VLA [NVIDIA]
RoboTTT: Context Scaling for Robot Policies
Yunfan Jiang et al. · 提出测试时训练（TTT）机制，将VLA的视觉运动上下文扩展至8K时间步，显著提升长程依赖处理能力。解决了VLA记忆瓶颈这一核心问题，并在多个基准上展现显著优势。
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
- Open-AoE: An Open Egocentric Manipulation Dataset and Toolchain for Embodied Learning Zishuo Li et al. · 发布首个低成本第一人称操作数据集及工具链，提供结构化标注。虽对VLA数据收集有价值，但属资源类贡献，非核心算法突破。 CS.RO
- Never Too Late for Force: Accelerating VLA Post-Training with Reactive Force Injection [Shanghai Jiao Tong University] Yi Wang et al. · 提出在VLA后训练阶段注入反应式力信号，解决视觉遮挡下的接触状态感知难题。方法即插即用，显著提升接触丰富任务的性能。 CS.RO
- DiMaS: Distribution Matching for Steering Vision-Language-Action Models [ISIR, Sorbonne Université] Pegah Khayatan et al. · 引入分布匹配机制以精细控制Flow-matching VLA的行为模式，允许通过指令调整动作风格。提供了新的VLA推理控制维度，具有工程应用价值。 CS.RO
- Beyond Implicit Force: Evaluating Explicit Force-Torque Proxies in Action Chunking with Transformers [Australian Institute for Machine Learning (AIML), Adelaide University] King Hang Wong et al. · 评估ACT中显式力矩代理的有效性，深入分析多模态融合对接触操作的影响。属细致的消融分析与工程洞见，非架构级创新。 CS.RO
- Representation-Aligned Tactile Grounding for Contact-Rich Robotic Manipulation [Shanghai Key Lab of Intelligent Information Processing, College of Computer Science and Artificial Intelligence, Fudan University] Ruilin Chen et al. · 提出表示对齐的触觉 grounding 方法，利用未来触觉预测增强VLA在接触丰富场景中的泛化能力。填补了触觉VLA对齐策略的空白。 CS.RO
- NavCMPO: Critic-Guided MeanFlow Policy Optimization for Adaptive Navigation [Zhejiang University] Junjie An et al. · 针对无地图视觉导航提出的扩散策略优化方法，侧重移动底盘导航而非机械臂操作。虽涉及Embodied AI，但与VLA核心操作任务距离较远。 CS.RO
- Reflex: Real-Time VLA Control through Streaming Inference Yuanchun Guo et al. · 解决Flow-matching VLA实时性瓶颈，通过流式推理实现低延迟控制。为部署端到端生成式VLA提供了关键的工程优化路径。 CS.RO
- Lights, Camera, Malfunction: When Illumination Robustness Leaves VLA Models Blind to Color [Keio University] Marino Watanabe et al. · 揭示光照变化对VLA颜色感知的脆弱性并提出FLARE缓解方案。属鲁棒性分析与改进，未触及VLA核心架构或训练范式。 CS.RO
- Towards Human-like Physical Intelligence: LifelongVision-Language-Action Learning for Robotic Manipulation [Physical Intelligence] Yao He et al. · 探索VLA的终身学习能力以应对开放世界任务。标题宏大但摘要缺乏具体技术细节与显著SOTA超越证据，暂归为值得了解。 CS.RO
- AeroAct: Action-Centered World-Action Models for Language-Conditioned Quadrotor Flight [School of Automation, Beijing Institute of Technology] Xinhong Zhang et al. · 将VLA范式应用于四旋翼飞行控制，强调世界模型与动作中心的结合。属VLA在非地面平台的应用扩展，非通用操作SOTA。 CS.RO
- CosFly-VLA: A Spatially Aware Vision-Language-Action Model for UAV Tracking [Autel Robotics] Ruilong Ren et al. · 针对UAV跟踪的空间感知VLA模型，侧重无人机动态环境下的视觉追踪。应用场景特定，与通用具身操作基准关联度较低。 CS.RO
- DriftWorld: Fast World Modeling through Drifting [Massachusetts Institute of Technology] Susie Lu et al. · 提出通过漂移加速扩散世界模型的采样过程，解决多步规划的计算瓶颈。为VLA结合世界模型进行快速推理提供了高效工具。 CS.RO
VLA 研究日報VLA 研究日报
共 27 篇
⚡ 突破
🔧 技術技术
VLA [Shanghai Jiao Tong University]
Never Too Late for Force: Accelerating VLA Post-Training with Reactive Force Injection
Yi Wang et al. · 提出在VLA后训练阶段注入反应式力信号，解决视觉遮挡下的接触状态感知难题。方法即插即用，显著提升接触丰富任务的性能。
cs.RO
閱讀原文
VLA [ISIR, Sorbonne Université]
DiMaS: Distribution Matching for Steering Vision-Language-Action Models
Pegah Khayatan et al. · 引入分布匹配机制以精细控制Flow-matching VLA的行为模式，允许通过指令调整动作风格。提供了新的VLA推理控制维度，具有工程应用价值。
cs.RO
閱讀原文
VLA [Shanghai Key Lab of Intelligent Information Processing, College of Computer Science and Artificial Intelligence, Fudan University]
Representation-Aligned Tactile Grounding for Contact-Rich Robotic Manipulation
Ruilin Chen et al. · 提出表示对齐的触觉 grounding 方法，利用未来触觉预测增强VLA在接触丰富场景中的泛化能力。填补了触觉VLA对齐策略的空白。
cs.RO
閱讀原文
VLA
Reflex: Real-Time VLA Control through Streaming Inference
Yuanchun Guo et al. · 解决Flow-matching VLA实时性瓶颈，通过流式推理实现低延迟控制。为部署端到端生成式VLA提供了关键的工程优化路径。
cs.RO
閱讀原文
VLA [Massachusetts Institute of Technology]
DriftWorld: Fast World Modeling through Drifting
Susie Lu et al. · 提出通过漂移加速扩散世界模型的采样过程，解决多步规划的计算瓶颈。为VLA结合世界模型进行快速推理提供了高效工具。
cs.RO
閱讀原文
VLA [University of Technology Sydney]
UniSteer: Unified Noise Steering for Efficient Human-Guided VLA Adaptation
Junjie Lu et al. · 提出统一噪声引导机制，实现高效的人类指导VLA自适应。避免了昂贵的在线RL，为VLA的快速领域适配提供了实用方案。
cs.RO
閱讀原文
VLA [EmPACT Lab, Nanyang Technological University, Singapore]
VistaVLA: Geometry- and Semantic-Aware 3D Gaussian-Grounded VLA for Robotic Manipulation
Mohan Liu et al. · 将3D高斯泼溅几何语义信息融入VLA，解决2D视觉输入缺乏深度结构的问题。提升了VLA在复杂空间操作中的理解与泛化能力。
cs.RO
閱讀原文
VLA [Department of Computer Science and Engineering, Southern University of Science and Technology]
RADAR: Closed-Loop Robotic Data Generation via Semantic Planning and Autonomous Causal Environment Reset
Yongzhong Wang et al. · 提出闭环数据生成框架，通过语义规划和因果环境重置自动采集高质量数据。解决了VLA训练数据稀缺的核心痛点，具有高复用价值。
cs.AI
閱讀原文
VLA [Continuous Learning Team, Shanghai AI Laboratory]
HELP: Human-Efficient Large-Scale Robot Post-Training with Rollout Segmentation
Shaopeng Zhai et al. · 通过轨迹分割提高人类在VLA后训练中的效率，降低标注成本。为大规模VLA微调提供了实用的工程优化方案。
cs.AI
閱讀原文
📖 背景閱讀背景阅读
VLA
Open-AoE: An Open Egocentric Manipulation Dataset and Toolchain for Embodied Learning
Zishuo Li et al. · 发布首个低成本第一人称操作数据集及工具链，提供结构化标注。虽对VLA数据收集有价值，但属资源类贡献，非核心算法突破。
cs.RO
閱讀原文
VLA [Australian Institute for Machine Learning (AIML), Adelaide University]
Beyond Implicit Force: Evaluating Explicit Force-Torque Proxies in Action Chunking with Transformers
King Hang Wong et al. · 评估ACT中显式力矩代理的有效性，深入分析多模态融合对接触操作的影响。属细致的消融分析与工程洞见，非架构级创新。
cs.RO
閱讀原文
VLA [Zhejiang University]
NavCMPO: Critic-Guided MeanFlow Policy Optimization for Adaptive Navigation
Junjie An et al. · 针对无地图视觉导航提出的扩散策略优化方法，侧重移动底盘导航而非机械臂操作。虽涉及Embodied AI，但与VLA核心操作任务距离较远。
cs.RO
閱讀原文
VLA [Keio University]
Lights, Camera, Malfunction: When Illumination Robustness Leaves VLA Models Blind to Color
Marino Watanabe et al. · 揭示光照变化对VLA颜色感知的脆弱性并提出FLARE缓解方案。属鲁棒性分析与改进，未触及VLA核心架构或训练范式。
cs.RO
閱讀原文
VLA [Physical Intelligence]
Towards Human-like Physical Intelligence: LifelongVision-Language-Action Learning for Robotic Manipulation
Yao He et al. · 探索VLA的终身学习能力以应对开放世界任务。标题宏大但摘要缺乏具体技术细节与显著SOTA超越证据，暂归为值得了解。
cs.RO
閱讀原文
VLA [School of Automation, Beijing Institute of Technology]
AeroAct: Action-Centered World-Action Models for Language-Conditioned Quadrotor Flight
Xinhong Zhang et al. · 将VLA范式应用于四旋翼飞行控制，强调世界模型与动作中心的结合。属VLA在非地面平台的应用扩展，非通用操作SOTA。
cs.RO
閱讀原文
VLA [Autel Robotics]
CosFly-VLA: A Spatially Aware Vision-Language-Action Model for UAV Tracking
Ruilong Ren et al. · 针对UAV跟踪的空间感知VLA模型，侧重无人机动态环境下的视觉追踪。应用场景特定，与通用具身操作基准关联度较低。
cs.RO
閱讀原文
VLA [University of Minnesota Twin Cities]
Active Real-World Factor-Based Evaluation for Generalist Robot Policies
Andrew Liao et al. · 提出基于真实世界因子的主动评估框架，旨在更严谨地衡量通用机器人策略性能。属评估方法论贡献，非模型本身创新。
cs.RO
閱讀原文
VLA [Shanghai Qizhi Institute]
Action QFormer: Structured Representation Shaping under Action Supervision in Vision-Language-Action Models
Yufeng Ji et al. · 研究动作监督如何塑造VLA的多模态表示结构，提出Action QFormer。属内部表示分析，对提升SOTA的直接贡献有限。
cs.RO
閱讀原文
VLA [Munich Institute of Robotics and Machine Intelligence (MIRMI), Technical University of Munich (TUM)]
Safe-Night VLA: Seeing the Unseen via Thermal-Perceptive Vision-Language-Action Models for Safety-Critical Manipulation
Dian Yu et al. · 引入热成像模态增强VLA在夜间安全关键操作中的感知能力。属多模态融合的特定场景应用，创新性局限于传感器层面。
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与基准，包含数据增强框架。属重要基础设施贡献，但非通用VLA算法进展。
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. · 结合触觉信息的四足机器人全身 loco-manipulation 控制。侧重传统控制与触觉融合，未明确采用VLA架构或语言条件。
cs.RO
閱讀原文
VLA [Fudan University]
SPINE: Bridging the Cyber-Physical Gap with Agentic AI
Minkyu Ham et al. · 提出连接高层AI决策与底层物理执行的中间层架构。概念新颖但偏向系统工程，缺乏具体的VLA算法创新细节。
cs.AI
閱讀原文
VLA [Shandong University]
UESF-Bench: Benchmarking and Probing for Unified Embodied Seeking and Following
Kun Yu et al. · 发布统一具身搜索与跟随基准，关注目标丢失后的重定位。属特定任务Benchmark，对通用VLA发展影响有限。
cs.AI
閱讀原文
VLA
Grounded world models in biological organisms and future embodied AI
Giovanni Pezzulo et al. · 综述生物有机体与世界模型的关系，探讨未来方向。属理论综述，无具体VLA技术贡献。
cs.AI
閱讀原文
VLA [Peking University]
Semantic Anchoring for Robotic Action Representations
Yuan Xu et al. · 研究防止VLA微调退化语义表示的方法，提出语义锚定。属表示学习层面的改进，对SOTA提升幅度尚不明确。
cs.AI
閱讀原文
VLA
ABot-AgentOS: A General Robotic Agent OS with Lifelong Multi-modal Memory
Jiayi Tian et al. · 构建具备终身多模态记忆的机器人Agent操作系统。属系统架构层工作，非底层VLA模型算法创新。
cs.AI
閱讀原文