VLA [Beijing Jiaotong University]
{\tau}: Learning Touch-Augmented Vision-Language-Action Models from Future Visual Supervision
Ning Cheng et al. · 提出利用未来视觉监督学习触觉增强VLA的新范式，解决接触丰富操作中视觉信息不足的核心瓶颈，填补触觉VLA方向空白。
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
- Fast and Accurate: An Adaptive VLA Inference Framework through Environment-aware Model Selection [Huawei Technologies (China)] Yuewei Sun et al. · 提出环境感知的模型选择框架，动态切换快慢推理系统以平衡VLA的响应速度与长程规划能力。提供可复用的推理加速方案，适合部署端优化。 CS.RO
- CrossTracer: Cross-Embodiment Navigation via VLA Model Reasoning and Trace Residuals Adapting [Peng Cheng Laboratory] Yao Wang et al. · 解决跨具身导航中语义可行但物理不可行的问题，通过残差适应机制将VLA的语义先验适配到不同移动底盘的运动约束中。 CS.RO
- AtlasVLA: Persistent World-Ego State Modeling for Vision-Language-Action Models Guiyu Zhao et al. · 引入持久化的世界-自我状态建模，缓解单目腕部相机在部分可观测和长程任务中的信息缺失，提升VLA对环境的持续理解能力。 CS.RO
- Unordered Landmark Visual Navigation Hao Ren et al. · 研究无需时间顺序视频流或深度传感器的图像目标导航方法，虽属Embodied AI范畴，但未明确结合VLA架构或操作任务，偏向纯导航算法。 CS.RO
- Cross-View Action Consistency for Camera-Robust Vision-Language-Action Policies [Tsinghua University] Bingqi Huang et al. · 针对场景相机视角变化导致的VLA策略失效问题，提出仅依赖RGB图像的跨视图动作一致性约束，增强策略对相机扰动的鲁棒性。 CS.RO
- Decoupling Intention from Trajectory: A Representational Deduction Framework for World Action Models [NJU] Xiangkai Ma et al. · 提出解耦意图与轨迹的世界动作模型表示推导框架，侧重理论分析与生成式运动规划，缺乏明确的VLA下游任务实验验证。 CS.RO
- C2Dex: Contact-Consistent Reconstruction and Retargeting for Dexterous Manipulation from Monocular Video [Nanjing University] Jie Ren et al. · 从单目视频中重建接触一致的灵巧手演示数据并重定向至机器人，属于数据生成与仿真领域，未直接涉及VLA模型的训练或推理改进。 CS.RO
- AutoIntervene: Calibrated Intervention for Action-Chunking Imitation Learning Policies [School of Computer Science and] Jinhe Tang et al. · 针对动作分块模仿学习中的感知误差和执行漂移，提出校准干预机制以修正预测轨迹，提升长序列动作执行的稳定性。 CS.RO
- Representation Handoffs for OpenArm-Based Laboratory Mobile Manipulation Yang Shen et al. · 基于OpenArm平台的实验室移动操作场报告，展示语言引导下的自动化流程，主要贡献在于系统集成而非VLA核心算法创新。 CS.RO
- TEMPO: Semantic-Action Decoupled RL Post-Training for Vision-Language-Action Models [School of Computer Science and Technology, Zhejiang Gongshang University] Ziheng Liu et al. · 提出语义-动作解耦的RL后训练方法，解决SFT分布不匹配问题，通过分离高层语义指令与底层动作控制提升VLA微调效果。 CS.RO
- WNM-3D: A World Navigation Model with 3D Scene Conditioning for Closed-Loop VLN Yuehao Huang et al. · 构建带3D场景条件的世界导航模型用于闭环VLN，虽提及VLA政策映射，但核心贡献在于导航模型本身，缺乏通用VLA操作能力的评估。 CS.RO
- EchoVLA: Robotic Vision-Language-Action Model with Synergistic Declarative Memory for Mobile Manipulation [Shenzhen Campus of Sun Yat-sen University] Min Lin et al. · 引入协同声明式记忆模块扩展VLA的记忆容量，支持长程移动操作任务，解决现有VLA局限于短视距桌面操作的瓶颈。 CS.RO
VLA 研究日報VLA 研究日报
共 30 篇
⚡ 突破
🔧 技術技术
VLA [Huawei Technologies (China)]
Fast and Accurate: An Adaptive VLA Inference Framework through Environment-aware Model Selection
Yuewei Sun et al. · 提出环境感知的模型选择框架，动态切换快慢推理系统以平衡VLA的响应速度与长程规划能力。提供可复用的推理加速方案，适合部署端优化。
cs.RO
閱讀原文
VLA [Peng Cheng Laboratory]
CrossTracer: Cross-Embodiment Navigation via VLA Model Reasoning and Trace Residuals Adapting
Yao Wang et al. · 解决跨具身导航中语义可行但物理不可行的问题，通过残差适应机制将VLA的语义先验适配到不同移动底盘的运动约束中。
cs.RO
閱讀原文
VLA
AtlasVLA: Persistent World-Ego State Modeling for Vision-Language-Action Models
Guiyu Zhao et al. · 引入持久化的世界-自我状态建模，缓解单目腕部相机在部分可观测和长程任务中的信息缺失，提升VLA对环境的持续理解能力。
cs.RO
閱讀原文
VLA [Tsinghua University]
Cross-View Action Consistency for Camera-Robust Vision-Language-Action Policies
Bingqi Huang et al. · 针对场景相机视角变化导致的VLA策略失效问题，提出仅依赖RGB图像的跨视图动作一致性约束，增强策略对相机扰动的鲁棒性。
cs.RO
閱讀原文
VLA [School of Computer Science and]
AutoIntervene: Calibrated Intervention for Action-Chunking Imitation Learning Policies
Jinhe Tang et al. · 针对动作分块模仿学习中的感知误差和执行漂移，提出校准干预机制以修正预测轨迹，提升长序列动作执行的稳定性。
cs.RO
閱讀原文
VLA [School of Computer Science and Technology, Zhejiang Gongshang University]
TEMPO: Semantic-Action Decoupled RL Post-Training for Vision-Language-Action Models
Ziheng Liu et al. · 提出语义-动作解耦的RL后训练方法，解决SFT分布不匹配问题，通过分离高层语义指令与底层动作控制提升VLA微调效果。
cs.RO
閱讀原文
VLA [Shenzhen Campus of Sun Yat-sen University]
EchoVLA: Robotic Vision-Language-Action Model with Synergistic Declarative Memory for Mobile Manipulation
Min Lin et al. · 引入协同声明式记忆模块扩展VLA的记忆容量，支持长程移动操作任务，解决现有VLA局限于短视距桌面操作的瓶颈。
cs.RO
閱讀原文
VLA [Zhejiang University]
STRONG-VLA: Decoupled Robustness Learning for Vision-Language-Action Models under Multimodal Perturbations
Yuhan Xie et al. · 针对多模态扰动（视觉损坏、语言噪声）提出解耦鲁棒性学习方法，提升VLA在复杂干扰环境下的任务成功率与泛化能力。
cs.RO
閱讀原文
VLA [Research Institute of Tsinghua University in Shenzhen]
Retrieve in Time, Correct in Frequency
Yuze Fan et al. · 针对冻结VLA策略在长程操作中的累积误差，提出时域检索与频域校正机制，利用成功 rollout 修正后续动作预测。
cs.RO
閱讀原文
VLA [McGill University]
{\Omega}-QVLA: Robust Quantization for Vision-Language-Action Models via Composite Rotation and Per-step Scaling
Xinyu Wang et al. · 提出复合旋转与逐步缩放量化方法，解决VLA大模型及扩散头在设备端部署的高成本问题，实现高效且鲁棒的模型压缩。
cs.CV
閱讀原文
📖 背景閱讀背景阅读
VLA
Unordered Landmark Visual Navigation
Hao Ren et al. · 研究无需时间顺序视频流或深度传感器的图像目标导航方法，虽属Embodied AI范畴，但未明确结合VLA架构或操作任务，偏向纯导航算法。
cs.RO
閱讀原文
VLA [NJU]
Decoupling Intention from Trajectory: A Representational Deduction Framework for World Action Models
Xiangkai Ma et al. · 提出解耦意图与轨迹的世界动作模型表示推导框架，侧重理论分析与生成式运动规划，缺乏明确的VLA下游任务实验验证。
cs.RO
閱讀原文
VLA [Nanjing University]
C2Dex: Contact-Consistent Reconstruction and Retargeting for Dexterous Manipulation from Monocular Video
Jie Ren et al. · 从单目视频中重建接触一致的灵巧手演示数据并重定向至机器人，属于数据生成与仿真领域，未直接涉及VLA模型的训练或推理改进。
cs.RO
閱讀原文
VLA
Representation Handoffs for OpenArm-Based Laboratory Mobile Manipulation
Yang Shen et al. · 基于OpenArm平台的实验室移动操作场报告，展示语言引导下的自动化流程，主要贡献在于系统集成而非VLA核心算法创新。
cs.RO
閱讀原文
VLA
WNM-3D: A World Navigation Model with 3D Scene Conditioning for Closed-Loop VLN
Yuehao Huang et al. · 构建带3D场景条件的世界导航模型用于闭环VLN，虽提及VLA政策映射，但核心贡献在于导航模型本身，缺乏通用VLA操作能力的评估。
cs.RO
閱讀原文
VLA [北大]
VLA-Arena: An Open-Source Framework for Benchmarking Vision-Language-Action Models
Borong Zhang et al. · 开源VLA基准测试框架VLA-Arena，旨在量化VLA的能力边界与失败模式，属于重要工具/数据集类工作，非算法创新。
cs.RO
閱讀原文
VLA [Department of Computer Science, Sapienza University of Rome]
LyEvO: Lyapunov-Guided Evolutionary Optimization for Safe and Robust Sim-to-Real Policy Learning
Riccardo Curcio et al. · 基于李雅普诺夫引导的进化优化框架用于Sim-to-Real策略学习，侧重控制理论与安全性保证，未明确结合VLA架构。
cs.RO
閱讀原文
VLA [The Hong Kong University of Science and Technology (Guangzhou)]
Is Forward Prediction Enough? Physical State Grounding for JEPA World Models
Haodong Yan et al. · 探讨JEPA世界模型中前向预测的物理状态 grounding 问题，侧重世界模型原理分析，缺乏具体的VLA应用路径或实验。
cs.RO
閱讀原文
VLA [School of Computer Science and Technology, Harbin Institute of Technology, Shenzhen]
Detection and Ranging of Transient Extrinsic Contacts Based on 6D Dynamic Tactile Sensing
Haowen Zheng et al. · 基于6D动态触觉传感检测瞬态外部接触，属于传感器技术与底层感知层工作，未涉及VLA高层决策或策略学习。
cs.RO
閱讀原文
VLA [The University of Texas at Arlington]
TaskSense: Focusing on What Matters in World Models
SM Mazharul Islam et al. · 提出任务感知的世界模型表示学习方法，过滤无关视觉信息，虽相关但更偏向通用世界模型表征，非VLA特有架构创新。
cs.AI
閱讀原文
VLA
Capek 0.5: An Execution-Centric Vision-Language Model for Embodied Intelligence
Ying Chen et al. · 提出以执行为中心的VLM，强调迭代感知与验证，但摘要未明确展示其作为VLA策略在机器人操作任务上的具体性能或架构突破。
cs.AI
閱讀原文
VLA [Ellis University]
Transformers Struggle to Use Their Emergent World Models: Revisiting the Tower of Hanoi, and the Illusion of Thinking
Devin Pereira et al. · 分析Transformer在Hanoi塔等规划任务中的局限性，揭示“思考幻觉”，属于基础模型能力分析，非VLA架构或应用创新。
cs.AI
閱讀原文
VLA [Nanchang University]
MemWM: Memory-Augmented Text-Based World Model
Yujun Wang et al. · 提出记忆增强的文本世界模型，侧重语言层面的状态预测，缺乏视觉-动作闭环的具身智能实验验证。
cs.AI
閱讀原文
VLA [East China Jiaotong University]
Dueling World Models: Advantage-Style Action Channels for Common-Mode Distractor Rejection
Jiazhuo Li et al. · 提出对抗式世界模型以拒绝共模干扰，侧重世界模型内部机制改进，未明确关联VLA策略学习或机器人操作任务。
cs.AI
閱讀原文
VLA [Carnegie Mellon University, Language Technologies Institute]
Social World Models
Xuhui Zhou et al. · 研究社会交互中的隐式动态模拟与视角推理，侧重社会AI/多智能体交互，非物理世界的具身操作VLA。
cs.AI
閱讀原文
VLA [NVIDIA]
Addressable Memory for Video World Models
Xindi Wu et al. · 解决视频世界模型中KV缓存的地址性问题，侧重生成式视频模型的内存管理，非具身控制策略。
cs.CV
閱讀原文
VLA [University of Electronic Science and Technology of China]
UniJEPA: A Unified Joint-Embedding Predictive Architecture for Task-Agnostic Visual World Modeling
An Lanji et al. · 提出统一JEPA架构用于任务无关的视觉世界建模，侧重自监督学习框架，缺乏VLA下游任务的具体集成与验证。
cs.CV
閱讀原文
VLA [Dovetail Genomics (United States)]
From Optimal Actions to World Models: Identifiability of Transition Kernels in Discounted MDPs
Neal Batra · 理论分析从最优动作恢复MDP转移核的可识别性，纯强化学习/控制理论推导，无VLA实证研究。
cs.LG
閱讀原文
VLA [University of California, Davis]
Beyond Myopic World Models: Long-Horizon End-to-End Training for Direct Future Prediction
Xinyi Li et al. · 提出长视界端到端训练的世界模型，直接预测未来状态，虽相关但侧重世界模型训练目标，未明确展示对VLA策略控制的直接提升。
cs.LG
閱讀原文