VLA
Patch Policy: Efficient Embodied Control via Dense Visual Representations
利用 ViT 密集特征替代全局 Token 提升 VLA 空间细节保留能力，解决现有策略压缩信息损失问题。提供基于 Patch 的视觉编码新范式，可直接集成至 RT/ACT 等 backbone 中复用。
hf-papers
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
- ConceptTree: Bringing Semantic Transparency to Black-Box Decision Making for Robotic Manipulation 提出 ConceptTree 框架以增强机器人长程操作的可解释性，将技能选择映射为语义树结构。虽涉及 VLA 决策过程，但侧重于事后解释而非控制架构改进，缺乏具体 VLA 实验细节。 HF-PAPER
- Patch Policy: Efficient Embodied Control via Dense Visual Representations 利用 ViT 密集特征替代全局 Token 提升 VLA 空间细节保留能力，解决现有策略压缩信息损失问题。提供基于 Patch 的视觉编码新范式，可直接集成至 RT/ACT 等 backbone 中复用。 HF-PAPER
- HyperDCM: Dynamic Cluster Memory Replay in Hyperbolic Space for Continual Robotic Navigation Across Scenes [Software Engineering Institute, East China Normal University] Zhengfei Lu et al. · 针对连续导航中的灾难性遗忘，提出双曲空间动态聚类记忆回放机制。聚焦移动底盘导航而非机械臂操作，与 VLA 灵巧操作核心目标存在领域偏差。 CS.RO
- Foresight Residual RL for Long-Horizon Robot Manipulation with Vision-Language-Action Models [Department of Computer Science, Rutgers University] Yuhan Liu et al. · 引入前瞻残差 RL 解决 VLA 在接触丰富装配任务中的信用分配难题，通过预测未来状态修正动作。提供针对长程接触任务的微调策略，具有明确的工程应用价值。 CS.RO
- PhyAgentOS: A Self-Evolving Operating System for Embodied Agents with Decoupled Cognitive Planning and Physical Execution [Physical Intelligence] Yang Liu et al. · 构建解耦认知规划与物理执行的智能体操作系统框架，强调状态共享与语义验证。偏向系统架构设计，缺乏具体的 VLA 模型训练细节或 Benchmark 性能对比。 CS.RO
- User-Driven Learning from Demonstration: A Trajectory and Impedance Learning Method [Department of Electrical and Computer Engineering, Western University] Zi-Qi Yang et al. · 提出用户驱动的 LfD 方法，同时学习轨迹与阻抗以减少示教负担。传统机器人学习方法，未结合 VLM/VLA 大模型先验，创新点局限于经典控制层面。 CS.RO
- Asynchronous Multimodal Diffusion Policy Composition via Latency-Aware Guidance Fusion [Shanghai Jiao Tong University] Zihao He et al. · 解决多模态扩散策略中不同模态延迟不一致问题，提出延迟感知引导融合机制。直接优化 Diffusion Policy 在多传感器异步输入下的表现，代码可复用性强。 CS.RO
- From Perception to Assistance: Open-Vocabulary Shared Autonomy for Robotic Manipulation [Department of Mechanical Engineering, University of São Paulo] Murilo Vinicius da Silva et al. · 结合开放词汇感知与人机共享自主权辅助遥操作，提升工业场景下的操作精度。侧重人机协作接口设计，非端到端 VLA 控制架构的核心突破。 CS.RO
- Predicting Grasping Compliance in Robotic Hands through Analytical-Model-Informed Neural Networks [Department of Mechanical Engineering, Stevens Institute of Technology] Qianwen Zhao et al. · 利用解析模型引导神经网络预测抓取顺应性，服务于力控工具使用。聚焦底层力学特性预测，未涉及高层语义指令到动作的 VLA 映射。 CS.RO
- HCPG-Flow:Hierarchical Contact-Progress Guidance for Flow-Policy Robot Manipulation [State Key Laboratory of Robotics and Systems, Harbin Institute of Technology] Guanghu Xie et al. · 为流匹配策略引入分层接触进度引导，解决多模态动作采样中的价值估计偏差。提供针对接触丰富任务的 Flow Policy 改进方案，具实操价值。 CS.RO
- Reasoning as a Double-Edged Sword: Architecture and Cross-Stage Robustness in Vision-Language-Action Models [University of Melbourne] Tuan Duong Trinh et al. · 深入分析推理步骤对 VLA 抗扰动鲁棒性的影响，揭示中间推理可能引入噪声的风险。提供关于 VLA 内部推理模块设计的实证洞见，指导架构优化。 CS.RO
- RynnBrain 1.1: Towards More Capable and Generalizable Embodied Foundation Model [DAMO Academy, Alibaba Group] Kehan Li et al. · 发布多尺度具身基础模型 RynnBrain 1.1，支持感知与定位。虽宣称通用性，但摘要缺乏具体 Benchmark 对比数据，且类似工作较多，需正文验证实质提升。 CS.RO
VLA 研究日報VLA 研究日报
共 26 篇
🔧 技術技术
VLA [Department of Computer Science, Rutgers University]
Foresight Residual RL for Long-Horizon Robot Manipulation with Vision-Language-Action Models
Yuhan Liu et al. · 引入前瞻残差 RL 解决 VLA 在接触丰富装配任务中的信用分配难题，通过预测未来状态修正动作。提供针对长程接触任务的微调策略，具有明确的工程应用价值。
cs.RO
閱讀原文
VLA [Shanghai Jiao Tong University]
Asynchronous Multimodal Diffusion Policy Composition via Latency-Aware Guidance Fusion
Zihao He et al. · 解决多模态扩散策略中不同模态延迟不一致问题，提出延迟感知引导融合机制。直接优化 Diffusion Policy 在多传感器异步输入下的表现，代码可复用性强。
cs.RO
閱讀原文
VLA [State Key Laboratory of Robotics and Systems, Harbin Institute of Technology]
HCPG-Flow:Hierarchical Contact-Progress Guidance for Flow-Policy Robot Manipulation
Guanghu Xie et al. · 为流匹配策略引入分层接触进度引导，解决多模态动作采样中的价值估计偏差。提供针对接触丰富任务的 Flow Policy 改进方案，具实操价值。
cs.RO
閱讀原文
VLA [University of Melbourne]
Reasoning as a Double-Edged Sword: Architecture and Cross-Stage Robustness in Vision-Language-Action Models
Tuan Duong Trinh et al. · 深入分析推理步骤对 VLA 抗扰动鲁棒性的影响，揭示中间推理可能引入噪声的风险。提供关于 VLA 内部推理模块设计的实证洞见，指导架构优化。
cs.RO
閱讀原文
VLA [BUAA]
Closing the Loop in Humanoid VLA: Persistent 3D Object Tokens for Verifiable Loco-Manipulation
Peng Ren et al. · 为人形机器人 VLA 引入持久化 3D 对象 Token，解决移动操作中的物体跟踪与遮挡问题。填补 VLA 在长程移动操作中状态一致性维护的技术空白。
cs.RO
閱讀原文
VLA [Tsinghua University]
FM-VLA: Force-based Memory for Vision-Language-Action Models in Contact-Rich Manipulation
Ruicheng Li et al. · 将力觉记忆融入 VLA 以增强接触丰富操作的性能，突破纯视觉记忆的局限。提供多模态触觉 VLA 的具体实现路径，契合当前触觉 VLA 研究热点。
cs.RO
閱讀原文
VLA [State Key Lab of Processors, Institute of Computing Technology, CAS]
PrimitiveVLA: Learning Reusable Motion Primitives for Efficient and Generalizable Robotic Manipulation
Yutai Li et al. · 提出 PrimitiveVLA 通过学习可复用运动基元解决 VLA 数据效率低的问题，替代直接指令映射。提供模块化 VLA 训练新思路，有助于提升泛化性。
cs.RO
閱讀原文
VLA [RUC]
TempoVLA: Learning Speed-Controllable Vision-Language-Action Policies
Dong Jing et al. · 赋予 VLA 速度可控能力，区分低风险快速移动与高风险精细接触阶段。解决现有 VLA 固定执行速度的缺陷，提升实际操作安全性与效率。
cs.RO
閱讀原文
VLA [Shanghai Jiao Tong University]
Q-VGM: Q-Value-Gradient Matching for Off-Policy Reinforcement Learning of Flow-Matching VLA
Ziqian Wang et al. · 提出 Q-VGM 算法，通过 Q 值梯度匹配实现 Flow-Matching VLA 的离线 RL 精调。解决流匹配策略强化学习难收敛痛点，具重要理论价值。
cs.RO
閱讀原文
📖 背景閱讀背景阅读
VLA
ConceptTree: Bringing Semantic Transparency to Black-Box Decision Making for Robotic Manipulation
提出 ConceptTree 框架以增强机器人长程操作的可解释性，将技能选择映射为语义树结构。虽涉及 VLA 决策过程，但侧重于事后解释而非控制架构改进，缺乏具体 VLA 实验细节。
hf-papers
閱讀原文
VLA [Software Engineering Institute, East China Normal University]
HyperDCM: Dynamic Cluster Memory Replay in Hyperbolic Space for Continual Robotic Navigation Across Scenes
Zhengfei Lu et al. · 针对连续导航中的灾难性遗忘，提出双曲空间动态聚类记忆回放机制。聚焦移动底盘导航而非机械臂操作，与 VLA 灵巧操作核心目标存在领域偏差。
cs.RO
閱讀原文
VLA [Physical Intelligence]
PhyAgentOS: A Self-Evolving Operating System for Embodied Agents with Decoupled Cognitive Planning and Physical Execution
Yang Liu et al. · 构建解耦认知规划与物理执行的智能体操作系统框架，强调状态共享与语义验证。偏向系统架构设计，缺乏具体的 VLA 模型训练细节或 Benchmark 性能对比。
cs.RO
閱讀原文
VLA [Department of Electrical and Computer Engineering, Western University]
User-Driven Learning from Demonstration: A Trajectory and Impedance Learning Method
Zi-Qi Yang et al. · 提出用户驱动的 LfD 方法，同时学习轨迹与阻抗以减少示教负担。传统机器人学习方法，未结合 VLM/VLA 大模型先验，创新点局限于经典控制层面。
cs.RO
閱讀原文
VLA [Department of Mechanical Engineering, University of São Paulo]
From Perception to Assistance: Open-Vocabulary Shared Autonomy for Robotic Manipulation
Murilo Vinicius da Silva et al. · 结合开放词汇感知与人机共享自主权辅助遥操作，提升工业场景下的操作精度。侧重人机协作接口设计，非端到端 VLA 控制架构的核心突破。
cs.RO
閱讀原文
VLA [Department of Mechanical Engineering, Stevens Institute of Technology]
Predicting Grasping Compliance in Robotic Hands through Analytical-Model-Informed Neural Networks
Qianwen Zhao et al. · 利用解析模型引导神经网络预测抓取顺应性，服务于力控工具使用。聚焦底层力学特性预测，未涉及高层语义指令到动作的 VLA 映射。
cs.RO
閱讀原文
VLA [DAMO Academy, Alibaba Group]
RynnBrain 1.1: Towards More Capable and Generalizable Embodied Foundation Model
Kehan Li et al. · 发布多尺度具身基础模型 RynnBrain 1.1，支持感知与定位。虽宣称通用性，但摘要缺乏具体 Benchmark 对比数据，且类似工作较多，需正文验证实质提升。
cs.RO
閱讀原文
VLA [Huawei Noah’s Ark Lab]
RoboHarness: Memory-Driven Orchestration of Heterogeneous Robot Policies for Long-Horizon Planning
Jinbang Huang et al. · 提出基于记忆的异构策略编排框架，用于长程任务规划。侧重上层任务分解与策略调度，非底层 VLA 动作生成的核心算法改进。
cs.RO
閱讀原文
VLA [Fondazione Bruno Kessler]
xperception -- Making Robotic Grasping Easier
Matteo Bortolon et al. · 旨在简化机器人抓取感知流程，减少对新物体的重训练需求。标题宏大但摘要缺乏具体技术路线描述，疑似工程工具类工作，学术贡献度不明。 [💧灌水]
cs.RO
閱讀原文
VLA [Department of Aeronautics and Astronautics, Stanford University]
Unsupervised Discovery of Failure Taxonomies from Deployment Logs
Aryaman Gupta et al. · 从部署日志中无监督发现失败分类法，适用于多种机器人系统。属数据分析与运维工具，非 VLA 模型架构或训练范式的核心创新。
cs.RO
閱讀原文
VLA [Institute of Engineering Physics]
Spatiotemporal Knowledge Graphs as Persistent Scene Memory for Embodied Question Answering
Mohamad Al Mdfaa et al. · 使用时空知识图谱作为具身问答的持久场景记忆，解决长视频推理成本问题。聚焦 EQA 任务而非物理操作控制，与 VLA 动作生成目标不同。
cs.RO
閱讀原文
VLA [Georgia Institute of Technology]
Compositional Diffusion with Guided Search for Long-Horizon Planning
Utkarsh A Mishra et al. · 结合组合扩散模型与引导搜索进行长程规划，侧重生成式规划算法。未明确展示在真实机器人操作任务中的应用，与 VLA 直接控制存在差距。
cs.RO
閱讀原文
VLA [Beijing Academy of Artificial Intelligence]
SoMA: A Real-to-Sim Neural Simulator for Robotic Soft-body Manipulation
Mu Huang et al. · 提出用于软体机器人操作的 Real-to-Sim 神经模拟器，解决变形体动力学模拟难题。属仿真工具开发，非 VLA 控制策略本身。
cs.RO
閱讀原文
VLA [北大|Wang]
GraspADMM: Improving Dexterous Grasp Synthesis via ADMM Optimization
Liangwang Ruan et al. · 利用 ADMM 优化提升灵巧抓取的合成质量，满足运动学与动力学约束。属底层抓取规划算法，未结合 VLA 高层语义理解能力。
cs.RO
閱讀原文
VLA [Tencent (China)]
Hy-Embodied-0.5-VLA: From Vision-Language-Action Models to a Real-World Robot Learning Stack
He Zhang et al. · 报告 HyVLA-0.5 端到端系统，涵盖数据收集到 RL 后训练全流程。属系统工程报告，虽全面但缺乏单一核心算法突破，更多是工程整合。
cs.RO
閱讀原文
VLA [Independent Researcher]
Learning to Fold: prizewinning solution at LeHome Challenge 2026 (1st place online, 2nd offline)
Ilia Larchenko · 分享 ICRA 2026 衣物折叠比赛获奖方案，基于 VLA 改进。属特定任务解决方案报告，通用性有限，主要价值在于工程实践参考。
cs.RO
閱讀原文