VLA
Neuro-Symbolic Safety Guidance for Vision-Language-Action Models via Constrained Flow Matching
William English et al. · 提出基于约束流匹配的神经符号安全引导层，可直接嵌入现有VLA模型以增强安全性，无需重新训练基座模型。
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
- Neuro-Symbolic Safety Guidance for Vision-Language-Action Models via Constrained Flow Matching William English et al. · 提出基于约束流匹配的神经符号安全引导层，可直接嵌入现有VLA模型以增强安全性，无需重新训练基座模型。 CS.RO
- Imagining the Sense of Touch: Touch-Informed Manipulation via Imagined Tactile Representations Zhiyuan Zhang et al. · 通过想象触觉表征解决硬件依赖问题，为缺乏触觉传感器的VLA提供接触丰富操作的替代方案，具有明确的工程应用价值。 CS.RO
- CoRe: Combined Rewards with Vision-Language Model Feedback for Preference-Aligned Reinforcement Learning Hexian Ni et al. · 利用VLM反馈优化RL奖励设计，虽涉及VLM但核心贡献在RL奖励机制，且未明确展示在VLA架构上的直接集成效果。 CS.RO
- VLA-Corrector: Lightweight Detect-and-Correct Inference for Adaptive Action Horizon Yi Pan et al. · 提出轻量级检测-校正推理模块，动态调整动作执行 horizon，可即插即用提升现有VLA模型的时序一致性和效率。 CS.RO
- PhysMani: Physics-principled 3D World Model for Dynamic Object Manipulation Peng Yun et al. · 构建物理原理驱动的3D世界模型以辅助动态操作，目前主要停留在仿真验证阶段，缺乏真实机器人部署证据。 CS.RO
- Guided Action Flow: Q-Guided Inference for Flow-Matching Vision-Language-Action Policies Liuhaichen Yang et al. · 引入Q值引导的流匹配推理方法，允许在不重训基座策略的情况下进行测试时引导，提升了Flow-based VLA的控制灵活性。 CS.RO
- Bridge-WA: Predicting Where and How the World Changes for Robotic Action Yongjie Bai et al. · 预测动作相关的场景变化以增强VLA能力，侧重于世界模型与动作的联合建模，但实验主要在仿真环境，真实泛化性待验证。 CS.RO
- Actuator Reality Shaping for Zero-Shot Sim-to-Real Robot Learning Satoshi Yamamori et al. · 通过塑造执行器现实来缩小Sim2Real差距，虽对机器人学习重要，但未直接针对VLA架构或训练范式进行创新。 CS.RO
- CoFL-S: Spatially Queryable Sector Flow Fields for Local Language-Conditioned Navigation Haokun Liu et al. · 专注于局部语言导航的低级动作表示，属于VLA相邻领域（导航），但未涉及通用的具身操作或VLA核心架构。 CS.RO
- The Moving Eye: Enhancing VLA Spatial Generalization via Hybrid Dynamic Data Collection Jincheng Tang et al. · 提出混合动态数据收集策略以改善VLA的空间泛化能力，通过主动视角选择解决静态视角不足的问题，具有数据层面的实用价值。 CS.RO
- LIME: Learning Intent-aware Camera Motion from Egocentric Video Boyang Sun et al. · 从第一人称视频学习意图感知的相机运动，侧重于感知与导航的前置步骤，未直接涉及VLA的操作策略生成。 CS.RO
- WorldSample: Closed-loop Real-robot RL with World Modelling Yuquan Xue et al. · 结合世界模型实现闭环真机RL，虽涉及真实机器人，但核心在于RL采样效率，未明确展示对VLA预训练或微调的直接贡献。 CS.RO
VLA 研究日報VLA 研究日报
共 26 篇
🔧 技術技术
VLA
Imagining the Sense of Touch: Touch-Informed Manipulation via Imagined Tactile Representations
Zhiyuan Zhang et al. · 通过想象触觉表征解决硬件依赖问题，为缺乏触觉传感器的VLA提供接触丰富操作的替代方案，具有明确的工程应用价值。
cs.RO
閱讀原文
VLA
VLA-Corrector: Lightweight Detect-and-Correct Inference for Adaptive Action Horizon
Yi Pan et al. · 提出轻量级检测-校正推理模块，动态调整动作执行 horizon，可即插即用提升现有VLA模型的时序一致性和效率。
cs.RO
閱讀原文
VLA
Guided Action Flow: Q-Guided Inference for Flow-Matching Vision-Language-Action Policies
Liuhaichen Yang et al. · 引入Q值引导的流匹配推理方法，允许在不重训基座策略的情况下进行测试时引导，提升了Flow-based VLA的控制灵活性。
cs.RO
閱讀原文
VLA
The Moving Eye: Enhancing VLA Spatial Generalization via Hybrid Dynamic Data Collection
Jincheng Tang et al. · 提出混合动态数据收集策略以改善VLA的空间泛化能力，通过主动视角选择解决静态视角不足的问题，具有数据层面的实用价值。
cs.RO
閱讀原文
VLA
Learning to Move Before Learning to Do: Task-Agnostic pretraining for VLAs
Junhao Shi et al. · 提出任务无关的移动预训练阶段，旨在缓解VLA对专家演示数据的依赖，为VLA预训练提供了新的范式思路。
cs.RO
閱讀原文
VLA
Embodied.cpp: A Portable Inference Runtime of Embodied AI Models on Heterogeneous Robots
Ling Xu et al. · 提供跨异构机器人的便携式VLA推理运行时，解决了部署碎片化问题，开发者可立即用于加速VLA模型在边缘设备的落地。
cs.RO
閱讀原文
VLA
Transport Discrepancy as a Reliability Signal for Vision-Language-Action Models
Wanpeng Zhang et al. · 利用传输差异作为VLA预测可靠性的信号，提供了一种无需额外训练的置信度评估方法，有助于提升部署安全性。
cs.RO
閱讀原文
VLA
VLSA: Vision-Language-Action Models with Plug-and-Play Safety Constraint Layer
Songqiao Hu et al. · 提出即插即用的安全约束层，可无缝集成到现有VLA模型中，无需重新训练即可增强操作安全性，工程复用性强。
cs.RO
閱讀原文
VLA
Restoring Linguistic Grounding in VLA Models via Train-Free Attention Recalibration
Ninghao Zhang et al. · 提出免训练的注意力重校准方法以恢复VLA的语言 grounding，可直接应用于现有模型以改善指令遵循能力，零成本部署。
cs.RO
閱讀原文
VLA
Motion-Focused Latent Action Enables Cross-Embodiment VLA Training from Human EgoVideos
Runze Xu et al. · 利用人类第一人称视频中的运动焦点潜在动作进行跨具身VLA训练，有效缓解数据稀缺问题，提供了新的数据利用路径。
cs.RO
閱讀原文
📖 背景閱讀背景阅读
VLA
CoRe: Combined Rewards with Vision-Language Model Feedback for Preference-Aligned Reinforcement Learning
Hexian Ni et al. · 利用VLM反馈优化RL奖励设计，虽涉及VLM但核心贡献在RL奖励机制，且未明确展示在VLA架构上的直接集成效果。
cs.RO
閱讀原文
VLA
PhysMani: Physics-principled 3D World Model for Dynamic Object Manipulation
Peng Yun et al. · 构建物理原理驱动的3D世界模型以辅助动态操作，目前主要停留在仿真验证阶段，缺乏真实机器人部署证据。
cs.RO
閱讀原文
VLA
Bridge-WA: Predicting Where and How the World Changes for Robotic Action
Yongjie Bai et al. · 预测动作相关的场景变化以增强VLA能力，侧重于世界模型与动作的联合建模，但实验主要在仿真环境，真实泛化性待验证。
cs.RO
閱讀原文
VLA
Actuator Reality Shaping for Zero-Shot Sim-to-Real Robot Learning
Satoshi Yamamori et al. · 通过塑造执行器现实来缩小Sim2Real差距，虽对机器人学习重要，但未直接针对VLA架构或训练范式进行创新。
cs.RO
閱讀原文
VLA
CoFL-S: Spatially Queryable Sector Flow Fields for Local Language-Conditioned Navigation
Haokun Liu et al. · 专注于局部语言导航的低级动作表示，属于VLA相邻领域（导航），但未涉及通用的具身操作或VLA核心架构。
cs.RO
閱讀原文
VLA
LIME: Learning Intent-aware Camera Motion from Egocentric Video
Boyang Sun et al. · 从第一人称视频学习意图感知的相机运动，侧重于感知与导航的前置步骤，未直接涉及VLA的操作策略生成。
cs.RO
閱讀原文
VLA
WorldSample: Closed-loop Real-robot RL with World Modelling
Yuquan Xue et al. · 结合世界模型实现闭环真机RL，虽涉及真实机器人，但核心在于RL采样效率，未明确展示对VLA预训练或微调的直接贡献。
cs.RO
閱讀原文
VLA
VLAFlow: A Unified Training Framework for Vision-Language-Action Models via Co-training and Future Latent Alignment
Guoyang Xia et al. · 提出统一训练框架并引入未来潜在对齐，虽名为VLA框架，但摘要未展示显著优于SOTA的基准结果，更像工程整合。
cs.RO
閱讀原文
VLA [Song|Song]
Latent Policy Barrier: Learning Robust Visuomotor Policies by Staying In-Distribution
Zhanyi Sun et al. · 通过保持分布内学习鲁棒视运动策略，主要针对BC方法的协变量偏移，虽相关但未特指VLA架构的创新。
cs.RO
閱讀原文
VLA
Learning Semantic Atomic Skills for Multi-Task Robotic Manipulation
Yihang Zhu et al. · 学习语义原子技能以解决多任务干扰，侧重于技能分解而非VLA端到端架构，且未明确展示在大型VLA基准上的优势。
cs.RO
閱讀原文
VLA
VLA-Arena: An Open-Source Framework for Benchmarking Vision-Language-Action Models
Borong Zhang et al. · 开源VLA基准测试框架，有助于量化模型极限，属于基础设施类工作，虽重要但不具备方法论上的即时创新性。
cs.RO
閱讀原文
VLA
CaP-X: A Framework for Benchmarking and Improving Coding Agents for Robot Manipulation
Letian Fu et al. · 聚焦Code-as-Policy范式的基准与改进，虽与VLA互补，但核心在于代码生成代理，非传统VLA视觉-动作映射研究。
cs.RO
閱讀原文
VLA
ManipArena: Comprehensive Real-world Evaluation of Reasoning-Oriented Generalist Robot Manipulation
Yu Sun et al. · 提供面向推理型通用机器人操作的真实世界评估平台，属于评测基准类工作，对理解模型局限有价值但非方法创新。
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具身世界模型，侧重于状态预测而非直接的动作策略生成，与VLA核心任务有距离。
cs.RO
閱讀原文
VLA
ABot-M0.5: Unified Mobility-and-Manipulation World Action Model
Ronghan Chen et al. · 提出移动与操作统一的世界动作模型，虽概念先进，但摘要未展示超越现有WAM/VLA的显著性能提升，需进一步验证。
cs.CV
閱讀原文