VLA [Apple (Israel)]
MoMo: Dial Motion Mode in Robot Manipulation with Spatiotemporal Action Tokenization
Yuhan Hu et al. · 引入时空动作分词以动态调整运动模式，增强 VLA 对任务上下文的适应性；提供新的动作表征思路，可直接集成至现有 VLA 解码头。
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
- CG-World: A Large-Scale World-State Dataset and Protocol for World Models 发布基于工业 CG 的世界模型数据集与协议，填补数据空白但缺乏真实机器人验证，属重要基础设施而非直接 VLA 方法。 HF-PAPER
- Temporally Centered SIGReg Improves Multi-Task LeWorldModel Learning: From Analysis to Method 改进世界模型潜在分布正则化方法，虽有助于 VLA 底层表示学习，但侧重通用 WM 训练稳定性，非 VLA 核心架构创新。 HF-PAPER
- Towards Trustworthy Embodied Intelligence: A Systems Framework and Graded Trustworthiness Levels [SparkLab@Xspark AI] Xinyu Yang et al. · 提出具身智能可信度分级框架，属系统级综述/规范，无具体 VLA 算法或实验贡献，适合了解领域标准但不紧急。 CS.RO
- MoMo: Dial Motion Mode in Robot Manipulation with Spatiotemporal Action Tokenization [Apple (Israel)] Yuhan Hu et al. · 引入时空动作分词以动态调整运动模式，增强 VLA 对任务上下文的适应性；提供新的动作表征思路，可直接集成至现有 VLA 解码头。 CS.RO
- Explicit Kinematic Guidance from Analytic Concepts for Vision-Language-Action Models [上交|Cewu Lu] Mingyang Sun et al. · 利用解析几何概念为 VLA 提供显式运动学引导，弥补 2D 输入的空间感知缺陷；方法轻量且可即插即用，提升复杂操作成功率。 CS.RO
- CheckVLA: Execution-Time Verification with Action-Conditioned World Model for Long-Horizon Mobile Manipulation [Xi'an Jiaotong University] Yushan Liu et al. · 结合动作条件世界模型在执行时验证长视界移动操作，解决开环执行错误累积问题；提供实时纠错机制，显著提升鲁棒性。 CS.RO
- Route by Kinematics, Act by Observation: Kinematics-Supervised Expert Routing in MoE-Augmented VLA [Ocean University of China] Tianhang Yang et al. · 在 MoE-VLA 中引入运动学监督的路由机制，解决异构动作路由失效问题；通过解耦运动规划与视觉执行，提升专家利用率。 CS.RO
- Practice Makes Policies: Bootstrapping and Consolidating Robotic Capabilities from Zero Human Demonstrations [中科院] Jialiang Li et al. · 探索零人类演示下的策略自举与巩固，虽具创新性但摘要未明确 VLA 架构关联及具体 benchmark 结果，暂归为值得了解。 CS.RO
- SymmGrid: Super-Scaling On-Robot Learning with Parallelized Symmetries and Egocentric-Exocentric Visual Perception [EECE, Lipscomb University] Gabe Everett et al. · 提出对称性并行化框架加速机载 RL 训练，侧重工程扩展性与数据增强，非 VLA 核心范式突破，但对大规模部署有参考价值。 CS.RO
- RL$^2$-VLA: Adaptive RL Latent Compositional Steering with Test-Time Scaling for Vision-Language-Action Models [National University of Singapore] Derek Ming Siang Tan et al. · 引入测试时缩放与自适应 RL 潜变量组合 steering，提升 VLA 域外泛化能力；提供无需重训的在线优化方案，实用性强。 CS.RO
- DLAM: Distributional Latent Actions with Temporal Constraints [Zhejiang University of Science and Technology] Zuojin Tang et al. · 提出带时间约束的分布潜在动作模型，利用无标签视频预训练 VLA 动作先验；缓解数据稀缺问题，支持从互联网视频迁移。 CS.RO
- From Passive Video to Editable Experience: Physically Grounded Experience Synthesis for Embodied Intelligence Jia Luo · 将被动视频转化为可编辑的物理经验以弥合具身差距，概念新颖但侧重数据合成 pipeline，需进一步验证对 VLA 训练的直接增益。 CS.RO
VLA 研究日報VLA 研究日报
共 24 篇
🔧 技術技术
VLA [上交|Cewu Lu]
Explicit Kinematic Guidance from Analytic Concepts for Vision-Language-Action Models
Mingyang Sun et al. · 利用解析几何概念为 VLA 提供显式运动学引导，弥补 2D 输入的空间感知缺陷；方法轻量且可即插即用，提升复杂操作成功率。
cs.RO
閱讀原文
VLA [Xi'an Jiaotong University]
CheckVLA: Execution-Time Verification with Action-Conditioned World Model for Long-Horizon Mobile Manipulation
Yushan Liu et al. · 结合动作条件世界模型在执行时验证长视界移动操作，解决开环执行错误累积问题；提供实时纠错机制，显著提升鲁棒性。
cs.RO
閱讀原文
VLA [Ocean University of China]
Route by Kinematics, Act by Observation: Kinematics-Supervised Expert Routing in MoE-Augmented VLA
Tianhang Yang et al. · 在 MoE-VLA 中引入运动学监督的路由机制，解决异构动作路由失效问题；通过解耦运动规划与视觉执行，提升专家利用率。
cs.RO
閱讀原文
VLA [National University of Singapore]
RL$^2$-VLA: Adaptive RL Latent Compositional Steering with Test-Time Scaling for Vision-Language-Action Models
Derek Ming Siang Tan et al. · 引入测试时缩放与自适应 RL 潜变量组合 steering，提升 VLA 域外泛化能力；提供无需重训的在线优化方案，实用性强。
cs.RO
閱讀原文
VLA [Zhejiang University of Science and Technology]
DLAM: Distributional Latent Actions with Temporal Constraints
Zuojin Tang et al. · 提出带时间约束的分布潜在动作模型，利用无标签视频预训练 VLA 动作先验；缓解数据稀缺问题，支持从互联网视频迁移。
cs.RO
閱讀原文
VLA [Huazhong University of Science and Technology]
TurboVLA: Real-Time Vision-Language-Action Model at 32 Hz on an RTX 4090 with <1 GB VRAM
Hengyi Xie et al. · 实现极低资源占用（<1GB VRAM）下 32Hz 实时 VLA 推理，突破部署瓶颈；提供高效架构设计细节，极具工程复用价值。
cs.RO
閱讀原文
VLA [Peking University]
PACE: Phase-Aware Chunk Execution for Robot Policies with Action Chunking
Junnan Nie et al. · 提出相位感知的动作块执行策略，优化扩散/VLA 策略的开环执行阶段；简单有效，可立即应用于提升现有 chunking 方法的稳定性。
cs.RO
閱讀原文
VLA [University of Maryland, College Park]
VEGA: Learning Navigation VLAs from In-the-Wild Egocentric Video with Geometric Trajectory Supervision
Gershom Seneviratne et al. · 利用野生第一人称视频和几何轨迹监督训练导航 VLA，解决导航数据稀缺问题；提供从非机器人视频迁移的新路径。
cs.RO
閱讀原文
VLA
Teaching Tiny VLA Models Where to Look and How to Move
Iok Tong Lei et al. · 针对小型 VLA 模型的空间定位与动作连贯性问题进行优化，提升边缘设备部署性能；提供轻量化 VLA 的训练技巧。
cs.RO
閱讀原文
📖 背景閱讀背景阅读
VLA
CG-World: A Large-Scale World-State Dataset and Protocol for World Models
发布基于工业 CG 的世界模型数据集与协议，填补数据空白但缺乏真实机器人验证，属重要基础设施而非直接 VLA 方法。
hf-papers
閱讀原文
VLA
Temporally Centered SIGReg Improves Multi-Task LeWorldModel Learning: From Analysis to Method
改进世界模型潜在分布正则化方法，虽有助于 VLA 底层表示学习，但侧重通用 WM 训练稳定性，非 VLA 核心架构创新。
hf-papers
閱讀原文
VLA [SparkLab@Xspark AI]
Towards Trustworthy Embodied Intelligence: A Systems Framework and Graded Trustworthiness Levels
Xinyu Yang et al. · 提出具身智能可信度分级框架，属系统级综述/规范，无具体 VLA 算法或实验贡献，适合了解领域标准但不紧急。
cs.RO
閱讀原文
VLA [中科院]
Practice Makes Policies: Bootstrapping and Consolidating Robotic Capabilities from Zero Human Demonstrations
Jialiang Li et al. · 探索零人类演示下的策略自举与巩固，虽具创新性但摘要未明确 VLA 架构关联及具体 benchmark 结果，暂归为值得了解。
cs.RO
閱讀原文
VLA [EECE, Lipscomb University]
SymmGrid: Super-Scaling On-Robot Learning with Parallelized Symmetries and Egocentric-Exocentric Visual Perception
Gabe Everett et al. · 提出对称性并行化框架加速机载 RL 训练，侧重工程扩展性与数据增强，非 VLA 核心范式突破，但对大规模部署有参考价值。
cs.RO
閱讀原文
VLA
From Passive Video to Editable Experience: Physically Grounded Experience Synthesis for Embodied Intelligence
Jia Luo · 将被动视频转化为可编辑的物理经验以弥合具身差距，概念新颖但侧重数据合成 pipeline，需进一步验证对 VLA 训练的直接增益。
cs.RO
閱讀原文
VLA [REVA University]
TiPToP: A Modular Open-Vocabulary Robot Manipulation System That Plans
William Shen et al. · 整合基础模型与 TAMP 的模块化操作系统的更新版本，侧重系统集成而非单一 VLA 算法突破，适合参考架构设计。
cs.RO
閱讀原文
VLA
Tri-Manual Visuomotor Imitation Learning of Robot Policies
James Zhao et al. · 专注于三臂系统的视觉运动模仿学习，属特定硬件配置下的控制策略，非通用 VLA 架构创新，适用场景较窄。
cs.RO
閱讀原文
VLA [Nanjing Tech University]
Genie Sim PanoWorld: An Infinite Indoor 3D World Generation Pipeline via Panoramic Scene Modeling and Simulation
Yongxin Su et al. · 基于全景图的无限室内 3D 世界生成管道，主要贡献在仿真环境构建，间接服务于 VLA 训练，非直接算法进展。
cs.CV
閱讀原文
VLA
Learning Implicit Causal World Models from Multi-Agent Demonstrations
Jasorsi Ghosh · 从多智能体演示中学习隐式因果世界模型，侧重理论分析与因果推断，缺乏具体的 VLA 应用验证。
cs.RO
閱讀原文
VLA [New York University]
What Can Latent World Models Know? Physical Parameter Identifiability in Multimodal Predictive Representations
Kaizhen Tan et al. · 探讨潜在世界模型中物理参数的可识别性，属基础理论研究，对理解 VLA 内部表示有帮助但无直接工程产出。
cs.RO
閱讀原文
VLA
Can Context Bridge the Reality Gap? Sim-to-Real Transfer of Context-Aware Policies
Marco Iannotta et al. · 研究上下文感知策略的 Sim-to-Real 迁移，侧重 RL 泛化性分析，未明确结合 VLA 架构或大模型先验。
cs.RO
閱讀原文
VLA [Hong Kong Baptist University]
Temporal-Distance JEPA: Plan-Aware Representation Learning for Latent World Model Predictive Control
Jiaxin Bai et al. · 改进 JEPA 架构以支持计划感知的表示学习，虽可用于 VLA 底层建模，但主要贡献在于通用 WM 训练目标，非 VLA 专属。
cs.RO
閱讀原文
VLA [CMU]
Walk through Paintings: Egocentric World Models from Internet Priors
Anurag Bagchi et al. · 利用互联网先验构建第一人称世界模型，侧重视频生成与预测，虽具启发性但缺乏机器人操作闭环验证。
cs.CV
閱讀原文