据采集成本。 CS.RO
- ELASTIC: Efficiently Learning to Adaptively Scale Test-Time Compute for Generative Control Policies Andrew Zou Li et al. · 提出自适应测试时计算缩放方法，优化生成式控制策略（如Diffusion Policy）的效率与性能平衡。代码开源可能性高，可直接应用于现有VLA推理加速。 CS.RO
- A Modular Vision-Language-Action Robotics Framework for Indoor Environments [CMU] Anindya Jana et al. · 介绍用于CMU VLA挑战赛的模块化系统框架。主要贡献在于工程集成而非算法创新，适合作为系统架构参考，但缺乏核心方法论突破。 CS.RO
- MIRTH: Mutual-Information Reasoning with Temporal Hubs for Vision-Language-Action Agents Hao Sun et al. · 引入时间枢纽和互信息推理机制，解决VLA单帧架构的时间短视问题。通过增强时序建模提升长程任务表现，方法新颖且具实操性。 CS.RO
- 3D HAMSTER: Bridging Planning and Control in Hierarchical Vision Language Action Models through 3D Trajectory Guidance Dongyoon Hwang et al. · 通过3D轨迹引导连接分层VLA中的规划与控制层，克服2D轨迹指导的局限性。提供具体的层级解耦与对齐方法，提升复杂操作泛化能力。 CS.RO
- Stage-Transition Dense Reward Modeling for Reinforcement Learning Yang Yang et al. · 提出阶段转换密集奖励建模以缓解长程操作中的稀疏奖励问题。虽涉及RL，但未明确结合VLA架构，更偏向通用RL技巧，VLA直接复用性有限。 CS.RO
- Revisiting Parameter Redundancy in Vision-Language-Action Models: Insights from VLM-to-VLA Adaptation Fengnian Zhang et al. · 深入分析VLM到VLA适配过程中的参数冗余现象，提供模型压缩与高效微调的理论依据与实践建议。对资源受限部署具有重要指导意义。 CS.RO
- ChronoFlow-Policy: Unifying Past-Current-Future Interaction Flow in Visuomotor Policy Learning Bokai Lin et al. · 统一过去、现在和未来的交互流进行视觉运动策略学习。概念新颖但摘要未展示具体VLA基准实验结果，暂归为值得了解的方法论探索。 CS.RO
- Robustness of Robotic Manipulation: Foundations and Frontiers Yifei Dong et al. · 综述机器人操作鲁棒性的基础与前沿进展。作为领域全景梳理有价值，但无具体新方法或实验贡献，适合快速浏览建立知识框架。 CS.RO
VLA 研究日報VLA 研究日报
共 28 篇
🔧 技術技术
VLA
Multisensory Continual Learning: Adapting Pretrained Visuomotor Policies to Force
Jaden Clark et al. · 提出将预训练视觉运动策略适应力觉反馈的持续学习方法。解决多模态融合中的灾难性遗忘问题，为触觉VLA提供可行的微调方案。
cs.RO
閱讀原文
VLA
Efficient Sim-to-Real Transfer of World-Action Models from Synthetic Priors
Zixing Wang et al. · 利用合成先验实现世界-动作模型的高效Sim-to-Real迁移。针对仿真到现实的鸿沟提出具体解决方案，有助于降低真实数据采集成本。
cs.RO
閱讀原文
VLA
ELASTIC: Efficiently Learning to Adaptively Scale Test-Time Compute for Generative Control Policies
Andrew Zou Li et al. · 提出自适应测试时计算缩放方法，优化生成式控制策略（如Diffusion Policy）的效率与性能平衡。代码开源可能性高，可直接应用于现有VLA推理加速。
cs.RO
閱讀原文
VLA
MIRTH: Mutual-Information Reasoning with Temporal Hubs for Vision-Language-Action Agents
Hao Sun et al. · 引入时间枢纽和互信息推理机制，解决VLA单帧架构的时间短视问题。通过增强时序建模提升长程任务表现，方法新颖且具实操性。
cs.RO
閱讀原文
VLA
3D HAMSTER: Bridging Planning and Control in Hierarchical Vision Language Action Models through 3D Trajectory Guidance
Dongyoon Hwang et al. · 通过3D轨迹引导连接分层VLA中的规划与控制层，克服2D轨迹指导的局限性。提供具体的层级解耦与对齐方法，提升复杂操作泛化能力。
cs.RO
閱讀原文
VLA
Revisiting Parameter Redundancy in Vision-Language-Action Models: Insights from VLM-to-VLA Adaptation
Fengnian Zhang et al. · 深入分析VLM到VLA适配过程中的参数冗余现象，提供模型压缩与高效微调的理论依据与实践建议。对资源受限部署具有重要指导意义。
cs.RO
閱讀原文
VLA
UniTacVLA: Unified Tactile Understanding and Prediction in Vision Language Action Models
Xidong Zhang et al. · 提出统一触觉理解与预测的VLA模型，旨在解决接触丰富场景下的灵巧操作难题。直接响应触觉VLA研究方向，方法具有明确的创新性和应用前景。
cs.RO
閱讀原文
VLA
Z-1: Efficient Reinforcement Learning for Vision-Language-Action Models
Lang Cao et al. · 提出针对VLA模型的高效强化学习框架Z-1，突破传统行为克隆限制。若能在标准基准上证明样本效率优势，将是VLA训练范式的重要补充。
cs.RO
閱讀原文
VLA
Adapting Generalist Robot Policies with Semantic Reinforcement Learning
Jagdeep Singh Bhatia et al. · 利用语义强化学习适配通用机器人策略，解决标准RL在下游任务中信号稀疏的问题。提供从预训练大模型到特定任务的高效微调路径。
cs.RO
閱讀原文
VLA
Human-as-Humanoid: Enabling Zero-Shot Humanoid Learning from Ego-Exo Human Videos with Human-Aligned Embodiments
Xiaopeng Lin et al. · 提出从第一/第三人称人类视频中零样本学习人形机器人控制的方法，通过身体对齐解决数据稀缺问题。为VLA提供新的数据来源和学习范式。
cs.RO
閱讀原文
VLA
DVG-WM: Disentangled Video Generation Enables Efficient Embodied World Model for Robotic Manipulation
Ziyu Shan et al. · 通过解耦视频生成构建高效的具身世界模型，分离动力学与外观特征。为VLA提供更准确的未来状态预测能力，提升规划与控制的协同效率。
cs.RO
閱讀原文
VLA
StemVLA:An Open-Source Vision-Language-Action Model with Future 3D Spatial Geometry Knowledge and 4D Historical Representation
Jiasong Xiao et al. · 开源StemVLA模型，整合未来3D空间几何知识与4D历史表示。提供完整的时空建模方案，代码开放便于社区复现与进一步研究。
cs.RO
閱讀原文
VLA
ShapeGrasp: Simultaneous Visuo-Haptic Shape Completion and Grasping for Improved Robot Manipulation
Lukas Rustler et al. · 提出ShapeGrasp方法，同步进行视觉-触觉形状补全与抓取。针对未知物体的灵巧操作提供具体解决方案，融合多模态感知提升成功率。
cs.RO
閱讀原文
VLA
RhinoVLA Technical Report
Huixi Technology et al. · 技术报告介绍RhinoVLA，针对边缘硬件部署优化VLM视觉与上下文令牌以减少延迟。提供具体的工程优化细节，对实时VLA部署极具参考价值。
cs.RO
閱讀原文
VLA
Towards Generalizable Robotic Manipulation in Dynamic Environments
Heng Fang et al. · 针对动态环境中VLA表现不佳的问题，提出新的数据集与基线方法。填补动态操作领域的空白，推动VLA从静态向动态场景泛化。
cs.RO
閱讀原文
📖 背景閱讀背景阅读
VLA
Position: Vision-Language-Action Models Cannot Be Verified to Perform Physical Reasoning
Taozhao Chen et al. · 提出VLA模型无法被验证具备物理推理能力的观点，属于理论反思与批判性分析。虽无新算法，但对理解VLA本质局限有重要参考价值。
cs.RO
閱讀原文
VLA [CMU]
A Modular Vision-Language-Action Robotics Framework for Indoor Environments
Anindya Jana et al. · 介绍用于CMU VLA挑战赛的模块化系统框架。主要贡献在于工程集成而非算法创新，适合作为系统架构参考，但缺乏核心方法论突破。
cs.RO
閱讀原文
VLA
Stage-Transition Dense Reward Modeling for Reinforcement Learning
Yang Yang et al. · 提出阶段转换密集奖励建模以缓解长程操作中的稀疏奖励问题。虽涉及RL，但未明确结合VLA架构，更偏向通用RL技巧，VLA直接复用性有限。
cs.RO
閱讀原文
VLA
ChronoFlow-Policy: Unifying Past-Current-Future Interaction Flow in Visuomotor Policy Learning
Bokai Lin et al. · 统一过去、现在和未来的交互流进行视觉运动策略学习。概念新颖但摘要未展示具体VLA基准实验结果，暂归为值得了解的方法论探索。
cs.RO
閱讀原文
VLA
Robustness of Robotic Manipulation: Foundations and Frontiers
Yifei Dong et al. · 综述机器人操作鲁棒性的基础与前沿进展。作为领域全景梳理有价值，但无具体新方法或实验贡献，适合快速浏览建立知识框架。
cs.RO
閱讀原文
VLA
HABIT: Human-Aware Behavior and Interaction Training Dataset for Robot Manipulation
Jaehwi Song et al. · 发布包含人类感知行为与交互的训练数据集HABIT。填补人机协作数据空白，但作为纯数据集论文，需等待后续基于该数据的算法研究才能评估其影响力。
cs.RO
閱讀原文
VLA [Unitree]
RoboTacDex: A Dexterous Visual-Tactile-Action Dataset for Humanoid Manipulation
Xinyi Wang et al. · 发布面向人形机器人灵巧操作的视觉-触觉-动作数据集RoboTacDex。重要数据资源，但本身无算法贡献，归类为数据集类值得了解论文。
cs.RO
閱讀原文
VLA
OopsieVerse: A Safety Benchmark with Damage-Aware Simulation for Robot Manipulation
Arnav Balaji et al. · 推出具备损伤感知功能的机器人操作安全基准OopsieVerse。强调物理安全性评估，虽无新算法，但对推动安全可靠的VLA部署具有重要意义。
cs.RO
閱讀原文
VLA
Freeform Preference Learning for Robotic Manipulation
Marcel Torne et al. · 探索自由形式偏好学习以解决长程操作中的奖励设计瓶颈。方法新颖但摘要未明确其与VLA架构的结合方式及实验效果，暂归为相关探索。
cs.RO
閱讀原文
VLA
Wavelet Policy: Imitation Learning in the Scale Domain with World Prior Memory
Changchuan Yang et al. · 在小波尺度域进行模仿学习并引入世界先验记忆，旨在提升物理场景感知能力。方法独特但缺乏与主流VLA基准的直接对比，创新性待验证。
cs.RO
閱讀原文
VLA
Genie Sim 3.0 : A High-Fidelity Comprehensive Simulation Platform for Humanoid Robot
Chenghao Yin et al. · 发布高保真人形机器人仿真平台Genie Sim 3.0。作为基础设施更新，支持大规模数据生成与测试，但本身不属于算法或理论突破。
cs.RO
閱讀原文
VLA
Combined Constrained Sampling and Reinforcement Learning for Robotic Manipulation
Marc Toussaint et al. · 结合约束采样与强化学习解决接触丰富环境下的非预抓操作难题。侧重传统RL技巧改进，未明确体现VLA特性，复用性取决于具体实现。
cs.RO
閱讀原文