VLA [ShanghaiTech University]
ViTacWorld: Scaling Visuo-Tactile World Models for Contact-Rich Robot Manipulation
Yunao Huang et al. · 提出ViTacWorld，首个可扩展的视触觉世界模型，专门解决接触丰富操作中的不可见物理线索问题。填补了触觉VLA与世界模型结合的空白，有望显著提升灵巧操作的泛化性与鲁棒性，属战略级突破。
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
- Agile perceptive multiskill locomotion for quadrupedal robots in the wild Jun-Gill Kang et al. · 聚焦四足机器人在野外环境的多技能敏捷运动，属于移动机器人底层控制范畴。虽涉及感知与运动结合，但缺乏VLA核心的语言指令到动作映射或高层语义推理，非VLA核心进展。 SCIENCE-
- Performant robotic manipulation with real-world reinforcement learning Kun Lei et al. · 提出基于真实世界强化学习的机械臂操作策略，直接解决Sim2Real鸿沟。若提供代码或具体RL算法细节，可作为VLA底层执行器微调或RLHF的重要参考，具有工程复用价值。 SCIENCE-
- Beyond imitation: Robots that learn to work in the real world Johannes A. Stork · 综述性或概念性文章，探讨超越模仿学习在真实世界的应用。缺乏具体的VLA架构创新或量化Benchmark对比，更多是领域愿景阐述，适合了解趋势但不具备即时技术复用性。 SCIENCE-
- Building a Foundation Stack for General-Purpose Robots X Square Robot · IEEE Spectrum专栏文章，讨论通用机器人基础软件栈的构建理念。属于行业观点/综述，无具体算法贡献或实验数据，无法作为技术研究直接引用，仅具宏观参考价值。 IEEE-SPE
- GRACE: Gradient-Free Robot Action Generation via Combined Diffusion-MPPI Posterior Mean Estimation [School of Mechanical Engineering, Kyung Hee University] Leesai Park et al. · 提出结合扩散策略与MPPI的后验均值估计方法，实现无梯度引导的动作生成。解决了扩散模型中难以处理非微分安全约束的问题，为VLA推理阶段的约束优化提供了可复用的新算子。 CS.RO
- Ordered Action Tokens for Visuomotor Policy Learning [Tongji University] Chaoqi Liu et al. · 针对视觉运动策略中的动作Token化问题，提出有序动作Token机制以缩短序列长度并提升效率。直接优化VLA模型的离散化接口，对提升RT-2等基于Transformer架构的推理速度有明确工程价值。 CS.RO
- Addressing the Orchestration Gap in Generalist Robots via Physical Agency [Princeton University] Liane Galanti et al. · 探讨通过物理代理（Physical Agency）解决通用机器人编排缺口，强调感知、规划与控制的整合。偏向理论框架与系统设计思路，缺乏具体算法实现或Benchmark验证，暂归为值得了解的架构思考。 CS.RO
- One Hand Watches The Other: Dynamic Multi-Agent Cooperation for Sample-Efficient Bimanual Manipulation in Dynamic Environments [Department of Computer Science, University of Freiburg] Jan Ole von Hartz et al. · 针对动态环境下的双臂协作，提出多智能体合作策略以提升样本效率。通过建模相对参考帧解决双臂协同难题，为VLA中的复杂多臂操作任务提供了新的训练范式和数据增强思路。 CS.RO
- ViTacWorld: Scaling Visuo-Tactile World Models for Contact-Rich Robot Manipulation [ShanghaiTech University] Yunao Huang et al. · 提出ViTacWorld，首个可扩展的视触觉世界模型，专门解决接触丰富操作中的不可见物理线索问题。填补了触觉VLA与世界模型结合的空白，有望显著提升灵巧操作的泛化性与鲁棒性，属战略级突破。 CS.RO
- Robot-Factored World Models via Robot Rendering [Seoul National University] Byungjun Kim et al. · 通过机器人渲染技术解耦世界模型中的机器人运动与环境动力学，提升预测准确性。该方法为构建更精确的Action-Conditioned World Model提供了新的工程路径，有助于改进VLA的长期规划能力。 CS.RO
- Zero-Shot Mission-Level Evaluation for Aerial MLLM Agents Suman Navaratnarajah et al. · 引入针对空中MLLM代理的任务级零样本评估基准。虽然涉及MLLM在机器人中的应用，但聚焦于无人机而非地面操作臂，且主要为评估体系而非核心算法创新，对主流VLA研究参考有限。 CS.RO
- Compliant Non-Prehensile Pushing Manipulation [PRISMA Lab, department of Electrical Engineering and Information Technology of the University of Naples Federico II] Francesco Cufino et al. · 研究合规机器人在人群环境中的非预抓取推挤操作，侧重安全控制与物理交互。虽涉及操作，但主要关注底层力学合规性，未结合语言指令或高层语义理解，非VLA核心方向。 CS.RO
VLA 研究日報VLA 研究日报
共 25 篇
⚡ 突破
🔧 技術技术
VLA
Performant robotic manipulation with real-world reinforcement learning
Kun Lei et al. · 提出基于真实世界强化学习的机械臂操作策略，直接解决Sim2Real鸿沟。若提供代码或具体RL算法细节，可作为VLA底层执行器微调或RLHF的重要参考，具有工程复用价值。
Science-Robotics
閱讀原文
VLA [School of Mechanical Engineering, Kyung Hee University]
GRACE: Gradient-Free Robot Action Generation via Combined Diffusion-MPPI Posterior Mean Estimation
Leesai Park et al. · 提出结合扩散策略与MPPI的后验均值估计方法，实现无梯度引导的动作生成。解决了扩散模型中难以处理非微分安全约束的问题，为VLA推理阶段的约束优化提供了可复用的新算子。
cs.RO
閱讀原文
VLA [Tongji University]
Ordered Action Tokens for Visuomotor Policy Learning
Chaoqi Liu et al. · 针对视觉运动策略中的动作Token化问题，提出有序动作Token机制以缩短序列长度并提升效率。直接优化VLA模型的离散化接口，对提升RT-2等基于Transformer架构的推理速度有明确工程价值。
cs.RO
閱讀原文
VLA [Department of Computer Science, University of Freiburg]
One Hand Watches The Other: Dynamic Multi-Agent Cooperation for Sample-Efficient Bimanual Manipulation in Dynamic Environments
Jan Ole von Hartz et al. · 针对动态环境下的双臂协作，提出多智能体合作策略以提升样本效率。通过建模相对参考帧解决双臂协同难题，为VLA中的复杂多臂操作任务提供了新的训练范式和数据增强思路。
cs.RO
閱讀原文
VLA [Seoul National University]
Robot-Factored World Models via Robot Rendering
Byungjun Kim et al. · 通过机器人渲染技术解耦世界模型中的机器人运动与环境动力学，提升预测准确性。该方法为构建更精确的Action-Conditioned World Model提供了新的工程路径，有助于改进VLA的长期规划能力。
cs.RO
閱讀原文
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，使视觉运动策略具备可解释性和可纠正性，提升OOD鲁棒性。允许人类干预注意力机制，为VLA模型的安全部署与人机协作提供了实用的调试与优化手段。
cs.RO
閱讀原文
VLA [Tsinghua Shenzhen International Graduate School, Tsinghua University]
SAFE-Pruner: Semantic Attention-Guided Future-Aware Token Pruning for Efficient Vision-Language-Action Manipulation
Shilin Ma et al. · 提出SAFE-Pruner，通过语义注意力和未来感知机制修剪VLA模型中的视觉Token。显著降低推理计算量，直接解决VLA实时性瓶颈，具有明确的工程应用价值和代码复用潜力。
cs.RO
閱讀原文
VLA [University of British Columbia]
Agentic Real2Sim: Physics-based World Modeling with Vision-Language Agents
Guanxiong Chen et al. · 利用VLA代理自动化Real2Sim流程，恢复几何与物理参数。解决了机器人仿真重建繁琐的痛点，为VLA数据生成和Sim2Real迁移提供了高效的自动化管道，具有极高的工程复用价值。
cs.RO
閱讀原文
📖 背景閱讀背景阅读
VLA
Agile perceptive multiskill locomotion for quadrupedal robots in the wild
Jun-Gill Kang et al. · 聚焦四足机器人在野外环境的多技能敏捷运动，属于移动机器人底层控制范畴。虽涉及感知与运动结合，但缺乏VLA核心的语言指令到动作映射或高层语义推理，非VLA核心进展。
Science-Robotics
閱讀原文
VLA
Beyond imitation: Robots that learn to work in the real world
Johannes A. Stork · 综述性或概念性文章，探讨超越模仿学习在真实世界的应用。缺乏具体的VLA架构创新或量化Benchmark对比，更多是领域愿景阐述，适合了解趋势但不具备即时技术复用性。
Science-Robotics
閱讀原文
VLA
Building a Foundation Stack for General-Purpose Robots
X Square Robot · IEEE Spectrum专栏文章，讨论通用机器人基础软件栈的构建理念。属于行业观点/综述，无具体算法贡献或实验数据，无法作为技术研究直接引用，仅具宏观参考价值。
ieee-spectrum-robotics
閱讀原文
VLA [Princeton University]
Addressing the Orchestration Gap in Generalist Robots via Physical Agency
Liane Galanti et al. · 探讨通过物理代理（Physical Agency）解决通用机器人编排缺口，强调感知、规划与控制的整合。偏向理论框架与系统设计思路，缺乏具体算法实现或Benchmark验证，暂归为值得了解的架构思考。
cs.RO
閱讀原文
VLA
Zero-Shot Mission-Level Evaluation for Aerial MLLM Agents
Suman Navaratnarajah et al. · 引入针对空中MLLM代理的任务级零样本评估基准。虽然涉及MLLM在机器人中的应用，但聚焦于无人机而非地面操作臂，且主要为评估体系而非核心算法创新，对主流VLA研究参考有限。
cs.RO
閱讀原文
VLA [PRISMA Lab, department of Electrical Engineering and Information Technology of the University of Naples Federico II]
Compliant Non-Prehensile Pushing Manipulation
Francesco Cufino et al. · 研究合规机器人在人群环境中的非预抓取推挤操作，侧重安全控制与物理交互。虽涉及操作，但主要关注底层力学合规性，未结合语言指令或高层语义理解，非VLA核心方向。
cs.RO
閱讀原文
VLA [Analog Devices, Inc]
Industrial Dexterity Benchmark: A Hardware-Software Benchmarking Platform for Industrial Dexterous Manipulation
Honglu He et al. · 发布面向工业灵巧操作的软硬件基准平台，涵盖线缆布线等任务。作为重要数据集/Benchmark补充，有助于推动VLA在工业场景的落地，但本身无新算法贡献，属基础设施类工作。
cs.RO
閱讀原文
VLA [The Hong Kong University of Science and Technology]
Sparse by Command: Task-Conditional Compute Skipping for Multi-Task Inference Accelerators
Afzal Ahmad et al. · 提出基于任务命令的条件计算跳过机制以加速多任务推理。虽可应用于VLA加速，但主要贡献在于硬件加速器架构或通用AI系统优化，非VLA特有的算法或模型结构创新。
cs.AI
閱讀原文
VLA [Michigan State University]
SiPhy: Single-Image Physical Property Reasoning
Hoang Le et al. · 从单张图像推断质量、刚度等物理属性，服务于仿真与Embodied AI。虽为VLA提供潜在的状态感知输入，但属于纯视觉/物理推理模块，未涉及动作生成或语言对齐，属相邻领域工具。
cs.AI
閱讀原文
VLA [Chinese University of Hong Kong]
Action-Conditioned World Model for Goal Plane Probe Guidance in Robotic Ultrasound
Siqi Fan et al. · 针对机器人超声扫描提出动作条件世界模型，用于探头引导。属于高度垂直的医疗机器人应用，缺乏通用性，且未展示在标准VLA Benchmark上的表现，对通用VLA研究参考有限。
cs.RO
閱讀原文
VLA [Czech Technical University in Prague]
Design and Human Evaluation of Tactile Withdrawal Reflexes for a Skin-Covered Robot Arm
Laura Babayeva et al. · 设计并评估覆盖皮肤的机械臂的触觉退缩反射，侧重生物启发控制与安全机制。虽涉及触觉，但属于底层反射弧设计，未结合高层语义或VLA架构，非当前VLA研究热点。
cs.RO
閱讀原文
VLA
Wavelet Phase Diffusion for Structurally and Semantically Consistent Sim-to-Real Translation
Kaiwen Wang et al. · 提出小波相位扩散方法以实现结构一致的Sim2Real翻译。主要贡献在计算机视觉域适应算法，虽可用于VLA数据增强，但未直接结合机器人控制或语言指令，属辅助性技术。
cs.AI
閱讀原文
VLA
Persistent Computational State: A Session-Centric Runtime for Generative World Models
Zhen Lin · 提出面向生成式世界模型的会话中心运行时，支持状态分叉与回溯。属于系统软件工程层面的优化，旨在提升世界模型作为模拟器的可用性，非VLA核心算法创新。
cs.AI
閱讀原文
VLA [Stanford University]
TRW: TRACE-RealWorld---An Auditable Consistency Contract for World Models as Materialized Views
Edward Y. Chang · 定义世界模型作为物化视图的一致性契约，解决数据管理问题。偏向数据库与系统一致性理论，与VLA模型本身的感知-决策-行动闭环关联较弱，属基础设施层研究。
cs.AI
閱讀原文
VLA [LynnReal AI]
BiWM: Advancing Open-Source Interactive Video World Models with Bidirectional Autoregression
Shaohao Rui et al. · 通过双向自回归改进开源交互式视频世界模型。虽涉及视频预测，但重点在于生成模型架构优化，未明确展示其在机器人控制或VLA规划中的具体应用效果，属相邻领域进展。
cs.AI
閱讀原文
VLA [清华]
On the Identifiability of Controlled World Models
Xiangteng Zhang et al. · 理论分析受控世界模型的可识别性，探讨JEPAs框架下的动力学推断。属于深度学习理论基础研究，虽对理解世界模型有帮助，但缺乏直接的VLA应用路径或实验验证，门槛较高。
cs.LG
閱讀原文