VLA [The University of Tokyo]
SiMDex: Mining Similar Egocentric Videos for Cross-Embodiment Dexterous Manipulation
Nie Lin et al. · 提出基于相似性的数据挖掘框架，用于筛选对灵巧操作有益的眼动视频数据。亮点在于解决数据质量而非数量问题，可直接用于优化VLA训练数据集构建。
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
- Kitchen Robotic Manipulation utilizing Foundation Models [School of Electronic Engineering, Kumoh National Institute of Technology] Myung-Hwan Jeon et al. · 模块化感知流水线，缺乏具体的VLA架构创新或端到端训练细节，属于传统感知与基础模型结合的工程应用。 CS.RO
- SiMDex: Mining Similar Egocentric Videos for Cross-Embodiment Dexterous Manipulation [The University of Tokyo] Nie Lin et al. · 提出基于相似性的数据挖掘框架，用于筛选对灵巧操作有益的眼动视频数据。亮点在于解决数据质量而非数量问题，可直接用于优化VLA训练数据集构建。 CS.RO
- SAFECAST: Robust Failure Detection for VLA Policies with Contrast-Set Training and Calibration [University of Southern California] Harshitha Rajaprakash et al. · 针对VLA部署时的分布偏移，提出对比集训练和校准的故障检测方法。提供明确的鲁棒性增强路径，适合关注VLA安全部署的研究者复用。 CS.RO
- GUARD: Grounding Uncertainty and Ablation-Based Risk Detection for Diffusion-Based VLAs Suhas Hegde et al. · 专为Diffusion VLA设计的测试时故障检测机制，通过不确定性量化识别弱 grounding 预测。填补了扩散策略可靠性评估的工具空白，具有直接应用价值。 CS.RO
- Retrieve in Time, Correct in Frequency [Research Institute of Tsinghua University in Shenzhen] Yuze Fan et al. · 针对长视界VLA的累积误差，提出时间检索+频率校正的闭环修正方法。利用成功轨迹作为先验进行后处理修正，无需重新训练即可提升长程任务成功率。 CS.RO
- Mind-VLA: Instruction-Aware Spatial Representation Alignment for Vision-Language-Action Models [Nanjing University] Xingyu Ding et al. · 解决现有3D VLA指令无关的问题，引入指令感知的空间表示对齐。通过聚焦任务相关区域提升泛化能力，是对OpenVLA等基线方法的实质性架构改进。 CS.RO
- Suppression Sticks, Locality Is Fragile: A Closed-Loop Target-and-Control Audit of Task-Vector Negation in VLA Policies [LIBERO Team] Shaoguang Wang et al. · 深入分析Task Vector减法在闭环控制中的局部性失效问题。属于重要的诊断性研究（Audit），虽无新模型提出，但对理解VLA行为机理极具价值。 CS.RO
- Explicit Language Memory for Long-Horizon Planning in Vision-Language-Action Models [Fudan University] Houze Xu et al. · 为VLA引入显式语言记忆模块以解决长视界规划中的指令遗忘问题。通过外部记忆增强上下文保持能力，是提升复杂任务执行稳定性的有效工程方案。 CS.RO
- RORA: Realistic Object Reconstruction with Articulation [Seoul National University] Hyesung Lee et al. · 专注于Sim2Real中的物体重建与关节建模，虽服务于机器人学习，但核心贡献在3D视觉重建领域，非VLA核心算法或训练范式。 CS.RO
- BridgeVLA++: A Data-Efficient, Generalizable, and Memory-Augmented Vision-Language-Action Framework for 3D Manipulation [New Laboratory of Pattern Recognition (NLPR), Institute of Automation, Chinese Academy of Sciences] Peiyan Li et al. · 在BridgeData基础上引入内存增强和数据高效训练策略，旨在提升3D操作泛化性。作为知名基准的迭代版本，提供了具体的架构优化细节和实验对比。 CS.RO
- Zero-shot Sim2Real Transfer for Magnet-Based Tactile Sensor on Insertion Tasks [Princeton Unversity] Beining Han et al. · 聚焦触觉传感器的Sim2Real迁移，虽涉及灵巧操作，但核心是传感器信号处理与控制，未涉及多模态VLA模型的训练或推理机制。 CS.RO
- RESample: A Robust Data Augmentation Framework via Exploratory Sampling for Robotic Manipulation [Nanyang Technological University] Yuquan Xue et al. · 提出探索性采样数据增强框架，解决VLA训练中失败轨迹缺失导致的纠正能力不足。方法通用性强，可直接集成到现有IL/VLA训练流程中提升鲁棒性。 CS.RO
VLA 研究日報VLA 研究日报
共 24 篇
🔧 技術技术
VLA [University of Southern California]
SAFECAST: Robust Failure Detection for VLA Policies with Contrast-Set Training and Calibration
Harshitha Rajaprakash et al. · 针对VLA部署时的分布偏移，提出对比集训练和校准的故障检测方法。提供明确的鲁棒性增强路径，适合关注VLA安全部署的研究者复用。
cs.RO
閱讀原文
VLA
GUARD: Grounding Uncertainty and Ablation-Based Risk Detection for Diffusion-Based VLAs
Suhas Hegde et al. · 专为Diffusion VLA设计的测试时故障检测机制，通过不确定性量化识别弱 grounding 预测。填补了扩散策略可靠性评估的工具空白，具有直接应用价值。
cs.RO
閱讀原文
VLA [Research Institute of Tsinghua University in Shenzhen]
Retrieve in Time, Correct in Frequency
Yuze Fan et al. · 针对长视界VLA的累积误差，提出时间检索+频率校正的闭环修正方法。利用成功轨迹作为先验进行后处理修正，无需重新训练即可提升长程任务成功率。
cs.RO
閱讀原文
VLA [Nanjing University]
Mind-VLA: Instruction-Aware Spatial Representation Alignment for Vision-Language-Action Models
Xingyu Ding et al. · 解决现有3D VLA指令无关的问题，引入指令感知的空间表示对齐。通过聚焦任务相关区域提升泛化能力，是对OpenVLA等基线方法的实质性架构改进。
cs.RO
閱讀原文
VLA [Fudan University]
Explicit Language Memory for Long-Horizon Planning in Vision-Language-Action Models
Houze Xu et al. · 为VLA引入显式语言记忆模块以解决长视界规划中的指令遗忘问题。通过外部记忆增强上下文保持能力，是提升复杂任务执行稳定性的有效工程方案。
cs.RO
閱讀原文
VLA [New Laboratory of Pattern Recognition (NLPR), Institute of Automation, Chinese Academy of Sciences]
BridgeVLA++: A Data-Efficient, Generalizable, and Memory-Augmented Vision-Language-Action Framework for 3D Manipulation
Peiyan Li et al. · 在BridgeData基础上引入内存增强和数据高效训练策略，旨在提升3D操作泛化性。作为知名基准的迭代版本，提供了具体的架构优化细节和实验对比。
cs.RO
閱讀原文
VLA [Nanyang Technological University]
RESample: A Robust Data Augmentation Framework via Exploratory Sampling for Robotic Manipulation
Yuquan Xue et al. · 提出探索性采样数据增强框架，解决VLA训练中失败轨迹缺失导致的纠正能力不足。方法通用性强，可直接集成到现有IL/VLA训练流程中提升鲁棒性。
cs.RO
閱讀原文
VLA [Research Center for Advanced Electronics Manufacturing, School of Mechanical Science and Engineering, Huazhong University of Science and Technology]
DeepThinkVLA: Enhancing Reasoning Capability of Vision-Language-Action Models
Cheng Yin et al. · 系统诊断CoT推理在VLA中的有效性，并提出增强推理能力的具体方法。澄清了思维链在具身智能中的作用边界，为后续VLA认知架构设计提供实证依据。
cs.RO
閱讀原文
VLA [Department of Automation Tsinghua University]
CofactVLA: Deconfounding Vision-Language-Action Models via Counterfactual Intervention
Yan Zhang et al. · 针对VLA的视觉覆盖现象，引入反事实干预进行去混淆处理。从因果推断角度解决模态不平衡问题，提供了新颖的训练视角和可复用的去偏模块。
cs.CV
閱讀原文
VLA [Tongji Hospital]
Faster-WAM: Efficient Inference-Time Future Conditioning for Robust World Action Models
Weiheng Zhao et al. · 优化World Action Models的推理效率，通过未来条件化机制平衡前瞻性与计算成本。解决了WAM在实时控制中的延迟瓶颈，提升了世界模型在VLA中的实用性。
cs.CV
閱讀原文
VLA [Institute for AI Industry Research (AIR), Tsinghua University]
MobileWAM: Bridging World Action Models to Mobile Manipulation with Chain-of-Foresight
Zehua Fan et al. · 将World Action Models扩展至移动操作领域，提出Chain-of-Foresight机制协调移动与操作。填补了WAM在动态大尺度场景下的应用空白，具有显著的场景适应性。
cs.CV
閱讀原文
VLA [Shanghai Jiao Tong University]
Deltoris: Enabling Real-time VLA Inference in Embodied AI via Bit-level Sparsity and Speculative Inference
Zheng Liu et al. · 通过比特级稀疏化和推测解码加速Diffusion VLA推理。直接解决VLA部署中的计算密集型痛点，提供显著的延迟降低方案，具备极高的工程复用价值。
cs.LG
閱讀原文
VLA [Technische Universität Darmstadt]
Overcoming Statistical Bias in Action-Controllable World Models
Yuhong Shi et al. · 揭示并解决动作可控世界模型中的统计偏差（Shortcut）问题。通过改进训练目标提升模型对真实物理因果的学习，对构建可靠的Embodied World Models至关重要。
cs.RO
閱讀原文
VLA [HKUST]
WorldCycle: Self-Verifiable Reinforcement Learning for Long-Horizon Video World Models
Bohai Gu et al. · 提出自验证RL框架解决长视界视频世界模型的复合误差问题。通过自我验证机制提升预测一致性，为VLA的世界模型组件提供更可靠的预训练信号。
cs.AI
閱讀原文
📖 背景閱讀背景阅读
VLA [School of Electronic Engineering, Kumoh National Institute of Technology]
Kitchen Robotic Manipulation utilizing Foundation Models
Myung-Hwan Jeon et al. · 模块化感知流水线，缺乏具体的VLA架构创新或端到端训练细节，属于传统感知与基础模型结合的工程应用。
cs.RO
閱讀原文
VLA [LIBERO Team]
Suppression Sticks, Locality Is Fragile: A Closed-Loop Target-and-Control Audit of Task-Vector Negation in VLA Policies
Shaoguang Wang et al. · 深入分析Task Vector减法在闭环控制中的局部性失效问题。属于重要的诊断性研究（Audit），虽无新模型提出，但对理解VLA行为机理极具价值。
cs.RO
閱讀原文
VLA [Seoul National University]
RORA: Realistic Object Reconstruction with Articulation
Hyesung Lee et al. · 专注于Sim2Real中的物体重建与关节建模，虽服务于机器人学习，但核心贡献在3D视觉重建领域，非VLA核心算法或训练范式。
cs.RO
閱讀原文
VLA [Princeton Unversity]
Zero-shot Sim2Real Transfer for Magnet-Based Tactile Sensor on Insertion Tasks
Beining Han et al. · 聚焦触觉传感器的Sim2Real迁移，虽涉及灵巧操作，但核心是传感器信号处理与控制，未涉及多模态VLA模型的训练或推理机制。
cs.RO
閱讀原文
VLA
PhyAI: Real-Time Physical AI at the Edge, Scalable Rollouts in the Cloud
Chenghua Wang et al. · 侧重物理AI系统的边缘计算与云端Rollout基础设施搭建。虽重要但属于系统工程层面，非VLA算法或模型层面的核心进展。
cs.RO
閱讀原文
VLA [University of Electronic Science and Technology of China]
Exo2EgoPose: Leveraging Exocentric Demonstrations for Vision-Language guided Egocentric 3D Hand Pose Forecasting
Zhaofeng Shi et al. · 利用第三人称演示辅助第一人称手部姿态预测，侧重视觉感知与姿态估计，未涉及VLA的动作生成或策略学习核心环节。
cs.CV
閱讀原文
VLA [Norwegian University of Science and Technology]
Bi-Level Reinforcement Learning Pathway for Sim-to-Real Optimality
Akhil S Anand et al. · 通用Sim2Real RL优化路径，虽适用于机器人但未针对VLA特性（如多模态对齐、语言指令）进行专门设计，相关性较弱。
cs.AI
閱讀原文
VLA [The University of Tokyo]
HelloWorld: Enabling Socially Interactive Characters in Video World Models
Liangyang Ouyang et al. · 视频世界模型中的社交交互角色生成，侧重内容创作而非具身控制，与VLA核心任务距离较远。
cs.CV
閱讀原文
VLA [Alaya Lab]
WorldMark: A Unified Benchmark Suite for Interactive Video World Models
Xiaojie Xu et al. · 交互式视频世界模型的基准测试套件。虽重要但属于评估工具，非方法论突破，且侧重视频生成而非机器人动作执行。
cs.CV
閱讀原文