VLA [Sichuan University]
G0.5: One Autoregressive Stream for Robot Reasoning and Action
Yicheng Liu et al. · 提出单自回归流统一推理与动作生成的VLA新架构，打破VLM与动作专家分离范式，在多个基准上展现显著优势，解决架构解耦瓶颈。
cs.AI
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
- RoboSynChallenge: Mastering Real-World Dexterity via Generalizing Synthesized Manipulation Skills [The Chinese University of Hong Kong, Shenzhen] Runyi Zhao et al. · 提出合成数据泛化挑战，属于数据集/基准类工作，重要但非紧急方法更新。 CS.RO
- Temporal GRPO: Beyond Trajectory-Level Credit in Vision-Language-Action Reinforcement Learning Yao Zhou et al. · 针对VLA后训练中的GRPO算法改进，引入时间级信用分配以解决稀疏反馈问题，可直接应用于现有VLA RL微调流程。 CS.RO
- H2R-Bench: Benchmarking Human-to-Robot Manipulation Video Generation in World Models [上交] Dingyi Rong et al. · 提出人类到机器人的视频生成基准，属于评估框架/数据集贡献，无新VLA架构或训练方法。 CS.RO
- S2-HWM: Sparse Event-Structured Hierarchical World Model for Long-Horizon Surgical Robot Manipulation Shuzhe Zhang et al. · 专注于手术机器人特定领域的世界模型，缺乏通用VLA应用路径，且为垂直领域应用。 CS.RO
- NestDex: Nested Policy Learning with Copilot Assisted Teleoperation for Dexterous Manipulation [School of Computer Science and Australian Centre for Robotics, The University of Sydney] James Zhao et al. · 提出嵌套策略学习与辅助遥操作结合的方法，解决灵巧手数据收集难题，提供可复用的数据采集与训练范式。 CS.RO
- Attention from Action, for Action: Emergent Visual Bottlenecks for Policy Learning [Department of Computer Science, University of Freiburg] Zheyu Zhuang et al. · 提出无需外部标签的视觉瓶颈机制，通过动作引导注意力聚焦ROI，提升数据效率，可直接集成至VLA视觉编码器。 CS.RO
- ContactGuard: Pre-Contact Execution Monitoring with Action-Conditioned Latent World Models [College of Connected Computing, Vanderbilt University] Gehan Zheng et al. · 利用动作条件潜在世界模型在接触前监控执行风险，解决接触丰富操作中的失败检测滞后问题，增强VLA安全性。 CS.RO
- Decoding Task Progress from VLA Representations [Cornell University] Atiksh Bhardwaj et al. · 提供从VLA内部表征解码任务进度的工具，支持运行时监控与故障诊断，填补VLA可解释性空白。 CS.RO
- DreamX-Phi 1.0: Action-Conditioned Video World Model for Robotic Manipulation DreamX Team et al. · 提出用于机器人操作的行动条件视频世界模型，虽相关但主要贡献在于生成预测而非直接的控制策略优化。 CS.RO
- SONIC: Supersizing Motion Tracking for Natural Humanoid Whole-Body Control [NVIDIA] Zhengyi Luo et al. · 专注于人形机器人全身控制与运动跟踪，未涉及VLA架构或多模态语言指令遵循，属传统控制范畴。 CS.RO
- SpatialVAM:Spatial-Aware Multi-View Video Diffusion as a Data-Efficient Robot Policy [School of Artificial Intelligence, University of Chinese Academy of Sciences] Peiyan Li et al. · 提出空间感知多视图视频扩散策略，显式建模3D结构与时间演化，提升数据效率，可直接作为VLA策略 backbone。 CS.RO
- JailWAM: Jailbreaking World Action Models in Robot Control [AstraZeneca (Germany)] Hanqing Liu et al. · 探讨世界动作模型的安全性攻击，属安全分析而非核心控制方法改进，对日常研发复用性低。 CS.RO
VLA 研究日報VLA 研究日报
共 32 篇
⚡ 突破
🔧 技術技术
VLA
Temporal GRPO: Beyond Trajectory-Level Credit in Vision-Language-Action Reinforcement Learning
Yao Zhou et al. · 针对VLA后训练中的GRPO算法改进，引入时间级信用分配以解决稀疏反馈问题，可直接应用于现有VLA RL微调流程。
cs.RO
閱讀原文
VLA [School of Computer Science and Australian Centre for Robotics, The University of Sydney]
NestDex: Nested Policy Learning with Copilot Assisted Teleoperation for Dexterous Manipulation
James Zhao et al. · 提出嵌套策略学习与辅助遥操作结合的方法，解决灵巧手数据收集难题，提供可复用的数据采集与训练范式。
cs.RO
閱讀原文
VLA [Department of Computer Science, University of Freiburg]
Attention from Action, for Action: Emergent Visual Bottlenecks for Policy Learning
Zheyu Zhuang et al. · 提出无需外部标签的视觉瓶颈机制，通过动作引导注意力聚焦ROI，提升数据效率，可直接集成至VLA视觉编码器。
cs.RO
閱讀原文
VLA [College of Connected Computing, Vanderbilt University]
ContactGuard: Pre-Contact Execution Monitoring with Action-Conditioned Latent World Models
Gehan Zheng et al. · 利用动作条件潜在世界模型在接触前监控执行风险，解决接触丰富操作中的失败检测滞后问题，增强VLA安全性。
cs.RO
閱讀原文
VLA [Cornell University]
Decoding Task Progress from VLA Representations
Atiksh Bhardwaj et al. · 提供从VLA内部表征解码任务进度的工具，支持运行时监控与故障诊断，填补VLA可解释性空白。
cs.RO
閱讀原文
VLA [School of Artificial Intelligence, University of Chinese Academy of Sciences]
SpatialVAM:Spatial-Aware Multi-View Video Diffusion as a Data-Efficient Robot Policy
Peiyan Li et al. · 提出空间感知多视图视频扩散策略，显式建模3D结构与时间演化，提升数据效率，可直接作为VLA策略 backbone。
cs.RO
閱讀原文
VLA [Capital Medical University]
JEPA-WAM: Stage-Level Joint-Embedding Prediction for World-Action Models in Robot Manipulation
Xiao Liu et al. · 提出阶段级联合嵌入预测的世界动作模型，克服短视未来预测局限，为长程规划提供新架构思路。
cs.RO
閱讀原文
VLA [LIBERO Team]
Early Warning Signals for OpenVLA Failure under Visual Distribution Shift
Dipesh Tharu Mahato et al. · 分析OpenVLA在视觉分布偏移下的失效前兆，提供基于内部激活的早期预警信号，增强部署鲁棒性。
cs.RO
閱讀原文
VLA
TMRL: Diffusion Timestep-Modulated Pretraining Enables Exploration for Efficient Policy Finetuning
Matthew M. Hong et al. · 提出扩散时间步调制预训练以改善探索，解决BC预训练导致的动作分布狭窄问题，提升RL微调效率。
cs.AI
閱讀原文
VLA [Autonomous Learning Robots, Karlsruhe Institute of Technology]
SEAR: Sample Efficient Action Chunking Reinforcement Learning
C. F. Maximilian Nagy et al. · 提出样本高效的动作分块RL方法，解决长程任务价值传播问题，可直接集成至VLA策略训练流程。
cs.LG
閱讀原文
📖 背景閱讀背景阅读
VLA [The Chinese University of Hong Kong, Shenzhen]
RoboSynChallenge: Mastering Real-World Dexterity via Generalizing Synthesized Manipulation Skills
Runyi Zhao et al. · 提出合成数据泛化挑战，属于数据集/基准类工作，重要但非紧急方法更新。
cs.RO
閱讀原文
VLA [上交]
H2R-Bench: Benchmarking Human-to-Robot Manipulation Video Generation in World Models
Dingyi Rong et al. · 提出人类到机器人的视频生成基准，属于评估框架/数据集贡献，无新VLA架构或训练方法。
cs.RO
閱讀原文
VLA
S2-HWM: Sparse Event-Structured Hierarchical World Model for Long-Horizon Surgical Robot Manipulation
Shuzhe Zhang et al. · 专注于手术机器人特定领域的世界模型，缺乏通用VLA应用路径，且为垂直领域应用。
cs.RO
閱讀原文
VLA
DreamX-Phi 1.0: Action-Conditioned Video World Model for Robotic Manipulation
DreamX Team et al. · 提出用于机器人操作的行动条件视频世界模型，虽相关但主要贡献在于生成预测而非直接的控制策略优化。
cs.RO
閱讀原文
VLA [NVIDIA]
SONIC: Supersizing Motion Tracking for Natural Humanoid Whole-Body Control
Zhengyi Luo et al. · 专注于人形机器人全身控制与运动跟踪，未涉及VLA架构或多模态语言指令遵循，属传统控制范畴。
cs.RO
閱讀原文
VLA [AstraZeneca (Germany)]
JailWAM: Jailbreaking World Action Models in Robot Control
Hanqing Liu et al. · 探讨世界动作模型的安全性攻击，属安全分析而非核心控制方法改进，对日常研发复用性低。
cs.RO
閱讀原文
VLA [School of Computer Science, The University of Auckland]
Real-World Cooperative Bimanual Dexterous Grasp of Large Objects from Single-View Observations
Ziming Li et al. · 特定任务（双臂协作抓取大物体）的真实机器人实验，缺乏通用VLA架构创新或广泛基准对比。
cs.RO
閱讀原文
VLA
Trajectory First: A Curriculum for Discovering Diverse Policies
Cornelius V. Braun et al. · 提出基于轨迹的课程学习以发现多样化策略，属RL训练技巧，未明确结合VLA多模态特性。
cs.RO
閱讀原文
VLA
HUGIN: Enhancing Vision-Language Planning for Autonomous Logistics Sorting
Xikai Sun et al. · 针对物流分拣特定场景的VLA规划增强，应用场景狭窄，通用性不足。
cs.AI
閱讀原文
VLA
Motion-as-Prompt: Enhancing Motion Reasoning in Multimodal Large Language Models via Motion-Guided Cross-Frame Visual Prompting
Xikai Sun et al. · 侧重MLLM的视频推理能力增强，虽提及机器人导航，但核心贡献在视觉提示工程，非VLA控制策略。
cs.AI
閱讀原文
VLA [University of the Witwatersrand Johannesburg]
Redistribution-based Cost Inference Improves Sparse Safe Offline RL
Ebenezer Gelo (University of the Witwatersrand) et al. · 离线RL安全约束推断方法，虽可用于VLA后训练，但非VLA特有架构或核心训练范式创新。
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. · 空中视觉语言导航方法，侧重无人机平台，非地面机械臂操作/VLA核心场景。
cs.AI
閱讀原文
VLA [Massachusetts Institute of Technology]
Prompt-Driven Exploration
Sunshine Jiang et al. · 基于提示的RL探索方法，通用性强但未针对VLA多模态特性进行专门优化，复用路径不明确。
cs.AI
閱讀原文
VLA [Tongji University]
UniTexture: Cross-Task Universal Adversarial Textures for Vision-Language-Action Models
Yukun Dai et al. · 研究VLA模型的对抗纹理攻击，属安全性/鲁棒性分析，非核心性能提升方法。
cs.CV
閱讀原文
VLA [University of Illinois Urbana-Champaign]
Scaling Automatic Research Agents via World Models
Xiyuan Yang et al. · 自动研究智能体，侧重AI科研自动化，非机器人物理操作/VLA控制。
cs.LG
閱讀原文
VLA
A Unifying Perspective on Causal World Models: From Observations to Representations to Structure
因果世界模型的理论综述视角，缺乏具体VLA实现或实验验证。
hf-papers
閱讀原文
VLA [Shenyang Pharmaceutical University]
Better Slots, Better Worlds: Representation Quality & Robustness in Object-Centric World Models
Shukrullo Nazirjonov et al. · 对象中心世界模型的表示质量分析，偏理论分析，未直接提出VLA控制改进。
cs.AI
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. · 教程类文章，总结现有知识，无新方法或实验贡献。
cs.AI
閱讀原文
VLA [The Chinese University of Hong Kong]
PlayWorld: Benchmarking World Models with Agent Players over Long-Horizon Objectives
Kaixin Ding et al. · 世界模型基准测试，属评估工具，非核心VLA方法创新。
cs.CV
閱讀原文
VLA [Huawei]
Diagnosing JEPA World Models with Action-Conditioned Predictive Consistency
Guo An et al. · JEPA世界模型的诊断方法，侧重分析与调试，非直接的性能提升方案。
cs.LG
閱讀原文
VLA [Independent researcher]
The Objective Is the Bottleneck: Latent World Models Encode What Their Planners Cannot Use
Joyjeet Singh · 分析潜在世界模型中规划器目标函数的瓶颈，属深入分析，非新方法提出。
cs.LG
閱讀原文