VLA
Cross-Embodiment Transfer via Behavior-Aligned Representations
研究通过行为对齐表示实现跨形态机器人迁移,直接针对 Open-X 等跨平台数据的核心瓶颈。提供可复用的表征学习方法,有助于提升 VLA 在多硬件平台的泛化能力。
hf-papers
閱讀原文
研究通过行为对齐表示实现跨形态机器人迁移,直接针对 Open-X 等跨平台数据的核心瓶颈。提供可复用的表征学习方法,有助于提升 VLA 在多硬件平台的泛化能力。
综述世界模型在具身智能中的安全威胁与防御生命周期,涵盖数据、传感器及提示词攻击。属于重要但非紧急的安全领域综述,暂无直接 VLA 架构改进或复现路径。
提出基于多模态比较的排名聚合框架 MARS-RA,解决具身多智能体协作中的信用分配难题。侧重 RL 算法改进而非 VLA 核心架构,且缺乏明确的大规模 VLA 基准验证。