VLA [Princeton]
Emergent Compositional Skills in Mixture-of-Experts VLAs
Shlok Shah et al. · 探索 MoE 架构在 VLA 中涌现组合技能的能力，无需预设任务分解。提供简化 MoE 动作头设计，为提升 VLA 组合泛化能力提供可复用的架构实验洞见。
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
- PhysCoRe: Physics-Corrected Residual World Models for Material-Aware Deformable Dynamics [Georgia Institute of Technology] Haocheng Yin et al. · 提出物理修正残差世界模型以预测可变形物体动力学，解决材料参数泛化问题。虽涉及操作场景，但侧重物理仿真与动力学建模，非直接 VLA 架构或训练范式创新。 CS.RO
- Emergent Compositional Skills in Mixture-of-Experts VLAs [Princeton] Shlok Shah et al. · 探索 MoE 架构在 VLA 中涌现组合技能的能力，无需预设任务分解。提供简化 MoE 动作头设计，为提升 VLA 组合泛化能力提供可复用的架构实验洞见。 CS.RO
- TableVerse: A Large-scale Tabletop Dataset with Real-world Grounded Layouts for Generalizable Manipulation [ByteDance] Boyuan Wang et al. · 发布大规模桌面操作数据集 TableVerse，包含真实世界接地布局。作为数据资源对 VLA 训练有价值，但属数据集论文，无新算法贡献，归为值得了解。 CS.RO
- GuidedAttention: Interpretable and Correctable Visual Attention for OOD-Robust Robot Manipulation via Imitation Learning [CNRS-AIST JRL (Joint Robotics Laboratory), IRL] Masaki Murooka et al. · 提出 GuidedAttention 框架，通过引入可解释且可纠正的视觉注意力机制增强模仿学习的 OOD 鲁棒性。方法可直接集成至现有 VLA/Visuomotor 策略中，提升部署可靠性。 CS.RO
- Scale Up Strategically: Learning Compositional Generalization via Bias-Aware Evaluation and Data Collection for Robotic Manipulation [Northeastern University] Yu Qi et al. · 引入偏差感知评估框架诊断 VLA 捷径学习问题，并指导数据收集以提升组合泛化。提供具体的评估指标和数据采样策略，本周即可用于优化 VLA 训练数据 pipeline。 CS.RO
- AXIS: A Growable Community-Driven Data Engine for Scalable Robot Manipulation [Axis Robotics] Mengfei Zhao et al. · 介绍 AXIS 数据引擎，旨在通过社区驱动方式扩展机器人操作数据规模。虽对 VLA 数据瓶颈有潜在价值，但摘要未明确技术细节或开源状态，暂归为值得了解。 CS.RO
- TransBiolab: A Real-World Multi-View Dataset of Cluttered Transparent Biomedical Objects [School of Artificial Intelligence and Automation, Huazhong University of Science and Technology] Ke Ma et al. · 发布透明生物医学物体多视角数据集，解决杂乱场景下的感知难题。属于特定领域数据集，对通用 VLA 研究间接相关，无核心算法贡献。 CS.RO
- TOPReward: Token Probabilities as Hidden Zero-Shot Rewards for Robotics [Xuzhou Medical College] Shirui Chen et al. · 利用 LLM token 概率作为零样本奖励信号，解决机器人 RL 中的稀疏反馈问题。方法无需额外训练奖励模型，可直接应用于 VLA 的 RLHF 或精调阶段，具有极高复用价值。 CS.RO
- VPWEM: Non-Markovian Visuomotor Policy with Working and Episodic Memory [School of Computing and Data Science, University of Hong Kong] Yuheng Lei et al. · 提出结合工作记忆和情景记忆的视觉运动策略，解决非马尔可夫任务中的长程依赖问题。架构改进可直接嵌入 VLA backbone，提升复杂时序任务的执行成功率。 CS.RO
- Do World Action Models Generalize Better than VLAs? A Robustness Study [Huawei Technologies] Zhanguang Zhang et al. · 对比世界动作模型与 VLA 的泛化能力及鲁棒性差异。属于系统性评估研究，虽具参考价值，但未提出新架构或显著超越 SOTA 的方法，归为值得了解。 CS.RO
- Offline RL with Hierarchical Action Chunking [Karachi Medical and Dental College] Ahad Jawaid · 提出分层动作分块的离线 RL 方法以缓解视界诅咒。虽与 VLA 动作生成相关，但摘要未明确其在 VLA 或多模态场景中的应用，视为通用 RL 改进，归为值得了解。 CS.LG
- FELT: Generating Tactile Signals from Vision for Visuo-Tactile Manipulation [Viterbi School of Engineering, University of Southern California] Zinan Li et al. · 提出从视觉生成触觉信号的 FELT 方法，解决触觉数据稀缺问题。填补知识库中“触觉操作”方向空白，可直接增强 VLA 的视触融合能力，具备高复用价值。 CS.RO
VLA 研究日報VLA 研究日报
共 12 篇
🔧 技術技术
VLA [CNRS-AIST JRL (Joint Robotics Laboratory), IRL]
GuidedAttention: Interpretable and Correctable Visual Attention for OOD-Robust Robot Manipulation via Imitation Learning
Masaki Murooka et al. · 提出 GuidedAttention 框架，通过引入可解释且可纠正的视觉注意力机制增强模仿学习的 OOD 鲁棒性。方法可直接集成至现有 VLA/Visuomotor 策略中，提升部署可靠性。
cs.RO
閱讀原文
VLA [Northeastern University]
Scale Up Strategically: Learning Compositional Generalization via Bias-Aware Evaluation and Data Collection for Robotic Manipulation
Yu Qi et al. · 引入偏差感知评估框架诊断 VLA 捷径学习问题，并指导数据收集以提升组合泛化。提供具体的评估指标和数据采样策略，本周即可用于优化 VLA 训练数据 pipeline。
cs.RO
閱讀原文
VLA [Xuzhou Medical College]
TOPReward: Token Probabilities as Hidden Zero-Shot Rewards for Robotics
Shirui Chen et al. · 利用 LLM token 概率作为零样本奖励信号，解决机器人 RL 中的稀疏反馈问题。方法无需额外训练奖励模型，可直接应用于 VLA 的 RLHF 或精调阶段，具有极高复用价值。
cs.RO
閱讀原文
VLA [School of Computing and Data Science, University of Hong Kong]
VPWEM: Non-Markovian Visuomotor Policy with Working and Episodic Memory
Yuheng Lei et al. · 提出结合工作记忆和情景记忆的视觉运动策略，解决非马尔可夫任务中的长程依赖问题。架构改进可直接嵌入 VLA backbone，提升复杂时序任务的执行成功率。
cs.RO
閱讀原文
VLA [Viterbi School of Engineering, University of Southern California]
FELT: Generating Tactile Signals from Vision for Visuo-Tactile Manipulation
Zinan Li et al. · 提出从视觉生成触觉信号的 FELT 方法，解决触觉数据稀缺问题。填补知识库中“触觉操作”方向空白，可直接增强 VLA 的视触融合能力，具备高复用价值。
cs.RO
閱讀原文
📖 背景閱讀背景阅读
VLA [Georgia Institute of Technology]
PhysCoRe: Physics-Corrected Residual World Models for Material-Aware Deformable Dynamics
Haocheng Yin et al. · 提出物理修正残差世界模型以预测可变形物体动力学，解决材料参数泛化问题。虽涉及操作场景，但侧重物理仿真与动力学建模，非直接 VLA 架构或训练范式创新。
cs.RO
閱讀原文
VLA [ByteDance]
TableVerse: A Large-scale Tabletop Dataset with Real-world Grounded Layouts for Generalizable Manipulation
Boyuan Wang et al. · 发布大规模桌面操作数据集 TableVerse，包含真实世界接地布局。作为数据资源对 VLA 训练有价值，但属数据集论文，无新算法贡献，归为值得了解。
cs.RO
閱讀原文
VLA [Axis Robotics]
AXIS: A Growable Community-Driven Data Engine for Scalable Robot Manipulation
Mengfei Zhao et al. · 介绍 AXIS 数据引擎，旨在通过社区驱动方式扩展机器人操作数据规模。虽对 VLA 数据瓶颈有潜在价值，但摘要未明确技术细节或开源状态，暂归为值得了解。
cs.RO
閱讀原文
VLA [School of Artificial Intelligence and Automation, Huazhong University of Science and Technology]
TransBiolab: A Real-World Multi-View Dataset of Cluttered Transparent Biomedical Objects
Ke Ma et al. · 发布透明生物医学物体多视角数据集，解决杂乱场景下的感知难题。属于特定领域数据集，对通用 VLA 研究间接相关，无核心算法贡献。
cs.RO
閱讀原文
VLA [Huawei Technologies]
Do World Action Models Generalize Better than VLAs? A Robustness Study
Zhanguang Zhang et al. · 对比世界动作模型与 VLA 的泛化能力及鲁棒性差异。属于系统性评估研究，虽具参考价值，但未提出新架构或显著超越 SOTA 的方法，归为值得了解。
cs.RO
閱讀原文
VLA [Karachi Medical and Dental College]
Offline RL with Hierarchical Action Chunking
Ahad Jawaid · 提出分层动作分块的离线 RL 方法以缓解视界诅咒。虽与 VLA 动作生成相关，但摘要未明确其在 VLA 或多模态场景中的应用，视为通用 RL 改进，归为值得了解。
cs.LG
閱讀原文