VLA
SpeedTuning: Speeding Up Policy Execution with Lightweight Reinforcement Learning
提出通过轻量级RL微调加速模仿学习策略执行速度，解决硬件约束导致的慢速问题。提供提升推理效率的工程路径，适合部署优化。
hf-papers
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
- SpeedTuning: Speeding Up Policy Execution with Lightweight Reinforcement Learning 提出通过轻量级RL微调加速模仿学习策略执行速度，解决硬件约束导致的慢速问题。提供提升推理效率的工程路径，适合部署优化。 HF-PAPER
- WorldSimProbe: Diagnosing Simulator Faithfulness in Action-Conditioned World Models for Embodied Manipulation 诊断动作条件世界模型在具身操作中的仿真忠实度，评估预测过渡的准确性而非仅视觉合理性。属于基础评估工具，非直接VLA架构改进。 HF-PAPER
- Self Supervised Learning from Automatically Generated Demonstrations for Visual Robotic Manipulation [Robotics and AI Lab, Technological University of Uruguay] Andres Rivas et al. · 利用自动生成的演示数据进行自监督学习，减少对人工标注和校准感知流水线的依赖。提供低成本数据生成方案，本周可复用于数据增强。 CS.RO
- Learning Physical Interaction: A Survey of Tactile- and Force-aware Robot Learning Shilin Shan et al. · 综述触觉和力感知机器人学习，涵盖物理交互能力。作为领域概览有价值，但无具体新方法或即时应用路径，归为值得了解。 CS.RO
- LIRA: Local Cross-Layer Information Routing for Vision-Language-Action Decoding [Changchun University of Science and Technology] Zhewei Zhang et al. · 探索VLM中间特征到动作解码器的路由机制，提出局部跨层信息路由以改善接口效率。针对VLA架构内部模块优化，具有明确的工程复用价值。 CS.RO
- GWM-VLA: Geometry-Aware Latent World Modeling for Vision-Language-Action Learning [Tongji University] Yanping Zhao et al. · 引入几何感知的潜在世界模型以提升VLA在视觉和环境偏移下的鲁棒性。结合几何先验改进世界模型，为跨域泛化提供新视角，方法具体。 CS.RO
- Auditing Instruction-Trajectory Mismatches in Multimodal Robot Demonstrations [AI Robot Association (AIRoA)] Simon Holk et al. · 研究多模态演示数据中指令与轨迹不匹配的审计方法，识别行为正确但标签错误的有害模式。提供数据清洗工具，对提升VLA训练数据质量有直接帮助。 CS.RO
- PhysX-CoT: Structured Physical Reasoning from a Single Image to Simulation-Ready 3D Assets [the Key Laboratory of Target Cognition and Application Technology Aerospace Information Research Institute Chinese Academy of Sciences] Jie Huang et al. · 从单张图像生成具备物理属性的仿真就绪3D资产，侧重资产生成而非实时控制策略。虽相关但非VLA核心决策环路，归为值得了解。 CS.RO
- Multi-modal Interactive Control of Robotic Arm based on Offline Large Language Models [Department of Electrical Engineering and Information Systems, University of Tokyo] Hanxiao Chen · 基于离线LLM的多模态机械臂交互控制，摘要缺乏具体技术细节和创新点描述，且未明确VLA架构贡献，疑似常规应用，归为值得了解。 CS.RO
- WA-SpecDec: World-Aware Speculative Decoding for Vision-Language-Action Models [The University of Sydney] Zikang Wen et al. · 提出世界感知的推测解码以加速VLA自回归生成，通过并行验证草稿动作令牌降低延迟。直接解决VLA推理速度慢的核心瓶颈，工程价值高。 CS.RO
- OnEvoMemory: Evolving Memory through Online Robot Rollouts for Pretrained Robot Policies [Shanghai Jiao Tong University] Zhongxi Chen et al. · 提出在线演化记忆机制，使预训练策略能通过真实 rollout 跟踪长程子任务状态。解决非马尔可夫环境下的记忆更新问题，方法新颖且实用。 CS.RO
- SG-WAM: Text-Grounded and Spatial-aware Semantic Guidance for World-Action Models [The Hong Kong University of Science and Technology (Guangzhou)] Junjie He et al. · 为世界-动作模型（WAMs）引入文本接地和空间感知的语义引导，解决现有WAMs过度依赖视觉线索的问题。增强语言指令在预测中的作用，提升可控性。 CS.RO
VLA 研究日報VLA 研究日报
共 26 篇
🔧 技術技术
VLA [Robotics and AI Lab, Technological University of Uruguay]
Self Supervised Learning from Automatically Generated Demonstrations for Visual Robotic Manipulation
Andres Rivas et al. · 利用自动生成的演示数据进行自监督学习，减少对人工标注和校准感知流水线的依赖。提供低成本数据生成方案，本周可复用于数据增强。
cs.RO
閱讀原文
VLA [Changchun University of Science and Technology]
LIRA: Local Cross-Layer Information Routing for Vision-Language-Action Decoding
Zhewei Zhang et al. · 探索VLM中间特征到动作解码器的路由机制，提出局部跨层信息路由以改善接口效率。针对VLA架构内部模块优化，具有明确的工程复用价值。
cs.RO
閱讀原文
VLA [Tongji University]
GWM-VLA: Geometry-Aware Latent World Modeling for Vision-Language-Action Learning
Yanping Zhao et al. · 引入几何感知的潜在世界模型以提升VLA在视觉和环境偏移下的鲁棒性。结合几何先验改进世界模型，为跨域泛化提供新视角，方法具体。
cs.RO
閱讀原文
VLA [AI Robot Association (AIRoA)]
Auditing Instruction-Trajectory Mismatches in Multimodal Robot Demonstrations
Simon Holk et al. · 研究多模态演示数据中指令与轨迹不匹配的审计方法，识别行为正确但标签错误的有害模式。提供数据清洗工具，对提升VLA训练数据质量有直接帮助。
cs.RO
閱讀原文
VLA [The University of Sydney]
WA-SpecDec: World-Aware Speculative Decoding for Vision-Language-Action Models
Zikang Wen et al. · 提出世界感知的推测解码以加速VLA自回归生成，通过并行验证草稿动作令牌降低延迟。直接解决VLA推理速度慢的核心瓶颈，工程价值高。
cs.RO
閱讀原文
VLA [Shanghai Jiao Tong University]
OnEvoMemory: Evolving Memory through Online Robot Rollouts for Pretrained Robot Policies
Zhongxi Chen et al. · 提出在线演化记忆机制，使预训练策略能通过真实 rollout 跟踪长程子任务状态。解决非马尔可夫环境下的记忆更新问题，方法新颖且实用。
cs.RO
閱讀原文
VLA [The Hong Kong University of Science and Technology (Guangzhou)]
SG-WAM: Text-Grounded and Spatial-aware Semantic Guidance for World-Action Models
Junjie He et al. · 为世界-动作模型（WAMs）引入文本接地和空间感知的语义引导，解决现有WAMs过度依赖视觉线索的问题。增强语言指令在预测中的作用，提升可控性。
cs.RO
閱讀原文
VLA [Taiyuan University of Technology]
JEPA-WAM: Learning Vision-Language-Action Policies with Joint-Embedding World Modeling
Yihan Lin et al. · 结合联合嵌入预测架构（JEPA）与世界-动作模型，避免视频生成的计算成本，同时保留状态转换建模能力。平衡效率与性能，是VLA架构的有效变体。
cs.RO
閱讀原文
VLA [清华]
Skills in Weights, Memory in Code: Hybrid Learning for Memory-Dependent Robot Manipulation
Yunhao Zhao et al. · 提出混合学习框架，将技能固化在权重中，记忆逻辑放在代码中，以应对非马尔可夫操作需求。概念清晰，为解决长程依赖提供新思路。
cs.RO
閱讀原文
VLA [The Chinese University of Hong Kong, Shenzhen]
VANE: Reliable Test-Time Training for Vision-Language-Action Models via Future Visual Representation Prediction
Hongjin Ji et al. · 提出通过未来视觉表示预测实现可靠的VLA测试时训练（TTT），解决闭环适应中的空间混淆问题。为在线自适应提供稳定方案，具有较高实用价值。
cs.RO
閱讀原文
VLA [HHCM, Istituto Italiano di Tecnologia]
Efficient Real-World Online Reinforcement Learning for Robot Manipulation via Centralized Training and Critic Decomposition
Changhao Li et al. · 提出集中式训练和Critic分解以实现高效的现实世界在线RL，避免Sim2Real差距。为VLA的后训练/精调提供可行的RL路径，工程洞见重要。
cs.RO
閱讀原文
VLA [Fudan University]
SLIM-0.5B: Learning Action-Grounded Predictive Latents for Robot Manipulation
Jingkai Wang et al. · 发布0.5B参数的小型VLA模型，学习动作接地的预测潜变量，去除开放域语义冗余。显著降低计算资源需求，适合边缘部署，具有高复用价值。
cs.RO
閱讀原文
VLA
RynnValue: Scaling Robotic Value Foundation Models with Temporal Distance
Dongchi Huang et al. · 探索利用时间距离扩展机器人价值基础模型，解决奖励模型规模化瓶颈。为RLHF或价值函数学习提供新视角，对VLA对齐有潜在影响。
cs.RO
閱讀原文
VLA [Institute of Interdisciplinary Information Sciences at Tsinghua University]
REMAC: Self-Reflective and Self-Evolving Multi-Agent Collaboration for Long-Horizon Robot Manipulation
Puzhen Yuan et al. · 提出自我反思和自我演化的多智能体协作框架，用于长程机器人操作。利用多代理机制分解复杂任务，为Agentic VLA提供新范式，值得跟进。
cs.RO
閱讀原文
VLA [Department of Electrical and Computer Engineering, Seoul National University]
AnyCamVLA: Zero-Shot Camera Adaptation for Viewpoint Robust Vision-Language-Action Models
Hyeongjun Heo et al. · 实现VLA模型的零样本相机视角适应，解决微调模型对视角敏感的问题。直接提升VLA在不同部署环境下的鲁棒性，无需额外训练，实用性极强。
cs.RO
閱讀原文
VLA [J. Mike Walker ’66 Department of Mechanical Engineering, Texas A&M University]
Learning When to See and When to Feel: Adaptive Vision-Torque Fusion for Contact-Aware Manipulation
Jiuzhou Lei et al. · 提出自适应视觉-扭矩融合机制，动态决定何时依赖视觉、何时依赖触觉进行接触感知操作。填补触觉VLA方向空白，提升灵巧操作能力。
cs.RO
閱讀原文
VLA [HKU]
Can Vision-Language-Action Models Learn from Real-World Data Continually without Forgetting?
Jiarun Zhu et al. · 探讨VLA模型在真实世界数据上的持续学习能力及抗遗忘机制。针对部署后的长期演进问题，提供实验分析和解决方案，对实际落地至关重要。
cs.RO
閱讀原文
📖 背景閱讀背景阅读
VLA
WorldSimProbe: Diagnosing Simulator Faithfulness in Action-Conditioned World Models for Embodied Manipulation
诊断动作条件世界模型在具身操作中的仿真忠实度，评估预测过渡的准确性而非仅视觉合理性。属于基础评估工具，非直接VLA架构改进。
hf-papers
閱讀原文
VLA
Learning Physical Interaction: A Survey of Tactile- and Force-aware Robot Learning
Shilin Shan et al. · 综述触觉和力感知机器人学习，涵盖物理交互能力。作为领域概览有价值，但无具体新方法或即时应用路径，归为值得了解。
cs.RO
閱讀原文
VLA [the Key Laboratory of Target Cognition and Application Technology Aerospace Information Research Institute Chinese Academy of Sciences]
PhysX-CoT: Structured Physical Reasoning from a Single Image to Simulation-Ready 3D Assets
Jie Huang et al. · 从单张图像生成具备物理属性的仿真就绪3D资产，侧重资产生成而非实时控制策略。虽相关但非VLA核心决策环路，归为值得了解。
cs.RO
閱讀原文
VLA [Department of Electrical Engineering and Information Systems, University of Tokyo]
Multi-modal Interactive Control of Robotic Arm based on Offline Large Language Models
Hanxiao Chen · 基于离线LLM的多模态机械臂交互控制，摘要缺乏具体技术细节和创新点描述，且未明确VLA架构贡献，疑似常规应用，归为值得了解。
cs.RO
閱讀原文
VLA [Drexel University]
Latent World Models with Monotone Planning Costs for Image-Goal Navigation
Amirhosein Chahe et al. · 针对图像目标导航，提出单调规划成本的潜在世界模型。侧重导航而非通用操作，且方法较为特定，归为值得了解。
cs.RO
閱讀原文
VLA [Department of Electronic Engineering, The Chinese University of Hong Kong (CUHK)]
Trajectory Divergence Horizon Decision for Reliable Dual-Arm Surgical Subtask Manipulation
Mingwu Su et al. · 专注于双臂手术机器人的子任务操作，提出轨迹发散视界决策。领域过于垂直（医疗），且非通用VLA架构，归为值得了解。
cs.RO
閱讀原文
VLA [School of Mechanical Engineering and Automation, Beihang University]
RoboSeg: Online Part-Level Semantic Reconstruction for Robotic Manipulation via a Single Eye-in-Hand Camera
Zhaochen Lan et al. · 提出基于单目眼在手相机的在线部件级语义重建系统。侧重感知模块，虽对操作重要但非VLA决策核心，归为值得了解。
cs.RO
閱讀原文
VLA [Northeast Petroleum University]
Energy-Structured Latent World Models with Neural Time Fields for Physically Constistent Open-World Motion Planning
Yapeng Liu et al. · 结合能量结构和神经时间场构建潜在世界模型，确保运动规划的物理一致性。方法理论性强，但主要面向规划而非端到端VLA控制，归为值得了解。
cs.RO
閱讀原文