VLA [Institute for AI, PKU]
EgoSteer: A Full-Stack System Towards Steerable Dexterous Manipulation from Egocentric Videos
Yifan Zhong et al. · 提出从第一人称视频学习可操控灵巧手操作的全栈系统，解决数据稀缺瓶颈。亮点在于构建了语言对齐且动作精确的大规模演示数据集，为灵巧手VLA提供关键数据支撑。
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
- EgoSteer: A Full-Stack System Towards Steerable Dexterous Manipulation from Egocentric Videos [Institute for AI, PKU] Yifan Zhong et al. · 提出从第一人称视频学习可操控灵巧手操作的全栈系统，解决数据稀缺瓶颈。亮点在于构建了语言对齐且动作精确的大规模演示数据集，为灵巧手VLA提供关键数据支撑。 CS.RO
- Maximizing Human Efficiency in Large-Scale Robot Post-Training via VLAC-Cut Guided Pipeline [Shanghai AI Laboratory] Shaopeng Zhai et al. · 针对VLA下游任务微调，提出VLAC-Cut引导的数据筛选流水线以最大化人工标注效率。该方法能显著减少迭代轮次，是提升VLA工程化部署效率的可复用工具。 CS.RO
- TS-Mask VLA: 2D Temporal-Spatial Masking for Vision-Language-Action Model with Effective Bridging [Institute of Cyber-Systems and Control, Zhejiang University] Shengzhuo Yang et al. · 引入时空掩码机制改进VLA的自回归动作生成，旨在通过有效桥接提升性能。属于对现有架构的模块级改进，缺乏跨平台或SOTA级别的突破性验证。 CS.RO
- More Structure, Not More Capacity: Object-Centric Representations for Visuomotor Imitation Learning Yi Li et al. · 利用对象中心槽表示替代全局场景嵌入，以分离任务相关与无关特征。虽具理论价值，但主要聚焦于视觉表征结构，未直接涉及VLA核心架构创新或大规模基准对比。 CS.RO
- Robo-ValueRL: Reliable Value Estimation for Offline-to-Online Reinforcement Learning [Gaoling School of Artificial Intelligence, Renmin University of China] Wenke Xia et al. · 关注离线到在线RL中的价值估计可靠性问题，旨在简化复杂系统的复现与诊断。属于RL算法层面的优化，非VLA架构或训练范式的直接创新。 CS.RO
- TAC-LOCO: Unified Whole-Body Control for Quadrupedal TACtile-Informed LOCO-Manipulation [Purdue University] Muqun Hu et al. · 结合触觉感知实现四足机器人的全身Loco-Manipulation控制。重点在于底层控制律与触觉融合，而非高层VLA策略学习，属于传统机器人控制范畴。 CS.RO
- On the Efficiency of LoRA Fine-Tuning for Vision-Language-Action Models in Industrial Robotic Manipulation [Technische Hochschule Nürnberg Georg Simon Ohm] Finn Ferchau et al. · 系统评估LoRA在工业VLA微调中的效率，对比全量微调。提供了明确的工程洞见和参数配置建议，有助于降低VLA在工业硬件上的部署成本，具备高复用价值。 CS.RO
- ActiveFly-Bench: Aligning Embodied Question Answering with Vision-Language-Action for Aerial Embodied Perception [Tsinghua University] Weichen Zhang et al. · 发布首个无人机具身感知基准ActiveFly-Bench，涵盖空中具身问答等任务。作为新数据集/基准具有重要参考价值，但本身非方法创新，归类为值得了解。 CS.RO
- VINE: Taming Generative Control Policies for Reinforcement Learning [AgiBot] Rushuai Yang et al. · 探讨流匹配策略在RL中的稳定性问题，提出驯服生成式控制策略的方法。属于通用强化学习算法改进，未明确结合VLA的多模态特性或具体机器人操作场景。 CS.RO
- SUREFlow: State-space Uncertainty-aware REsidual Flow Matching for Robust Robot Manipulation [School of Electronic and Electrical Engineering, Kyungpook National University] Md Tanvir Islam et al. · 提出状态空间不确定性感知的残差流匹配以提升操作鲁棒性。虽涉及VLA常用的流匹配技术，但侧重于噪声下的控制稳定性，属算法微调而非架构突破。 CS.RO
- Artificial Foveated Perception for Mitigating Shortcut Learning in Robotic Foundation Models [Yale University] Xiatao Sun et al. · 引入人工中央凹视觉机制以减少机器人基础模型中的捷径学习。属于视觉感知层面的改进，旨在提升泛化性，但未直接改变VLA的动作生成范式。 CS.RO
- Action Map Policy: Learning 3D Closed-loop Manipulation via Pixel Classification [Northeastern University] Haojie Huang et al. · 通过像素分类学习3D闭环操作策略，将动作空间映射为图像分割问题。属于动作表征的创新尝试，但缺乏与主流VLA基准的广泛对比验证。 CS.RO
VLA 研究日報VLA 研究日报
共 29 篇
🔧 技術技术
VLA [Shanghai AI Laboratory]
Maximizing Human Efficiency in Large-Scale Robot Post-Training via VLAC-Cut Guided Pipeline
Shaopeng Zhai et al. · 针对VLA下游任务微调，提出VLAC-Cut引导的数据筛选流水线以最大化人工标注效率。该方法能显著减少迭代轮次，是提升VLA工程化部署效率的可复用工具。
cs.RO
閱讀原文
VLA [Technische Hochschule Nürnberg Georg Simon Ohm]
On the Efficiency of LoRA Fine-Tuning for Vision-Language-Action Models in Industrial Robotic Manipulation
Finn Ferchau et al. · 系统评估LoRA在工业VLA微调中的效率，对比全量微调。提供了明确的工程洞见和参数配置建议，有助于降低VLA在工业硬件上的部署成本，具备高复用价值。
cs.RO
閱讀原文
VLA [Stanford|Sadigh]
VIA: Visual Interface Agent for Robot Control
Hengyuan Hu et al. · 提出通过视觉界面代理（GUI）控制机器人，连接基础模型的推理能力与物理执行。提供了一种新的VLA交互范式，具有明确的工程应用路径和复用价值。
cs.RO
閱讀原文
VLA
Towards Predictive, Aligned, and Scalable Robot Learning
Peijun Tang et al. · 介绍Lumo-2潜在世界-动作模型，通过在潜在动力学中推理生成动作。填补了世界模型与VLA结合的空白，提供了超越单纯模仿学习的可扩展学习新范式。
cs.RO
閱讀原文
VLA [KAIST AI]
See like a Robot: Robot-Centric Pointmaps for Vision-Language-Action Models
Byungkun Lee et al. · 提出以机器人为中心的点图表示，解决相机帧与机器人动作帧之间的不匹配问题。直接提升VLA的空间理解与动作精度，方法简洁有效，易于集成。
cs.RO
閱讀原文
VLA [Berkeley|Bohg]
Mixture of Frames Policy: Multi-Frame Action Denoising for Bimanual Mobile Manipulation
Dian Wang et al. · 针对双臂移动操作，提出混合帧策略在多帧动作去噪中融合末端执行器与基座坐标系。解决了复杂操作中的坐标变换难题，显著提升双臂协作性能。
cs.RO
閱讀原文
VLA [Tsinghua]
MotuBrain: An Advanced World Action Model for Robot Control
Motubrain Team et al. · 提出MotuBrain统一世界动作模型，联合建模视频与动作。填补了VLA中世界动态精细建模的空白，为基于世界模型的VLA控制提供了新的架构参考。
cs.RO
閱讀原文
VLA [HUST]
IntentVLA: Short-Horizon Intent Modeling for Aliased Robot Manipulation
Shijie Lian et al. · 针对多模态演示数据中的意图混淆，提出短视域意图建模。有效提升了VLA在相似观察下区分不同动作的能力，解决了模仿学习中的 aliasing 痛点。
cs.RO
閱讀原文
VLA [Physical Intelligence]
Embodied-R1.5: Evolving Physical Intelligence via Embodied Foundation Models
Yifu Yuan et al. · 整合具身认知、规划、修正于一体的具身基础模型。虽标题蹭热点，但其提出的统一架构涵盖了VLA的高级推理能力，具备较高的跟踪价值和复用潜力。
cs.RO
閱讀原文
📖 背景閱讀背景阅读
VLA [Institute of Cyber-Systems and Control, Zhejiang University]
TS-Mask VLA: 2D Temporal-Spatial Masking for Vision-Language-Action Model with Effective Bridging
Shengzhuo Yang et al. · 引入时空掩码机制改进VLA的自回归动作生成，旨在通过有效桥接提升性能。属于对现有架构的模块级改进，缺乏跨平台或SOTA级别的突破性验证。
cs.RO
閱讀原文
VLA
More Structure, Not More Capacity: Object-Centric Representations for Visuomotor Imitation Learning
Yi Li et al. · 利用对象中心槽表示替代全局场景嵌入，以分离任务相关与无关特征。虽具理论价值，但主要聚焦于视觉表征结构，未直接涉及VLA核心架构创新或大规模基准对比。
cs.RO
閱讀原文
VLA [Gaoling School of Artificial Intelligence, Renmin University of China]
Robo-ValueRL: Reliable Value Estimation for Offline-to-Online Reinforcement Learning
Wenke Xia et al. · 关注离线到在线RL中的价值估计可靠性问题，旨在简化复杂系统的复现与诊断。属于RL算法层面的优化，非VLA架构或训练范式的直接创新。
cs.RO
閱讀原文
VLA [Purdue University]
TAC-LOCO: Unified Whole-Body Control for Quadrupedal TACtile-Informed LOCO-Manipulation
Muqun Hu et al. · 结合触觉感知实现四足机器人的全身Loco-Manipulation控制。重点在于底层控制律与触觉融合，而非高层VLA策略学习，属于传统机器人控制范畴。
cs.RO
閱讀原文
VLA [Tsinghua University]
ActiveFly-Bench: Aligning Embodied Question Answering with Vision-Language-Action for Aerial Embodied Perception
Weichen Zhang et al. · 发布首个无人机具身感知基准ActiveFly-Bench，涵盖空中具身问答等任务。作为新数据集/基准具有重要参考价值，但本身非方法创新，归类为值得了解。
cs.RO
閱讀原文
VLA [AgiBot]
VINE: Taming Generative Control Policies for Reinforcement Learning
Rushuai Yang et al. · 探讨流匹配策略在RL中的稳定性问题，提出驯服生成式控制策略的方法。属于通用强化学习算法改进，未明确结合VLA的多模态特性或具体机器人操作场景。
cs.RO
閱讀原文
VLA [School of Electronic and Electrical Engineering, Kyungpook National University]
SUREFlow: State-space Uncertainty-aware REsidual Flow Matching for Robust Robot Manipulation
Md Tanvir Islam et al. · 提出状态空间不确定性感知的残差流匹配以提升操作鲁棒性。虽涉及VLA常用的流匹配技术，但侧重于噪声下的控制稳定性，属算法微调而非架构突破。
cs.RO
閱讀原文
VLA [Yale University]
Artificial Foveated Perception for Mitigating Shortcut Learning in Robotic Foundation Models
Xiatao Sun et al. · 引入人工中央凹视觉机制以减少机器人基础模型中的捷径学习。属于视觉感知层面的改进，旨在提升泛化性，但未直接改变VLA的动作生成范式。
cs.RO
閱讀原文
VLA [Northeastern University]
Action Map Policy: Learning 3D Closed-loop Manipulation via Pixel Classification
Haojie Huang et al. · 通过像素分类学习3D闭环操作策略，将动作空间映射为图像分割问题。属于动作表征的创新尝试，但缺乏与主流VLA基准的广泛对比验证。
cs.RO
閱讀原文
VLA [Harvard University]
A Single Diffusion-Policy Controller for Multi-Task Block Pushing with Zero-Shot Sim-to-Real Transfer
Haitong Ma et al. · 探索仅用RL从零训练扩散策略进行多任务方块推动，并实现Sim2Real。任务过于简单（Block Pushing），缺乏复杂操作场景验证，贡献有限。
cs.RO
閱讀原文
VLA
SegDiff: Segmented Trajectory Diffusion for Consistent and Adaptive Robot Manipulation
Haidong Cao et al. · 提出分段轨迹扩散以解决连续预测的不一致性问题。属于扩散策略内部的时序建模改进，未触及VLA核心的语言-动作对齐或架构设计。
cs.RO
閱讀原文
VLA [College of Intelligent Robotics and Advanced Manufacturing, Fudan University]
EDAR: Learning Environment-Dependent Action Representations for Robotic Manipulation
Yuecheng Xu et al. · 学习环境依赖的动作表征以解决原始轨迹的噪声和冗余问题。属于动作编码层面的优化，创新点较为局部，未展示显著的SOTA提升。
cs.RO
閱讀原文
VLA [Physical Intelligence]
From World Action Models to Embodied Brains: A Roadmap for Open-World Physical Intelligence
Yuanzhi Liang et al. · 综述世界动作模型至具身大脑的发展路线图。属于观点/综述类文章，虽具启发性但无具体技术贡献或实验数据，适合宏观了解趋势。
cs.RO
閱讀原文
VLA
XR-1: Towards Versatile Vision-Language-Action Models via Learning Unified Vision-Motion Representations
Shichao Fan et al. · 通过统一视觉-运动表征提升VLA的通用性。虽标题宏大，但摘要未展示超越现有SOTA的显著优势或独特架构创新，暂归为常规改进。
cs.RO
閱讀原文
VLA [Department of Computer Engineering, Bogazici University]
Task Parameter Extrapolation via Learning Inverse Tasks from Forward Demonstrations
Serdar Bahar et al. · 通过前向演示学习逆任务以实现任务参数的外推泛化。属于模仿学习泛化能力的研究，未直接涉及VLA的多模态架构或大规模预训练。
cs.RO
閱讀原文
VLA [ETH Zurich]
Hierarchical and Holistic Open-Vocabulary Functional 3D Scene Graphs for Indoor Spaces
Xinggang Hu et al. · 构建开放词汇的功能性3D场景图以辅助室内机器人操作。属于环境表征研究，虽有用但非VLA核心决策架构，且缺乏直接的VLA端到端实验验证。
cs.RO
閱讀原文
VLA [Department of Mechanical Engineering, Yale University]
Distributionally Robust Control via Stein Variational Inference for Contact-Rich Manipulation
Hrishikesh Sathyanarayan et al. · 利用Stein变分推断实现分布鲁棒控制以应对接触丰富操作的不确定性。属于高级控制理论应用，未结合VLA的语言或多模态特性。
cs.RO
閱讀原文
VLA [Thrust of Robotics and Autonomous Systems, The Hong Kong University of Science and Technology (Guangzhou)]
TactileReflex: Noise-Statistics-Driven Vision-Tactile Reflex Control for Force-Sensitive Manipulation
Ziyan Feng et al. · 提出基于噪声统计的视触反射控制，用于力敏感操作（如拿纸杯）。侧重底层快速反射控制，非高层VLA策略生成，属于传统机器人控制范畴。
cs.RO
閱讀原文
VLA [北大|Wang]
Pipette: An Embodied Simulation Platform, Benchmark, and Data-Efficient Augmentation Framework for Wet-Lab Robotics
Zhe Liu et al. · 发布湿实验室机器人仿真平台、基准及数据增强框架。作为垂直领域的重要基础设施，对特定应用场景有价值，但非通用VLA方法论创新。
cs.RO
閱讀原文