VLA [Tongji University]
ActFovea: Runtime Safeguarding for VLA Policies via Spatiotemporal Visual-Action Consistency
Wenda Yu et al. · 提出运行时安全机制 ActFovea，通过时空视觉-动作一致性检测 VLA 策略的扰动。亮点在于无需重训即可增强部署鲁棒性，本周可集成至现有 VLA 推理流程中作为安全过滤器。
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
- ActFovea: Runtime Safeguarding for VLA Policies via Spatiotemporal Visual-Action Consistency [Tongji University] Wenda Yu et al. · 提出运行时安全机制 ActFovea，通过时空视觉-动作一致性检测 VLA 策略的扰动。亮点在于无需重训即可增强部署鲁棒性，本周可集成至现有 VLA 推理流程中作为安全过滤器。 CS.RO
- CLIFT: Turning Gemini Robotics On-Device into Humanoid Specialists via Non-Invasive Closed-Loop Iterative Fine-Tuning [University of California, Berkeley] Yuxin Chen et al. · 提出非侵入式闭环迭代微调方法 CLIFT，将闭源基础模型适配为人形机器人专用策略。核心贡献是解决私有数据限制下的设备端适应问题，为使用 Gemini Robotics 等黑盒模型提供了可行的微调路径。 CS.RO
- TRACT: Temporally Routed Action Chunks with Chronological Phase Authority for Contact-Rich Manipulation [Shanghai University of Engineering Science] Jiahao Liu et al. · 针对接触丰富操作提出时间路由动作分块 TRACT，引入时序相位权威机制。虽涉及 VLA 核心组件（动作分块），但摘要未展示跨基准对比或显著 SOTA 提升，属于特定场景的方法改进。 CS.RO
- BWM: A Low-Cost High-Fidelity World Simulator for Robot Learning BWM Team · 介绍低成本高保真世界模拟器 BWM，旨在降低物理资产构建成本。属于仿真工具类工作，虽对 VLA 训练有价值，但缺乏直接的算法创新或 VLA 架构贡献，归为值得了解。 CS.RO
- Temporal Policy: History-Initialized Action Generation for Robotic Learning from Demonstration [University of Alberta] Dylan Miller et al. · 提出基于历史初始化的动作生成 Temporal Policy，优化扩散/流匹配模型的向量场学习。主要改进生成式策略的训练效率，但未明确在主流 VLA 基准上验证泛化能力，暂归为相关研究。 CS.RO
- Safe Vision Language Action Models via Barrier Enhanced Flow Matching [The Pennsylvania State University] Kasra Sinaei et al. · 结合流匹配与控制屏障函数（CBF）提出模块化安全推理框架。亮点是将形式化安全保证直接嵌入生成过程而非后处理，为 VLA 部署提供了可复用的安全约束实现方案。 CS.RO
- FibVLA: An Efficient Temporal Vision-Language-Action Model with Fibonacci Sampling [HKUST] Li Lin et al. · 利用斐波那契采样优化 VLA 的时间建模效率。标题含 VLA 但贡献偏向工程优化（采样策略），缺乏对核心瓶颈（如泛化、灵巧操作）的突破性解决，且未见显著 SOTA 超越证据。 CS.RO
- WCM: A World Critic Model for Vision-Language-Action Reinforcement Learning [Tongji University] Senyu Fei et al. · 提出世界评论家模型 WCM，用于 VLA 的 RL 后训练。通过多帧观察估计价值函数，解决了传统单帧 Critic 的信息缺失问题，为 VLA 强化学习提供了新的架构组件，具有明确的复用价值。 CS.RO
- RayViT: Ray-Conditioned Visual Representations for Viewpoint-Robust Imitation Learning [Karlsruhe Institute of Technology] Qian Wang et al. · 提出射线条件视觉表示 RayViT 以增强视角鲁棒性。主要解决模仿学习中的几何感知缺陷，虽与 VLA 视觉编码相关，但更偏向底层表征学习，未直接体现 VLA 语言-动作对齐的创新。 CS.RO
- Diagnosing Compositional Generalization in Sequential Robot Tasks [University of California, Berkeley] Yixiao Wang et al. · 诊断顺序机器人任务中的组合泛化问题。属于分析性工作，揭示了稀疏数据集下的挑战，但未提出新的 VLA 架构或训练范式，主要贡献在于理论洞察而非即时可用的方法。 CS.RO
- GPA-RAM: Grasp-Pretraining Augmented Robotic Attention Mamba for Spatial Task Learning [Peking University] Juyi Sheng et al. · 结合抓取预训练与 Mamba 架构提出 GPA-RAM。虽涉及 VLA 相关组件，但本质是骨干网络替换与预训练策略组合，缺乏在标准 VLA 基准上的全面对比，创新度一般。 CS.RO
- Choose What to Manipulate: Revealing Data Scaling Laws in Bounding-Box Guided Policies for Semantic Manipulation [Tsinghua Shenzhen International Graduate School] Yihao Wu et al. · 揭示边界框引导策略在语义操作中的数据缩放规律。重点在于数据分析与实验发现，而非提出新 VLA 方法，有助于理解数据分布影响，但无直接代码/模型贡献。 CS.RO
VLA 研究日報VLA 研究日报
共 19 篇
🔧 技術技术
VLA [University of California, Berkeley]
CLIFT: Turning Gemini Robotics On-Device into Humanoid Specialists via Non-Invasive Closed-Loop Iterative Fine-Tuning
Yuxin Chen et al. · 提出非侵入式闭环迭代微调方法 CLIFT，将闭源基础模型适配为人形机器人专用策略。核心贡献是解决私有数据限制下的设备端适应问题，为使用 Gemini Robotics 等黑盒模型提供了可行的微调路径。
cs.RO
閱讀原文
VLA [The Pennsylvania State University]
Safe Vision Language Action Models via Barrier Enhanced Flow Matching
Kasra Sinaei et al. · 结合流匹配与控制屏障函数（CBF）提出模块化安全推理框架。亮点是将形式化安全保证直接嵌入生成过程而非后处理，为 VLA 部署提供了可复用的安全约束实现方案。
cs.RO
閱讀原文
VLA [Tongji University]
WCM: A World Critic Model for Vision-Language-Action Reinforcement Learning
Senyu Fei et al. · 提出世界评论家模型 WCM，用于 VLA 的 RL 后训练。通过多帧观察估计价值函数，解决了传统单帧 Critic 的信息缺失问题，为 VLA 强化学习提供了新的架构组件，具有明确的复用价值。
cs.RO
閱讀原文
VLA [University of Adelaide]
Dynamic Execution Commitment of Vision-Language-Action Models
Feng Chen et al. · 提出 VLA 动态执行承诺机制，优化动作分块的推理成本与灵活性。允许模型根据不确定性动态决定提交步数，为 VLA 实时部署提供了重要的工程优化方案，本周可集成测试。
cs.CV
閱讀原文
📖 背景閱讀背景阅读
VLA [Shanghai University of Engineering Science]
TRACT: Temporally Routed Action Chunks with Chronological Phase Authority for Contact-Rich Manipulation
Jiahao Liu et al. · 针对接触丰富操作提出时间路由动作分块 TRACT，引入时序相位权威机制。虽涉及 VLA 核心组件（动作分块），但摘要未展示跨基准对比或显著 SOTA 提升，属于特定场景的方法改进。
cs.RO
閱讀原文
VLA
BWM: A Low-Cost High-Fidelity World Simulator for Robot Learning
BWM Team · 介绍低成本高保真世界模拟器 BWM，旨在降低物理资产构建成本。属于仿真工具类工作，虽对 VLA 训练有价值，但缺乏直接的算法创新或 VLA 架构贡献，归为值得了解。
cs.RO
閱讀原文
VLA [University of Alberta]
Temporal Policy: History-Initialized Action Generation for Robotic Learning from Demonstration
Dylan Miller et al. · 提出基于历史初始化的动作生成 Temporal Policy，优化扩散/流匹配模型的向量场学习。主要改进生成式策略的训练效率，但未明确在主流 VLA 基准上验证泛化能力，暂归为相关研究。
cs.RO
閱讀原文
VLA [HKUST]
FibVLA: An Efficient Temporal Vision-Language-Action Model with Fibonacci Sampling
Li Lin et al. · 利用斐波那契采样优化 VLA 的时间建模效率。标题含 VLA 但贡献偏向工程优化（采样策略），缺乏对核心瓶颈（如泛化、灵巧操作）的突破性解决，且未见显著 SOTA 超越证据。
cs.RO
閱讀原文
VLA [Karlsruhe Institute of Technology]
RayViT: Ray-Conditioned Visual Representations for Viewpoint-Robust Imitation Learning
Qian Wang et al. · 提出射线条件视觉表示 RayViT 以增强视角鲁棒性。主要解决模仿学习中的几何感知缺陷，虽与 VLA 视觉编码相关，但更偏向底层表征学习，未直接体现 VLA 语言-动作对齐的创新。
cs.RO
閱讀原文
VLA [University of California, Berkeley]
Diagnosing Compositional Generalization in Sequential Robot Tasks
Yixiao Wang et al. · 诊断顺序机器人任务中的组合泛化问题。属于分析性工作，揭示了稀疏数据集下的挑战，但未提出新的 VLA 架构或训练范式，主要贡献在于理论洞察而非即时可用的方法。
cs.RO
閱讀原文
VLA [Peking University]
GPA-RAM: Grasp-Pretraining Augmented Robotic Attention Mamba for Spatial Task Learning
Juyi Sheng et al. · 结合抓取预训练与 Mamba 架构提出 GPA-RAM。虽涉及 VLA 相关组件，但本质是骨干网络替换与预训练策略组合，缺乏在标准 VLA 基准上的全面对比，创新度一般。
cs.RO
閱讀原文
VLA [Tsinghua Shenzhen International Graduate School]
Choose What to Manipulate: Revealing Data Scaling Laws in Bounding-Box Guided Policies for Semantic Manipulation
Yihao Wu et al. · 揭示边界框引导策略在语义操作中的数据缩放规律。重点在于数据分析与实验发现，而非提出新 VLA 方法，有助于理解数据分布影响，但无直接代码/模型贡献。
cs.RO
閱讀原文
VLA [DAMO Academy, Alibaba Group]
RynnBrain 1.1: Towards More Capable and Generalizable Embodied Foundation Model
Kehan Li et al. · 发布 RynnBrain 1.1 系列具身基础模型。虽规模较大，但摘要强调“统一框架”却未提供具体架构创新细节或跨基准 SOTA 对比，疑似工程堆叠，需正文验证，暂归为值得了解。 [💧灌水]
cs.RO
閱讀原文
VLA [Graduate School of Engineering, The University of Tokyo]
Temporally Centered SIGReg Improves Multi-Task LeWorldModel Learning: From Analysis to Method
Chang Liu et al. · 改进 LeWorldModel 的正则化方法 SIGReg，提升多任务学习效果。属于世界模型领域的具体技术改进，与 VLA 间接相关，但未直接作用于 VLA 的动作生成或策略学习核心。
cs.RO
閱讀原文
VLA [Duke-NUS Medical School, National University of Singapore]
VSTaI: Design and Characterization of Variable-Stiffness Tactile Interfaces Based on 3D-Printed Structured Fabrics
Yiting Mo et al. · 设计基于 3D 打印织物的可变刚度触觉接口 VSTaI。属于硬件传感层创新，虽对触觉 VLA 有潜在价值，但本文侧重机械设计与表征，未涉及 VLA 算法或控制策略。
cs.RO
閱讀原文
VLA [Institute of Automation, Chinese Academy of Sciences]
TacPrint: A Wearable Fingertip Tactile Sensor for Human-to-Robot Contact Reproduction
Yongxi Liu et al. · 提出可穿戴指尖触觉传感器 TacPrint 用于人机接触数据收集。同样属于数据采集硬件，虽支持人类演示范式，但缺乏与 VLA 训练流程的直接整合或算法贡献。
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. · arXiv:2607.27017v3 Announce Type: replace-cross Abstract: A central premise of latent world models is that predicting the future forces a representation to internalize the physics of its environment. Which physical quantities does a trained latent actually contain, and what decides this? We answer with controlled interventions in POKEWORLD, an interactive environment whose visually identical objects hide mass, drag, and contact stiffness. A certificate-gated protocol first certifies each paramet
cs.RO
閱讀原文
VLA
When Does On-Policy Interaction Help? Representational Tradeoffs in Value-Based Imitation Learning
Luca Viano et al. · 分析基于价值的模仿学习中在线交互的作用及表征权衡。属于 RL/IL 理论基础研究，虽适用于机器人，但未针对 VLA 特性进行专门优化或验证，归为相关背景知识。
cs.AI
閱讀原文