VLA
TACO: TActile World Model as a Self-COrrector forScalable VLA Post-Training
Shengbang Liu et al. · 引入基于触觉的世界模型作为后训练阶段的自校正模块，解决 VLA 在接触丰富任务中的失败问题。提供了具体的触觉融合与修正机制，具有明确的工程复用价值。
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
- Simple-to-Complex Structured Demonstrations for Vision-Language-Action Learning 提出一种从简单到复杂的结构化演示数据构建方法，旨在提升 VLA 模型对复杂任务的泛化能力。属于数据策略改进，缺乏具体架构创新或显著 SOTA 突破。 HF-PAPER
- Deform360: A Massive Multi-view Visuotactile Dataset for Deformable World Models 发布了一个大规模多视图视触觉数据集，专注于可变形物体的世界模型构建。作为重要资源填补了触觉 VLA 方向的数据空白，但本身非算法论文。 HF-PAPER
- TACO: TActile World Model as a Self-COrrector forScalable VLA Post-Training Shengbang Liu et al. · 引入基于触觉的世界模型作为后训练阶段的自校正模块，解决 VLA 在接触丰富任务中的失败问题。提供了具体的触觉融合与修正机制，具有明确的工程复用价值。 CS.RO
- Differential Amplifier-Inspired AmpAttention for Multi-View Robotic Manipulation Jin Yang et al. · 受差分放大器启发的 AmpAttention 机制用于处理多视角冗余和遮挡。属于注意力机制的微调优化，未涉及 VLA 核心架构变革或跨模态对齐突破。 CS.RO
- DREAMSTEER: Latent World Models Can Steer VLA Policies During Deployment Without Any Finetuning Hanchen Cui et al. · 利用潜在世界模型在部署阶段引导冻结的 VLA 策略，无需微调即可应对分布偏移。提供了一种即插即用的推理时增强方案，具备本周复用的工程潜力。 CS.RO
- Exp2VLA: Enabling Vision-Language-Action for Drone Navigation from Expert Demonstrations Van Huyen Dang et al. · 将 VLA 框架应用于无人机导航，通过专家演示进行训练。虽涉及 VLA，但侧重于特定平台（UAV）的应用适配，而非通用 VLA 方法的本质改进。 CS.RO
- Beyond Point-Attached Semantics: Object-Centric Semantic Fields for Generalizable Manipulation Zheng Sun et al. · 提出以物体为中心的语义场表示，替代传统的点云语义，以增强对功能部件的理解。属于感知表征层面的改进，未直接触及 VLA 动作生成核心。 CS.RO
- Feeling the Unexpected: ResTacVLA for Contact-Rich Manipulation via Residual Tactile Representation Pengwei Zhang et al. · 针对 VLA 中视觉主导导致的触觉模态坍塌问题，提出残差触觉表示方法 ResTacVLA。有效提升了接触丰富任务的性能，是触觉 VLA 方向的实质性进展。 CS.RO
- HiMe: Hierarchical Embodied Memory for Long-Horizon Vision-Language-Action Control Li Ji et al. · 设计分层具身记忆机制 HiMe，解决 VLA 在非马尔可夫长程任务中的遗忘问题。通过层次化存储提升长期推理能力，方法清晰且针对核心瓶颈。 CS.RO
- Cross-Embodiment Robot Manipulation via a Unified Hand Action Space Luis Felipe Casas et al. · 提出统一手部动作空间 UHAS 以促进不同形态机器人的策略迁移。属于动作空间设计的工程优化，虽有价值但未展示超越现有跨平台方法的显著优势。 CS.RO
- ROBOCYCLE: Autonomous Dual-Arm Robotic Manipulation and Coordination for Recycling Applications Rubén de J. Hilario-Cruz et al. · 针对回收场景的双臂协作系统，侧重特定应用领域的系统集成。缺乏通用的 VLA 方法论贡献，主要体现工程实现。 CS.RO
- CoRE-VLA: Towards Scalable and Robust Vision-Language-Action Modeling via Conditional Routing of Experts Haozhe Zhang et al. · 利用条件路由专家机制 CoRE-VLA 处理传感器异构性和故障鲁棒性。通过 MoE 架构提升 VLA 在真实部署中的可扩展性，具有明确的架构创新。 CS.RO
VLA 研究日報VLA 研究日报
共 28 篇
🔧 技術技术
VLA
DREAMSTEER: Latent World Models Can Steer VLA Policies During Deployment Without Any Finetuning
Hanchen Cui et al. · 利用潜在世界模型在部署阶段引导冻结的 VLA 策略，无需微调即可应对分布偏移。提供了一种即插即用的推理时增强方案，具备本周复用的工程潜力。
cs.RO
閱讀原文
VLA
Feeling the Unexpected: ResTacVLA for Contact-Rich Manipulation via Residual Tactile Representation
Pengwei Zhang et al. · 针对 VLA 中视觉主导导致的触觉模态坍塌问题，提出残差触觉表示方法 ResTacVLA。有效提升了接触丰富任务的性能，是触觉 VLA 方向的实质性进展。
cs.RO
閱讀原文
VLA
HiMe: Hierarchical Embodied Memory for Long-Horizon Vision-Language-Action Control
Li Ji et al. · 设计分层具身记忆机制 HiMe，解决 VLA 在非马尔可夫长程任务中的遗忘问题。通过层次化存储提升长期推理能力，方法清晰且针对核心瓶颈。
cs.RO
閱讀原文
VLA
CoRE-VLA: Towards Scalable and Robust Vision-Language-Action Modeling via Conditional Routing of Experts
Haozhe Zhang et al. · 利用条件路由专家机制 CoRE-VLA 处理传感器异构性和故障鲁棒性。通过 MoE 架构提升 VLA 在真实部署中的可扩展性，具有明确的架构创新。
cs.RO
閱讀原文
VLA
Look Before You Leap: Distilling Tree Search into Action Evaluation for Frozen VLA Models
Xinyi Xie et al. · 将树搜索蒸馏为动作评估器，用于增强冻结 VLA 模型的泛化性而无需重训。提供了一种高效的推理时优化手段，适合快速集成到现有 VLA 流程中。
cs.RO
閱讀原文
VLA
ACE: Agentic Control for Embodied Manipulation via Zero-shot Workflow Reasoning
Iok Tong Lei et al. · 提出 ACE 框架，通过零样本工作流推理实现具身代理控制。强调高层逻辑推理与底层执行的解耦，为 Agentic VLA 提供了新的实现路径。
cs.RO
閱讀原文
VLA
SEAM: Smooth Execution of Action-Chunked Motion for Vision-Language-Action Policies
Dijia Zhan et al. · 提出 SEAM 方法平滑动作块之间的执行不一致性，解决多模态分叉问题。针对 VLA 常见的动作不连续痛点，提供即插即用的后处理优化方案。
cs.RO
閱讀原文
📖 背景閱讀背景阅读
VLA
Simple-to-Complex Structured Demonstrations for Vision-Language-Action Learning
提出一种从简单到复杂的结构化演示数据构建方法，旨在提升 VLA 模型对复杂任务的泛化能力。属于数据策略改进，缺乏具体架构创新或显著 SOTA 突破。
hf-papers
閱讀原文
VLA
Deform360: A Massive Multi-view Visuotactile Dataset for Deformable World Models
发布了一个大规模多视图视触觉数据集，专注于可变形物体的世界模型构建。作为重要资源填补了触觉 VLA 方向的数据空白，但本身非算法论文。
hf-papers
閱讀原文
VLA
Differential Amplifier-Inspired AmpAttention for Multi-View Robotic Manipulation
Jin Yang et al. · 受差分放大器启发的 AmpAttention 机制用于处理多视角冗余和遮挡。属于注意力机制的微调优化，未涉及 VLA 核心架构变革或跨模态对齐突破。
cs.RO
閱讀原文
VLA
Exp2VLA: Enabling Vision-Language-Action for Drone Navigation from Expert Demonstrations
Van Huyen Dang et al. · 将 VLA 框架应用于无人机导航，通过专家演示进行训练。虽涉及 VLA，但侧重于特定平台（UAV）的应用适配，而非通用 VLA 方法的本质改进。
cs.RO
閱讀原文
VLA
Beyond Point-Attached Semantics: Object-Centric Semantic Fields for Generalizable Manipulation
Zheng Sun et al. · 提出以物体为中心的语义场表示，替代传统的点云语义，以增强对功能部件的理解。属于感知表征层面的改进，未直接触及 VLA 动作生成核心。
cs.RO
閱讀原文
VLA
Cross-Embodiment Robot Manipulation via a Unified Hand Action Space
Luis Felipe Casas et al. · 提出统一手部动作空间 UHAS 以促进不同形态机器人的策略迁移。属于动作空间设计的工程优化，虽有价值但未展示超越现有跨平台方法的显著优势。
cs.RO
閱讀原文
VLA
ROBOCYCLE: Autonomous Dual-Arm Robotic Manipulation and Coordination for Recycling Applications
Rubén de J. Hilario-Cruz et al. · 针对回收场景的双臂协作系统，侧重特定应用领域的系统集成。缺乏通用的 VLA 方法论贡献，主要体现工程实现。
cs.RO
閱讀原文
VLA
Occluding the Solution Space: Planner-Agnostic Adversarial Attacks on Tolerance-Aware Manipulation
Keke Tang et al. · 研究运动规划的对抗攻击，评估操作的鲁棒性。属于安全性分析范畴，虽相关但不直接提供 VLA 性能提升或新架构。
cs.RO
閱讀原文
VLA
High-Fidelity One-Step Generative Visuomotor Policy via Recursive Correction, Frequency Consistency, and Contrastive Flow Matching
Yuran Chen et al. · 结合递归校正和对比流匹配实现单步生成式视觉运动策略。虽涉及生成式策略加速，但更多是扩散/流匹配模型的工程变体，VLA 特异性不强。
cs.RO
閱讀原文
VLA
WSA$_1$: a 3D-Centric World-Spatial-Action Model for Generalizable Robot Control
Jiahao Jiang et al. · 提出以 3D 为中心的世界-空间-动作模型 WSA1。概念较新，但摘要未展示显著的 Benchmark 超越或独特的架构细节，暂归为值得了解。
cs.RO
閱讀原文
VLA
Worldscape-MoE: A Unified Mixture-of-Experts World Model for Scalable Heterogeneous Action Control
Jianjie Fang et al. · 构建统一的 MoE 世界模型以支持异构动作控制。侧重于世界模型的扩展性，与 VLA 策略学习间接相关，非直接的动作生成架构。
cs.RO
閱讀原文
VLA
!Imperio, smolVLA: The Implications of Data Poisoning on Open Source Robotics
Stefan Bühler et al. · 探讨开源机器人生态中 VLA 模型面临的数据投毒风险。属于安全与伦理研究，对理解 VLA 部署风险有重要意义，但非技术方法改进。
cs.RO
閱讀原文
VLA
XS-VLA: Coupling Coarse-grained Spatial Distillation with Latent Flow Matching for Lightweight Robotic Control
Lei Iok Tong et al. · 通过粗粒度空间蒸馏和潜在流匹配实现轻量级 VLA XS-VLA。侧重模型压缩与边缘部署，属于工程优化，未触及核心泛化瓶颈。
cs.RO
閱讀原文
VLA
SoftVTBench: A Safety-Aware Visuo-Tactile Benchmark for Physically Constrained Robotic Manipulation of Deformable Objects
Bowen Jing et al. · 发布面向可变形物体操作的视触觉安全基准 SoftVTBench。填补了安全约束下触觉操作评估的空白，是重要的评测资源。
cs.RO
閱讀原文
VLA
HALO-WA: Hybrid-Attention Latent-Guided Online Reinforcement Learning for World-Action Models
Angen Ye et al. · 结合混合注意力和在线 RL 优化世界-动作模型 HALO-WA。主要针对 WA 模型的校准误差，属于特定子领域的算法改进，通用性有限。
cs.RO
閱讀原文
VLA
ACE-Brain-0.5: A Unified Embodied Foundational Model for Physical Agentic AI
ACE-Brain Team et al. · 推出 ACE-Brain-0.5 具身基础模型，整合感知、规划与执行。虽声称统一，但摘要缺乏具体的架构创新细节和超越现有 SOTA 的量化证据，疑似常规迭代。 [💧灌水]
cs.RO
閱讀原文
VLA
RoboDojo: A Unified Sim-and-Real Benchmark for Comprehensive Evaluation of Generalist Robot Manipulation Policies
Tianxing Chen et al. · 提出 RoboDojo 仿真与真实统一基准，旨在全面评估通用机器人策略。作为评测工具具有重要价值，但非算法本身。
cs.RO
閱讀原文
VLA
KAM-WM: Kinematic Affordance Maps from Latent World Models for Robot Manipulation
Xinyu Shao et al. · 从潜在世界模型中提取运动可供性地图 KAM-WM，辅助少样本学习。属于感知先验的提取方法，未直接改变 VLA 的核心训练或推理范式。
cs.RO
閱讀原文
VLA
Do Vision-Language-Action Models Mean What They Say? On the Role of Faithfulness in Embodied Reasoning
Matthew Foutter et al. · 探究 VLA 模型中思维链（CoT）的忠实度，分析语言推理是否真实反映策略行为。属于可解释性与可靠性分析，对理解黑盒模型有启发。
cs.RO
閱讀原文
VLA
Geometry-Aware Motion Latents for Learning Robust Manipulation Policies
Yunchao Zhang et al. · 引入几何感知运动潜变量 GeoMoLa，从视觉序列中提取更有效的动作抽象。属于表征学习改进，虽有益但尚未证明其在 VLA 基准上的决定性优势。
cs.RO
閱讀原文