VLA [复旦]
$N_0$-TWAM: Scaling Tactile-Native World-Action Model for Contact-Rich Manipulation
NeoteAI Team et al. · 首个大规模训练的触觉原生世界-动作模型，同时预测未来视觉和触觉接触，显著提升接触丰富操作的性能。填补了触觉VLA领域的空白，并在多个基准上展现SOTA潜力。
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
- DeVA: Decoupled Video-Action Model with physical guidance for robot policy learning 提出解耦的视频-动作架构，引入物理引导以增强对场景演变的预测能力，解决静态预训练目标在动态任务中的局限性。为提升VLA时序建模能力提供了新的架构思路。 HF-PAPER
- A Motion-Aware Vector Quantization Framework with Centroid Reuse for Efficient VLA Inference 针对VLA推理延迟高的问题，提出运动感知的矢量量化框架及质心复用机制，显著降低计算冗余。该方法可直接应用于现有VLA模型的加速部署，具有明确的工程落地价值。 HF-PAPER
- Real2Sim2Real for Vision-Language-Action Manipulation: An AMD ROCm-Based Pipeline [AMD AIG Team] Qing Yang et al. · 介绍基于AMD ROCm的Real2Sim2Real流水线，主要贡献在于工程基础设施和硬件适配。虽与VLA相关，但缺乏算法层面的核心创新，属于工具类论文。 CS.RO
- WCM: World-Cognition Model for Generalizable Human-Robot Interaction Yuzhen Chen et al. · 提出世界认知模型以改善人机交互中的物理任务执行。方法侧重于高层语义理解与世界模型的结合，但在具体操作策略上的直接应用路径尚不明确，需进一步验证。 CS.RO
- The Curse of Precision: A Data Scaling Law for High-Precision Robotic Manipulation [Department of Electronic Engineering, Tsinghua University] Cuijie Xu et al. · 系统研究高精度机器人装配任务中数据规模与精度的关系，揭示封闭世界任务下的缩放定律。虽具理论价值，但主要聚焦于特定场景的数据分析，非通用VLA架构改进。 CS.RO
- PRISM: Polynomial Representations for Interaction-Structured Motor Control [University of Michigan, Ann Arbor Computer Science and Engineering] Seung Hyun Lee et al. · 利用多项式表示捕捉物理变量间的交互作用（如惯性、接触），用于电机控制。方法新颖但偏向底层控制理论，与主流端到端VLA范式的结合点需进一步探索。 CS.RO
- LabRobFail: A Benchmark for Robotic Failure Analysis in Chemical Self-driving Laboratories Haobo Wang et al. · 发布化学自动驾驶实验室中的机器人故障分析基准数据集。作为重要资源填补了特定领域评估空白，但本身不提供新算法或模型架构。 CS.RO
- $N_0$-TWAM: Scaling Tactile-Native World-Action Model for Contact-Rich Manipulation [复旦] NeoteAI Team et al. · 首个大规模训练的触觉原生世界-动作模型，同时预测未来视觉和触觉接触，显著提升接触丰富操作的性能。填补了触觉VLA领域的空白，并在多个基准上展现SOTA潜力。 CS.RO
- A Few Words Go a Long Way: Language Guided Robot Policy Synthesis [University of Washington] Daphne Chen et al. · 提出通过少量语言指令合成机器人策略的方法，旨在提高VLA的可解释性和适应性。为黑盒策略的微调和错误修正提供了实用的技术路径。 CS.RO
- FutureRTC: Real-Time Robot Execution with Anticipatory-Conditioned Action Chunking [Hunan Institute of Science and Technology] Hai Jiang et al. · 解决VLA异步执行中的预测-执行错位问题，提出预期条件动作分块方法。该技术可直接集成到实时控制系统中，显著提升部署时的响应速度和稳定性。 CS.RO
- PAC-DP: PAC-Bayesian Diffusion Policy Learning [Department of Industrial Engineering, University of Trento] Mohammad Hasan Yeganegi et al. · 将PAC-Bayesian理论引入扩散策略学习，以增强有限数据下的泛化控制。理论贡献突出，但实验主要集中在仿真环境，真实机器人验证缺失。 CS.RO
- ArmnetBench v0.1: Parallel Real-World Evaluation of Manipulation Policies on a Low-Cost Arm Farm [The Alan Turing Institute] Praveen Selvaraj et al. · 推出基于低成本机械臂集群的并行真实世界评估基准ArmnetBench。解决了真实机器人评估瓶颈，是重要的基础设施贡献，但非算法创新。 CS.RO
VLA 研究日報VLA 研究日报
共 26 篇
⚡ 突破
🔧 技術技术
VLA
DeVA: Decoupled Video-Action Model with physical guidance for robot policy learning
提出解耦的视频-动作架构，引入物理引导以增强对场景演变的预测能力，解决静态预训练目标在动态任务中的局限性。为提升VLA时序建模能力提供了新的架构思路。
hf-papers
閱讀原文
VLA
A Motion-Aware Vector Quantization Framework with Centroid Reuse for Efficient VLA Inference
针对VLA推理延迟高的问题，提出运动感知的矢量量化框架及质心复用机制，显著降低计算冗余。该方法可直接应用于现有VLA模型的加速部署，具有明确的工程落地价值。
hf-papers
閱讀原文
VLA [University of Washington]
A Few Words Go a Long Way: Language Guided Robot Policy Synthesis
Daphne Chen et al. · 提出通过少量语言指令合成机器人策略的方法，旨在提高VLA的可解释性和适应性。为黑盒策略的微调和错误修正提供了实用的技术路径。
cs.RO
閱讀原文
VLA [Hunan Institute of Science and Technology]
FutureRTC: Real-Time Robot Execution with Anticipatory-Conditioned Action Chunking
Hai Jiang et al. · 解决VLA异步执行中的预测-执行错位问题，提出预期条件动作分块方法。该技术可直接集成到实时控制系统中，显著提升部署时的响应速度和稳定性。
cs.RO
閱讀原文
VLA [Beijing Jiaotong University]
{\tau}: Learning Touch-Augmented Vision-Language-Action Models from Future Visual Supervision
Ning Cheng et al. · arXiv:2607.24485v1 Announce Type: new Abstract: Learning the informative tactile representation while effectively adapting it to pretrained Vision-Language-Action (VLA) models remains challenging at both the data and modeling levels. At the data level, limited task-specific demonstrations constrain representation quality, whereas large-scale pretraining incurs substantial costs. At the modeling level, existing methods either focus on instantaneous contact states or model temporal interaction dyn
cs.RO
閱讀原文
VLA [MIT]
VLASH: Real-Time VLAs via Future-State-Aware Asynchronous Inference
Jiaming Tang et al. · 通过未来状态感知的异步推理实现实时VLA，解决同步等待导致的延迟问题。提供了一套完整的工程优化方案，可直接用于提升现有VLA模型的部署效率。
cs.RO
閱讀原文
VLA [Tsinghua University]
XS-VLA: Coupling Coarse-grained Spatial Distillation with Latent Flow Matching for Lightweight Robotic Control
Iok Tong Lei et al. · 结合粗粒度空间蒸馏与潜在流匹配，实现轻量级VLA控制。有效平衡了边缘部署的计算成本与性能，为资源受限场景提供了可行的轻量化解决方案。
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3D对象令牌，解决长程移动操作中的物体跟踪与验证问题。提升了人形机器人在复杂环境中的鲁棒性，具有明确的工程应用价值。
cs.RO
閱讀原文
VLA [Politecnico di Milano]
Act, Think or Abstain: Complexity-Aware Adaptive Inference for Vision-Language-Action Models
Riccardo Andrea Izzo et al. · 提出复杂度感知的自适应推理机制，允许模型根据任务难度选择行动、思考或弃权。有效平衡计算成本与决策质量，适用于资源敏感的VLA部署场景。
cs.RO
閱讀原文
📖 背景閱讀背景阅读
VLA [AMD AIG Team]
Real2Sim2Real for Vision-Language-Action Manipulation: An AMD ROCm-Based Pipeline
Qing Yang et al. · 介绍基于AMD ROCm的Real2Sim2Real流水线，主要贡献在于工程基础设施和硬件适配。虽与VLA相关，但缺乏算法层面的核心创新，属于工具类论文。
cs.RO
閱讀原文
VLA
WCM: World-Cognition Model for Generalizable Human-Robot Interaction
Yuzhen Chen et al. · 提出世界认知模型以改善人机交互中的物理任务执行。方法侧重于高层语义理解与世界模型的结合，但在具体操作策略上的直接应用路径尚不明确，需进一步验证。
cs.RO
閱讀原文
VLA [Department of Electronic Engineering, Tsinghua University]
The Curse of Precision: A Data Scaling Law for High-Precision Robotic Manipulation
Cuijie Xu et al. · 系统研究高精度机器人装配任务中数据规模与精度的关系，揭示封闭世界任务下的缩放定律。虽具理论价值，但主要聚焦于特定场景的数据分析，非通用VLA架构改进。
cs.RO
閱讀原文
VLA [University of Michigan, Ann Arbor Computer Science and Engineering]
PRISM: Polynomial Representations for Interaction-Structured Motor Control
Seung Hyun Lee et al. · 利用多项式表示捕捉物理变量间的交互作用（如惯性、接触），用于电机控制。方法新颖但偏向底层控制理论，与主流端到端VLA范式的结合点需进一步探索。
cs.RO
閱讀原文
VLA
LabRobFail: A Benchmark for Robotic Failure Analysis in Chemical Self-driving Laboratories
Haobo Wang et al. · 发布化学自动驾驶实验室中的机器人故障分析基准数据集。作为重要资源填补了特定领域评估空白，但本身不提供新算法或模型架构。
cs.RO
閱讀原文
VLA [Department of Industrial Engineering, University of Trento]
PAC-DP: PAC-Bayesian Diffusion Policy Learning
Mohammad Hasan Yeganegi et al. · 将PAC-Bayesian理论引入扩散策略学习，以增强有限数据下的泛化控制。理论贡献突出，但实验主要集中在仿真环境，真实机器人验证缺失。
cs.RO
閱讀原文
VLA [The Alan Turing Institute]
ArmnetBench v0.1: Parallel Real-World Evaluation of Manipulation Policies on a Low-Cost Arm Farm
Praveen Selvaraj et al. · 推出基于低成本机械臂集群的并行真实世界评估基准ArmnetBench。解决了真实机器人评估瓶颈，是重要的基础设施贡献，但非算法创新。
cs.RO
閱讀原文
VLA [Institute of Robotics and Machine Intelligence, Poznan University of Technology]
NEO: NeRF It Once, Edit It Many Times for Continuous Object Manipulation
Mikołaj Zieliński et al. · 结合NeRF编辑与语言引导，实现连续物体操作。主要贡献在于场景表示与编辑，而非核心的动作策略生成，与VLA核心范式距离较远。
cs.RO
閱讀原文
VLA [PKU]
Data Pyramid for Embodied Manipulation
Yifan Ye et al. · 提出具身操作的数据金字塔结构，探讨不同层级数据的耦合方式。主要关注数据构建方法论，缺乏具体的模型架构改进或SOTA结果对比。
cs.RO
閱讀原文
VLA [AgiBot Research]
Unified Embodied VLM Reasoning with Robotic Action via Autoregressive Discretized Pre-training
Yi Liu et al. · 通过自回归离散化预训练统一VLM推理与机器人动作。方法较为常规，主要在现有框架上进行组合创新，缺乏突破性的架构设计或显著的SOTA超越。
cs.RO
閱讀原文
VLA [Jiangsu University]
Concurrent Prehensile and Nonprehensile Manipulation: A Practical Approach to Multi-Stage Dexterous Tasks
Hao Jiang et al. · 探索灵巧手中抓取与非抓取操作的并发执行。虽涉及复杂操作，但更偏向传统机器人控制策略，未充分利用VLA的大模型泛化能力。
cs.RO
閱讀原文
VLA [Princeton]
Emergent Compositional Skills in Mixture-of-Experts VLAs
Shlok Shah et al. · 研究MoE架构在VLA中涌现的组合技能，无需预设任务分解。主要侧重于现象观察与分析，缺乏针对性的算法改进或显著的性能提升证据。
cs.RO
閱讀原文
VLA [Shanghai University of Engineering Science]
Ordered Action Tokens for Visuomotor Policy Learning
Chaoqi Liu et al. · 提出有序动作令牌以优化视动策略学习。主要改进在于动作离散化的编码方式，属于细节优化，对整体VLA架构影响有限。
cs.AI
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. · 基于任务命令跳过无关计算以加速多任务推理。虽可应用于VLA，但本质是通用的模型加速技术，非VLA特有的架构创新。
cs.AI
閱讀原文
VLA [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. · 研究双臂协作中的动态多智能体合作，强调样本效率。方法侧重于控制策略而非VLA大模型的应用，与当前主流VLA研究方向偏离。
cs.AI
閱讀原文
VLA [Michigan State University]
SiPhy: Single-Image Physical Property Reasoning
Hoang Le et al. · 从单张图像推断物理属性（质量、刚度等）。虽对具身AI有价值，但属于感知模块的独立研究，未涉及动作生成或VLA端到端训练。
cs.AI
閱讀原文