VLA [Sichuan University]
G0.5: One Autoregressive Stream for Robot Reasoning and Action
Yicheng Liu et al. · 提出单流自回归架构统一推理与动作生成，打破传统VLM+Flow Expert的双流范式。若实验证实显著优于RT-2/OpenVLA，则属架构级创新。
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
- Redistribution-based Cost Inference Improves Sparse Safe Offline RL 提出基于重分布的成本推断方法，解决稀疏安全离线RL中的时间信用分配问题。虽与策略学习相关，但非VLA核心架构或训练范式创新。 HF-PAPER
- Motion-as-Prompt: Enhancing Motion Reasoning in Multimodal Large Language Models via Motion-Guided Cross-Frame Visual Prompting 通过运动引导的跨帧视觉提示增强MLLM的运动推理能力。主要贡献在视频理解/MLLM层面，未直接涉及机器人动作生成或VLA闭环控制。 HF-PAPER
- HandEdit: A Unified Benchmark for Egocentric Human-to-Robot Dexterous Hand Image Editing 发布首个用于第一人称灵巧手图像编辑的数据集Benchmark。作为数据资源有价值，但属于数据集类工作，无新算法或SOTA突破。 HF-PAPER
- Adaptation of Generalist Robot Policies with Minimal Data [Carnegie Mellon University] Shreyas Kowshik et al. · 探索通用机器人策略在极少数据下的自适应方法，针对零样本泛化弱的问题。提供具体的微调/适应路径，适合本周复用以提升OOD鲁棒性。 CS.RO
- StellaVLA: In-Context Structured Demonstration for Generalizable Vision-Language-Action Models Siyu Xu et al. · 提出结构化演示的In-Context学习方法以缓解VLA的OOD性能崩溃。方法具体且针对VLA泛化瓶颈，具有明确的工程复用价值。 CS.RO
- G0.5: One Autoregressive Stream for Robot Reasoning and Action [Sichuan University] Yicheng Liu et al. · 提出单流自回归架构统一推理与动作生成，打破传统VLM+Flow Expert的双流范式。若实验证实显著优于RT-2/OpenVLA，则属架构级创新。 CS.RO
- Policy-Induced Hand Priors in Humanoid Dual-Arm Manipulation: Diagnosing and Mitigating Initial-Pose Dependence [Korea Institute of Science and Technology] Chaeyeon Jung et al. · 诊断并缓解人形双臂操作中对初始姿态的依赖问题。侧重于特定现象分析与修正，非通用VLA架构改进，属于重要但局部的工程洞见。 CS.RO
- D3D-GEN: Robot-Aware Domain-Grounded Interactive 3D World Generation for Social Robotics [Singapore Management University] Anh Duc Do et al. · 面向社交机器人的交互式3D世界生成系统。侧重仿真环境构建而非VLA策略本身，属于相邻领域的基础设施工作。 CS.RO
- Early Warning Signals for OpenVLA Failure under Visual Distribution Shift [LIBERO Team] Dipesh Tharu Mahato et al. · 通过分析OpenVLA激活状态预测视觉分布偏移下的失败。属于模型可解释性与监控方向，虽有用但不改变VLA核心训练/推理机制。 CS.RO
- World Tokens: Enhancing Embodied Policies with Training-Time World Modeling [Nantong University] Qu Tang et al. · 引入World Tokens在训练时显式建模物理场景演化，弥补VLA缺乏动态世界模型的缺陷。方法新颖且直接嵌入VLA训练流程，具高复用潜力。 CS.RO
- Self-Evolving Embodied Agents via Skill-Harness Evolution [Microsoft Research] Peidong Wang et al. · 通过技能 harness 进化实现智能体自我演进。侧重Agent系统层面的编排与接口管理，非底层VLA策略网络的核心改进。 CS.RO
- FEWT: Frequency-Enhanced Wavelet-based Transformer for Multimodal Wheeled Bimanual Manipulation [Jiangnan University] Jiaxin Huang et al. · 结合小波变换与Transformer处理多模态双臂操作。属于特定传感器融合的网络结构优化，未见对VLA通用范式的突破性贡献。 CS.RO
VLA 研究日報VLA 研究日报
共 29 篇
⚡ 突破
🔧 技術技术
VLA [Carnegie Mellon University]
Adaptation of Generalist Robot Policies with Minimal Data
Shreyas Kowshik et al. · 探索通用机器人策略在极少数据下的自适应方法，针对零样本泛化弱的问题。提供具体的微调/适应路径，适合本周复用以提升OOD鲁棒性。
cs.RO
閱讀原文
VLA
StellaVLA: In-Context Structured Demonstration for Generalizable Vision-Language-Action Models
Siyu Xu et al. · 提出结构化演示的In-Context学习方法以缓解VLA的OOD性能崩溃。方法具体且针对VLA泛化瓶颈，具有明确的工程复用价值。
cs.RO
閱讀原文
VLA [Nantong University]
World Tokens: Enhancing Embodied Policies with Training-Time World Modeling
Qu Tang et al. · 引入World Tokens在训练时显式建模物理场景演化，弥补VLA缺乏动态世界模型的缺陷。方法新颖且直接嵌入VLA训练流程，具高复用潜力。
cs.RO
閱讀原文
VLA [Harbin Institute of Technology]
RLinf-VLA: A Unified and Efficient Framework for Reinforcement Learning of Vision-Language-Action Models
Hongzhi Zang et al. · 提供统一的RL微调框架以解决当前VLA RL训练碎片化问题。工程价值极高，便于团队快速实施RL精调，符合本周可复用标准。
cs.RO
閱讀原文
VLA [Hunan Institute of Science and Technology]
RoboHarness: A Memory-Augmented Policy Harness for Vision-Language-Action Model Robustness via In-Context Adaptation
Zhuoran Li et al. · 通过记忆增强和In-Context适配提升VLA在噪声环境下的鲁棒性。提供即插即用的Harness模块，有效解决OOD适应难题，具实操价值。
cs.RO
閱讀原文
VLA [Microsoft Research Asia]
MuseVLA: An Adaptive Multimodal Sensing Vision-Language-Action Model for Robotic Manipulation
Xingyuming Liu et al. · 引入多模态传感（如触觉）自适应机制以弥补纯视觉VLA的物理感知缺失。直接响应“触觉VLA”研究方向，具明确应用路径。
cs.RO
閱讀原文
VLA [Li Auto Inc]
VANE: Reliable Test-Time Training for Vision-Language-Action Models via Future Visual Representation Prediction
Hongjin Ji et al. · 提出基于未来视觉表征预测的可靠测试时训练（TTT）方法。解决VLA在线适应中的不稳定性问题，技术点具体且实用。
cs.RO
閱讀原文
📖 背景閱讀背景阅读
VLA
Redistribution-based Cost Inference Improves Sparse Safe Offline RL
提出基于重分布的成本推断方法，解决稀疏安全离线RL中的时间信用分配问题。虽与策略学习相关，但非VLA核心架构或训练范式创新。
hf-papers
閱讀原文
VLA
Motion-as-Prompt: Enhancing Motion Reasoning in Multimodal Large Language Models via Motion-Guided Cross-Frame Visual Prompting
通过运动引导的跨帧视觉提示增强MLLM的运动推理能力。主要贡献在视频理解/MLLM层面，未直接涉及机器人动作生成或VLA闭环控制。
hf-papers
閱讀原文
VLA
HandEdit: A Unified Benchmark for Egocentric Human-to-Robot Dexterous Hand Image Editing
发布首个用于第一人称灵巧手图像编辑的数据集Benchmark。作为数据资源有价值，但属于数据集类工作，无新算法或SOTA突破。
hf-papers
閱讀原文
VLA [Korea Institute of Science and Technology]
Policy-Induced Hand Priors in Humanoid Dual-Arm Manipulation: Diagnosing and Mitigating Initial-Pose Dependence
Chaeyeon Jung et al. · 诊断并缓解人形双臂操作中对初始姿态的依赖问题。侧重于特定现象分析与修正，非通用VLA架构改进，属于重要但局部的工程洞见。
cs.RO
閱讀原文
VLA [Singapore Management University]
D3D-GEN: Robot-Aware Domain-Grounded Interactive 3D World Generation for Social Robotics
Anh Duc Do et al. · 面向社交机器人的交互式3D世界生成系统。侧重仿真环境构建而非VLA策略本身，属于相邻领域的基础设施工作。
cs.RO
閱讀原文
VLA [LIBERO Team]
Early Warning Signals for OpenVLA Failure under Visual Distribution Shift
Dipesh Tharu Mahato et al. · 通过分析OpenVLA激活状态预测视觉分布偏移下的失败。属于模型可解释性与监控方向，虽有用但不改变VLA核心训练/推理机制。
cs.RO
閱讀原文
VLA [Microsoft Research]
Self-Evolving Embodied Agents via Skill-Harness Evolution
Peidong Wang et al. · 通过技能 harness 进化实现智能体自我演进。侧重Agent系统层面的编排与接口管理，非底层VLA策略网络的核心改进。
cs.RO
閱讀原文
VLA [Jiangnan University]
FEWT: Frequency-Enhanced Wavelet-based Transformer for Multimodal Wheeled Bimanual Manipulation
Jiaxin Huang et al. · 结合小波变换与Transformer处理多模态双臂操作。属于特定传感器融合的网络结构优化，未见对VLA通用范式的突破性贡献。
cs.RO
閱讀原文
VLA [The Hong Kong University of Science and Technology (Guangzhou)]
UniGround: Universal 3D Visual Grounding via Training-Free Scene Parsing
Jiaxi Zhang et al. · 提出免训练的3D视觉定位方法。虽服务于Embodied AI，但聚焦感知模块（Grounding），未涉及VLA的动作决策或端到端策略。
cs.RO
閱讀原文
VLA [Sun Yat-sen University]
Robotic Manipulation is Vision-to-Geometry Mapping: Vision-Geometry Backbones over Language and Video Models
Zijian Song et al. · 主张将操作视为视觉到几何的映射，提出Vision-Geometry骨干网。理论视角独特，但需更多实证证明其超越现有VLA范式的优势。
cs.RO
閱讀原文
VLA [University of Washington]
TMRL: Diffusion Timestep-Modulated Pretraining Enables Exploration for Efficient Policy Finetuning
Matthew M. Hong et al. · 利用扩散时间步调制预训练以改善RL微调时的探索效率。侧重Diffusion Policy的训练技巧，非通用VLA架构创新。
cs.RO
閱讀原文
VLA
HUGIN: Enhancing Vision-Language Planning for Autonomous Logistics Sorting
Xikai Sun et al. · 针对物流分拣场景的多视图联合规划方法。属于垂直领域应用优化，非通用VLA基础能力突破。
cs.AI
閱讀原文
VLA [School of Electronic Information Engineering, Xi’an Technological University]
DreamFly: Causal Memory and Receding-Horizon Diffusion Planning for Aerial Vision-Language Navigation
Yan Deng et al. · 结合因果记忆与滚动视界扩散规划用于空中VLN。侧重导航任务与无人机平台，与地面操作型VLA核心关注点有差异。
cs.AI
閱讀原文
VLA [Massachusetts Institute of Technology]
Prompt-Driven Exploration
Sunshine Jiang et al. · 利用提示驱动RL探索过程。方法通用性强，但未专门针对VLA的离散/连续动作空间特性进行深度定制。
cs.AI
閱讀原文
VLA [S-Lab, Nanyang Technological University]
3D Scene Generation: A Survey
Haozhe Xie et al. · 3D场景生成综述。虽涵盖机器人应用背景，但为文献总结，无新方法或即时技术贡献。
cs.CV
閱讀原文
VLA [Department of Electrical Engineering, Chalmers University of Technology]
Deformable In-Hand Slip-Aware Tactile Sensor with Integrated Velocity, Force/Torque, and Pressure Map Sensing
Gabriel Arslan Waltersson et al. · 新型滑移感知触觉传感器硬件设计。属硬件层创新，虽支持VLA输入，但非算法/模型层面的VLA进展。
cs.RO
閱讀原文
VLA [School of Automation and Intelligent Manufacturing, Southern University of Science and Technology]
From World Models to World Action Models: A Concise Tutorial for Robotics
Xiaoxiong Zhang et al. · 关于世界模型与世界动作模型的简明教程。教育性质内容，有助于理解概念，但无原创性算法贡献。
cs.RO
閱讀原文
VLA [Altos Labs]
VIScore: Diagnosing Planning-Relevant Quality in Latent World Models
Haiyu Wu et al. · 提出VIScore指标评估潜在世界模型的规划质量。侧重评估方法论，非VLA策略本身的改进。
cs.RO
閱讀原文
VLA [Shenyang Pharmaceutical University]
Better Slots, Better Worlds: Representation Quality & Robustness in Object-Centric World Models
Shukrullo Nazirjonov et al. · 研究对象中心表示（Slots）对世界模型鲁棒性的影响。偏向表示学习与世界模型内部机制分析，非直接VLA控制策略。
cs.AI
閱讀原文
VLA [School of Informatics, University of Edinburgh]
Towards Human Motion World Models via Executable Behaviour Representations
Rimvydas Rubavicius et al. · 通过可执行行为表示构建人类运动世界模型。聚焦人体运动模拟，与机器人操作策略关联度较低。
cs.AI
閱讀原文
VLA [Laboratory of Bioengineering and Nanosciences (LBN), University of Montpellier]
Bootstrap Theory of Representational Emergence: Explanatory Insufficiency as a Driver of Representation Learning and World Models
Jacques Raynal et al. · 从理论角度探讨表征涌现与世界模型的关系。高度理论化，缺乏具体的VLA算法实现或实验验证。
cs.LG
閱讀原文