VLA [Washington University in St. Louis]
Towards General Language-Conditioned Latent Safety Filters
Ihab Tabbara et al. · 提出一种针对 VLA 模型的潜在空间安全过滤器，通过语言条件约束确保策略在未知任务中的安全性。亮点在于无需重新训练即可为现有 VLA 添加安全层，本周可集成至 OpenVLA 等框架进行部署测试。
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
- Towards General Language-Conditioned Latent Safety Filters [Washington University in St. Louis] Ihab Tabbara et al. · 提出一种针对 VLA 模型的潜在空间安全过滤器，通过语言条件约束确保策略在未知任务中的安全性。亮点在于无需重新训练即可为现有 VLA 添加安全层，本周可集成至 OpenVLA 等框架进行部署测试。 CS.RO
- Action Chunk Scheduling for Batched Robot Policy Serving [Georgia Institute of Technology] Rohan Bansal et al. · 解决 VLA 模型大规模部署时的计算瓶颈，提出动作分块调度算法以优化批处理服务效率。核心贡献是显著降低推理延迟并提高吞吐量，为机器人云平台提供可直接复用的工程优化方案。 CS.RO
- The Gate, Not the Cache: Gate Provenance Bounds the Closed-Loop Reliability of Training-Free VLA Token Skipping [中科院] Qi Luo et al. · 分析无训练 VLA 加速中令牌跳过机制的闭环可靠性，指出门控来源而非缓存是关键瓶颈。提供理论边界和实验验证，帮助开发者理解并优化实时推理中的视觉计算剪枝策略。 CS.RO
- Latency-Tolerant Cloud-Edge Collaborative Vision-Language-Action Models via Emergent Representational Specialization [Guangxi University] Daojie Peng et al. · 提出云边协同 VLA 架构，通过涌现的表征专业化解决网络延迟与控制实时性的冲突。语义推理上云、局部控制留边，为移动操作机器人的分布式部署提供新的系统级解决方案。 CS.RO
- Push-Wiper: Toward General-Purpose Robotic Cleaning across Varied Stains and Surfaces with Segmented Pushing Trajectories [Tsinghua Shenzhen International Graduate School, Tsinghua University] Renhao Lu et al. · 针对粘性污渍清洁的特定任务方法，使用分段推动轨迹。虽涉及操作但缺乏 VLA 通用性验证，仅仿真或单一场景实验，属于专用技能而非通用 VLA 进展。 CS.RO
- RL Bootstrapping of OpenVLA-OFT for a Novel Robot Embodiment [Innopolis University] Damir Nurtdinov et al. · 展示如何利用 RL 微调将 OpenVLA 适配到形态差异大的新机器人本体，无需大量本体特定演示数据。提供了跨平台迁移的具体实践路径，对拥有定制硬件的研究者具有高复用价值。 CS.RO
- VLAGuard: A Framework for Evaluating and Mitigating Physical Attention Hijacking in Vision-Language-Action Robots within Wireless Sensor Networks [Guangdong Laboratory of Artificial Intelligence and Digital Economy (SZ)] Dongfu Yin et al. · 关注无线传感器网络中 VLA 机器人的物理对抗攻击防御。虽涉及 VLA 安全，但侧重于网络安全与对抗鲁棒性评估框架，非核心控制算法或架构创新。 CS.RO
- OC-VLA++: Monocular Geometry-Guided Cross-View Consistency for Viewpoint-Robust Robotic Manipulation [Xi'an International Studies University] Tianyi Zhang et al. · 改进 OC-VLA，引入单目几何引导的跨视图一致性以增强视角鲁棒性。解决了单相机设置下的泛化难题，提供具体的几何约束模块，可直接用于提升现有 VLA 在多变视角下的表现。 CS.RO
- Sparse Meets Dense: Correspondence Guided Robotic Manipulation with Rigid-Deformable Interactions [CFCS, School of Computer Science, PKU] Ziyu Zhu et al. · 针对刚柔耦合交互（如穿衣）的操作方法，结合稀疏与稠密特征。虽具挑战性，但摘要未明确提及 VLA 架构整合或通用基准测试，更偏向特定感知-控制接口研究。 CS.RO
- CAAT: Contact-Aware Attention Scaling and Tactile Masking for Data-Efficient Contact-Rich Manipulation [ShanghaiTech University] Jiaming Jiang et al. · 提出接触感知注意力缩放和触觉掩码机制，提升数据效率下的接触丰富操作性能。填补了触觉 VLA 方向空白，方法具体且可嵌入 Transformer 架构，值得精读。 CS.RO
- Hermite Curves as Trajectory Priors for Vision-Language-Action Models [School of Computer Science and Technology, Harbin Institute of Technology (Shenzhen)] Qi Lv et al. · 将埃尔米特曲线作为动作块的先验结构，解决 VLA 动作输出弱结构化问题。通过显式几何约束平滑轨迹，易于实现且能直接改善执行稳定性，具有明确的工程应用价值。 CS.RO
- DreamTrajectory: Trajectory-Guided Action Generation with World Model Alignment for Mobile Manipulation [First Affiliated Hospital of University of South China] Zheng Yang et al. · 结合世界模型对齐与轨迹引导，解决移动操作中基座与机械臂协调的大动作空间问题。提供多阶段任务分解的新思路，适用于 LIBERO 等长视界基准测试。 CS.RO
VLA 研究日報VLA 研究日报
共 27 篇
🔧 技術技术
VLA [Georgia Institute of Technology]
Action Chunk Scheduling for Batched Robot Policy Serving
Rohan Bansal et al. · 解决 VLA 模型大规模部署时的计算瓶颈，提出动作分块调度算法以优化批处理服务效率。核心贡献是显著降低推理延迟并提高吞吐量，为机器人云平台提供可直接复用的工程优化方案。
cs.RO
閱讀原文
VLA [中科院]
The Gate, Not the Cache: Gate Provenance Bounds the Closed-Loop Reliability of Training-Free VLA Token Skipping
Qi Luo et al. · 分析无训练 VLA 加速中令牌跳过机制的闭环可靠性，指出门控来源而非缓存是关键瓶颈。提供理论边界和实验验证，帮助开发者理解并优化实时推理中的视觉计算剪枝策略。
cs.RO
閱讀原文
VLA [Guangxi University]
Latency-Tolerant Cloud-Edge Collaborative Vision-Language-Action Models via Emergent Representational Specialization
Daojie Peng et al. · 提出云边协同 VLA 架构，通过涌现的表征专业化解决网络延迟与控制实时性的冲突。语义推理上云、局部控制留边，为移动操作机器人的分布式部署提供新的系统级解决方案。
cs.RO
閱讀原文
VLA [Innopolis University]
RL Bootstrapping of OpenVLA-OFT for a Novel Robot Embodiment
Damir Nurtdinov et al. · 展示如何利用 RL 微调将 OpenVLA 适配到形态差异大的新机器人本体，无需大量本体特定演示数据。提供了跨平台迁移的具体实践路径，对拥有定制硬件的研究者具有高复用价值。
cs.RO
閱讀原文
VLA [Xi'an International Studies University]
OC-VLA++: Monocular Geometry-Guided Cross-View Consistency for Viewpoint-Robust Robotic Manipulation
Tianyi Zhang et al. · 改进 OC-VLA，引入单目几何引导的跨视图一致性以增强视角鲁棒性。解决了单相机设置下的泛化难题，提供具体的几何约束模块，可直接用于提升现有 VLA 在多变视角下的表现。
cs.RO
閱讀原文
VLA [ShanghaiTech University]
CAAT: Contact-Aware Attention Scaling and Tactile Masking for Data-Efficient Contact-Rich Manipulation
Jiaming Jiang et al. · 提出接触感知注意力缩放和触觉掩码机制，提升数据效率下的接触丰富操作性能。填补了触觉 VLA 方向空白，方法具体且可嵌入 Transformer 架构，值得精读。
cs.RO
閱讀原文
VLA [School of Computer Science and Technology, Harbin Institute of Technology (Shenzhen)]
Hermite Curves as Trajectory Priors for Vision-Language-Action Models
Qi Lv et al. · 将埃尔米特曲线作为动作块的先验结构，解决 VLA 动作输出弱结构化问题。通过显式几何约束平滑轨迹，易于实现且能直接改善执行稳定性，具有明确的工程应用价值。
cs.RO
閱讀原文
VLA [First Affiliated Hospital of University of South China]
DreamTrajectory: Trajectory-Guided Action Generation with World Model Alignment for Mobile Manipulation
Zheng Yang et al. · 结合世界模型对齐与轨迹引导，解决移动操作中基座与机械臂协调的大动作空间问题。提供多阶段任务分解的新思路，适用于 LIBERO 等长视界基准测试。
cs.RO
閱讀原文
VLA [ETH|Bohg]
Demystifying When and Why VLAs Fail in Contact-Rich Tasks and How to Fix Them
Carlota Parés-Morlans et al. · 深入分析 VLA 在接触丰富任务中失败的时空原因，并提出修复策略。来自 ETH Jeannette Bohg 团队，提供诊断工具和针对性改进方案，对理解 VLA 物理局限性极具价值。
cs.RO
閱讀原文
VLA [Shanghai Normal University]
Uncovering and Mitigating Positional Blind Spots in Vision-Language-Action Models
Dongdong An et al. · 揭示 VLA 模型存在的空间位置盲点，并提出缓解措施。通过细粒度分析发现聚合指标掩盖的空间不均匀性，提供数据增强或架构调整建议，有助于提升泛化能力。
cs.RO
閱讀原文
VLA [Central South University]
ReTouch: Empowering Contact-Rich Dexterous Manipulation with Online-Refined Tactile Prediction
Shiqi Zhang et al. · 通过在线细化触觉预测赋能灵巧操作，解决触觉反馈滞后问题。填补触觉 VLA 方向空白，提供具体的预测修正模块，可集成至现有视触融合策略中。
cs.RO
閱讀原文
VLA [中科院]
Multi-View Unified Camera Fields: Geometry-Shaped Action-Facing Representations for RGB-Only Multi-Camera VLA Policies
Jiarui Yang et al. · 提出多视图统一相机场表示，仅用 RGB 多相机输入构建几何感知的动作面向表征。解决遮挡和多视角融合难题，为多相机 VLA 提供高效的特征提取范式。
cs.RO
閱讀原文
VLA
Look Where It Matters: Adaptive Visual Refinement for Vision-Language-Action Models
Jin Cui et al. · 发现 VLA 视觉编码器存在注意力伪影，提出自适应视觉细化机制。通过动态聚焦关键区域提升空间精度，方法轻量且即插即用，可显著提升操作成功率。
cs.RO
閱讀原文
VLA [Beihang University]
Learning Panorama-Aware VLA for Mobile Manipulation with Whole-Body Teleoperation
Donglin Yang et al. · 利用全身遥操作数据训练全景感知 VLA，解决移动操作中的视野局限问题。提供新的数据收集范式和模型架构，适用于开放世界环境下的长程任务。
cs.RO
閱讀原文
VLA [First Affiliated Hospital of Xi'an Jiaotong University]
ChainVLA: Chaining Vision-Language-Action Queries through a Unified Execution State for Long-Horizon Manipulation
Yuzhi Huang et al. · 提出 ChainVLA，通过统一执行状态链式连接 VLA 查询，增强长视界操作的记忆与连贯性。解决动作分块导致的上下文丢失问题，显著提升复杂序列任务成功率。
cs.RO
閱讀原文
VLA [上交]
Grounded Semantic Re-Binding for Robust Instruction Generalization in Vision-Language-Action Models
Zhaokai Yin et al. · 解决 VLA 对指令改写敏感的问题，提出接地语义重绑定机制。通过强化视觉-语言对齐的鲁棒性，无需额外数据即可提升指令泛化能力，具有实用价值。
cs.RO
閱讀原文
VLA [Berkeley|Levine]
Why Does Action Chunking Improve Behavioral Cloning Performance in Robotic Control?
Filippo Lazzati et al. · Levine 团队深入剖析动作分块提升行为克隆性能的机理。提供理论解释与实证分析，帮助研究者理解超参数选择依据，对优化 VLA 训练策略有指导意义。
cs.RO
閱讀原文
VLA [AIM3 Lab, Renmin University of China]
Ego2Robot: Scalable Robot Data Synthesis from Egocentric Human Data
Ye Wang et al. · 提出从第一人称人类视频合成大规模机器人演示数据的方法。解决数据稀缺瓶颈，提供自动重定向与渲染 pipeline，可直接扩充 Open-X 等数据集规模。
cs.RO
閱讀原文
📖 背景閱讀背景阅读
VLA [Tsinghua Shenzhen International Graduate School, Tsinghua University]
Push-Wiper: Toward General-Purpose Robotic Cleaning across Varied Stains and Surfaces with Segmented Pushing Trajectories
Renhao Lu et al. · 针对粘性污渍清洁的特定任务方法，使用分段推动轨迹。虽涉及操作但缺乏 VLA 通用性验证，仅仿真或单一场景实验，属于专用技能而非通用 VLA 进展。
cs.RO
閱讀原文
VLA [Guangdong Laboratory of Artificial Intelligence and Digital Economy (SZ)]
VLAGuard: A Framework for Evaluating and Mitigating Physical Attention Hijacking in Vision-Language-Action Robots within Wireless Sensor Networks
Dongfu Yin et al. · 关注无线传感器网络中 VLA 机器人的物理对抗攻击防御。虽涉及 VLA 安全，但侧重于网络安全与对抗鲁棒性评估框架，非核心控制算法或架构创新。
cs.RO
閱讀原文
VLA [CFCS, School of Computer Science, PKU]
Sparse Meets Dense: Correspondence Guided Robotic Manipulation with Rigid-Deformable Interactions
Ziyu Zhu et al. · 针对刚柔耦合交互（如穿衣）的操作方法，结合稀疏与稠密特征。虽具挑战性，但摘要未明确提及 VLA 架构整合或通用基准测试，更偏向特定感知-控制接口研究。
cs.RO
閱讀原文
VLA [Nanyang Technological University, Singapore]
AffordTrajDP: Dynamic Affordance-Guided Visuomotor Policy Learning for Robotic Manipulation
Gaoyuan Wu et al. · 结合动态可供性与扩散策略的学习方法。虽涉及操作，但主要贡献在于感知引导机制，未明确展示其在主流 VLA 基准上的超越性或与现有 VLA 架构的深度整合。
cs.RO
閱讀原文
VLA [北大|Wang]
ProtoAct: Turning Wet-Lab Protocols into Embodied Robotic Actions
Zhe Liu et al. · 将生物湿实验室协议转化为机器人动作，侧重指令解析与任务规划。属于 Agentic 控制相邻领域，缺乏底层 VLA 视觉-动作对齐的创新，暂归为值得了解。
cs.RO
閱讀原文
VLA [National Institute of Advanced Industrial Science and Technology (AIST)]
TWINS: A Tactile Wearable Isomorphic Arm Networked System for Contact-Rich Manipulation Learning
Takahide Kitamura et al. · 提出一种触觉可穿戴同构手臂系统用于数据采集。重点在于硬件系统与数据收集流程，而非 VLA 算法本身，属于基础设施类工作。
cs.RO
閱讀原文
VLA [APJ Abdul Kalam Technological University]
Weights or Skills? A Survey of Robot-Learning Techniques: from Action-Predicting Weights to Robots that Write their Own Skills
Gaytri Jena et al. · 综述机器人学习从权重预测到技能编写的范式转变。重要但非紧急，提供领域全景视角，适合快速浏览以把握研究方向，无需立即复现。
cs.RO
閱讀原文
VLA [Utah State University]
Probabilistic Reachable-Action Verification of Visuomotor Policies via Set-Based Training
Yanliang Huang et al. · 基于集合传播的视觉运动策略可达性验证方法。侧重形式化验证与安全保证，非控制性能提升，属于 VLA 安全子领域，应用路径较窄。
cs.RO
閱讀原文