VLA [Purdue University West Lafayette]
hint$^2$: Hierarchical World Models for Inference-Time Temporal Logic Guidance
Moritz Zoellner et al. · 提出分层世界模型以解决 VLA 在时序逻辑和安全约束上的不足，通过推理时引导增强策略。为 VLA 提供可复用的时序约束处理模块，提升复杂指令执行能力。
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
- SONIC: Supersizing motion tracking for natural humanoid whole-body control [CMU] Zhengyi Luo et al. · 提出用于人形机器人全身控制的运动跟踪方法，侧重底层控制与物理仿真。虽涉及具身智能，但非 VLA 架构或高层语义决策核心，属于底层控制优化。 SCIENCE-
- hint$^2$: Hierarchical World Models for Inference-Time Temporal Logic Guidance [Purdue University West Lafayette] Moritz Zoellner et al. · 提出分层世界模型以解决 VLA 在时序逻辑和安全约束上的不足，通过推理时引导增强策略。为 VLA 提供可复用的时序约束处理模块，提升复杂指令执行能力。 CS.RO
- BICPO-VLA: Behavior-Identified Continuation Preference Optimization for Smooth Asynchronous Vision-Language-Action Control Ming Shang et al. · 针对 VLA 异步控制中的请求-移交间隙问题，提出行为识别延续偏好优化（BICPO）。直接改进 VLA 训练目标，解决动作生成漂移，代码开源可能性高，本周可集成测试。 CS.RO
- AdvDex: Learning Dexterous Manipulation from Human Demonstrations via Joint-Aligned Actions and Adversarial Learning [Zhejiang University] Zhiyue Zhao et al. · 利用对抗学习和关节对齐从人类演示中学习灵巧操作。虽涉及具身操作，但重点在于模仿学习策略而非 VLA 多模态对齐架构，且主要依赖仿真或特定数据，VLA 直接复用性有限。 CS.RO
- Evolve Vision-Language-Action Model into an Agent with On-the-fly Tool-use [Astribot] Yi Ding et al. · 提出 ART 框架，将现有 VLA 模型转化为具备即时工具使用能力的智能体。提供插件式架构，允许 VLA 调用外部工具模块，显著扩展 VLA 在长程任务中的能力，易于集成。 CS.RO
- FlatLab: A Unified Methodology Framework and Simulation-Based Benchmark for Robotic Manipulation of Flat Objects [Jilin University, Changchun, China] Xingyu Zhu et al. · 发布针对扁平物体操作的仿真基准和方法论框架。作为数据集/基准有价值，但缺乏新的 VLA 核心算法创新，主要用于评估而非直接提升 VLA 性能。 CS.RO
- Reflex: Enabling Fast and Predictive Vision-Language-Action Models for Reaction-Critical Manipulation [Shanghai Jiao Tong University] Yuxuan Chen et al. · 针对动态交互场景，提出 Reflex 框架以加速 VLA 推理并引入预测机制。解决 VLA 在反应关键型任务中的延迟瓶颈，提供具体的工程优化路径和预测模块，具有较高实用价值。 CS.RO
- Genie Sim 3.0 : A High-Fidelity Comprehensive Simulation Platform for Humanoid Robot Chenghao Yin et al. · 发布人形机器人高保真仿真平台 Genie Sim 3.0。作为仿真环境更新，有助于数据生成和评估，但本身非 VLA 算法或训练范式创新，属于基础设施类工作。 CS.RO
- AtomBridge: Agentic VLA Inference Plugin for Long-Horizon Tasks in Scientific Experiments Yiwen Pang et al. · 提出 AtomBridge 插件，使 VLA 能自主规划科学实验中的长程任务。针对特定领域（实验室自动化）优化 VLA 推理流程，提供模块化接口，可直接用于提升 VLA 在复杂序列任务中的表现。 CS.RO
- Learning Dexterous Manipulation Using Contact Wrench Guidance From Human Demonstration [NVIDIA] Xinghao Zhu et al. · 利用接触力矩引导从人类演示中学习灵巧操作。侧重触觉反馈和模仿学习，未明确结合 VLA 的多模态语言理解架构，属于底层操作策略研究，VLA 直接相关性较弱。 CS.RO
- StageWAM: Joint-Embedding Stage Prediction for World-Action Models in Robot Manipulation [Capital Medical University] Xiao Liu et al. · 提出 StageWAM，通过联合嵌入阶段预测改进世界-动作模型（WAM）。解决 VLA/WAM 中未来状态表示的短视问题，引入阶段感知的世界模型，为 VLA 提供更丰富的上下文预测，具有理论创新和实验价值。 CS.RO
- PhyAI: Real-Time Physical AI at the Edge, Scalable Rollouts in the Cloud Chenghua Wang et al. · 探讨边缘端实时推理与云端可扩展 Rollout 的系统架构。侧重工程部署和系统优化，虽对 VLA 落地重要，但非算法层面的核心创新，属于基础设施/系统工程范畴。 CS.RO
VLA 研究日報VLA 研究日报
共 19 篇
🔧 技術技术
VLA
BICPO-VLA: Behavior-Identified Continuation Preference Optimization for Smooth Asynchronous Vision-Language-Action Control
Ming Shang et al. · 针对 VLA 异步控制中的请求-移交间隙问题，提出行为识别延续偏好优化（BICPO）。直接改进 VLA 训练目标，解决动作生成漂移，代码开源可能性高，本周可集成测试。
cs.RO
閱讀原文
VLA [Astribot]
Evolve Vision-Language-Action Model into an Agent with On-the-fly Tool-use
Yi Ding et al. · 提出 ART 框架，将现有 VLA 模型转化为具备即时工具使用能力的智能体。提供插件式架构，允许 VLA 调用外部工具模块，显著扩展 VLA 在长程任务中的能力，易于集成。
cs.RO
閱讀原文
VLA [Shanghai Jiao Tong University]
Reflex: Enabling Fast and Predictive Vision-Language-Action Models for Reaction-Critical Manipulation
Yuxuan Chen et al. · 针对动态交互场景，提出 Reflex 框架以加速 VLA 推理并引入预测机制。解决 VLA 在反应关键型任务中的延迟瓶颈，提供具体的工程优化路径和预测模块，具有较高实用价值。
cs.RO
閱讀原文
VLA
AtomBridge: Agentic VLA Inference Plugin for Long-Horizon Tasks in Scientific Experiments
Yiwen Pang et al. · 提出 AtomBridge 插件，使 VLA 能自主规划科学实验中的长程任务。针对特定领域（实验室自动化）优化 VLA 推理流程，提供模块化接口，可直接用于提升 VLA 在复杂序列任务中的表现。
cs.RO
閱讀原文
VLA [Capital Medical University]
StageWAM: Joint-Embedding Stage Prediction for World-Action Models in Robot Manipulation
Xiao Liu et al. · 提出 StageWAM，通过联合嵌入阶段预测改进世界-动作模型（WAM）。解决 VLA/WAM 中未来状态表示的短视问题，引入阶段感知的世界模型，为 VLA 提供更丰富的上下文预测，具有理论创新和实验价值。
cs.RO
閱讀原文
VLA [AI Lab, Country Garden Services Group]
Ontology-Grounded World Models for Failure Diagnosis and Closed-Loop Repair in Physical AI Systems
Kailin Wang et al. · 提出基于本体的世界模型 Onto-EV-WM，用于物理 AI 系统的故障诊断和闭环修复。为 VLA 提供错误检测和自修复能力，增强系统在真实环境中的鲁棒性，具有明确的 Agentic 应用路径。
cs.RO
閱讀原文
VLA [CUHK]
ForgeWM: Progressive Causal Training for Few-Step Action-Conditioned Video World Models
Xinye Li et al. · 提出 ForgeWM，通过渐进因果训练实现少步动作条件视频世界模型。显著降低 VLA 世界模型的推理延迟，提升生成效率，为实时 VLA 提供高效的世界模型组件，具有工程复用价值。
cs.AI
閱讀原文
📖 背景閱讀背景阅读
VLA [CMU]
SONIC: Supersizing motion tracking for natural humanoid whole-body control
Zhengyi Luo et al. · 提出用于人形机器人全身控制的运动跟踪方法，侧重底层控制与物理仿真。虽涉及具身智能，但非 VLA 架构或高层语义决策核心，属于底层控制优化。
Science-Robotics
閱讀原文
VLA [Zhejiang University]
AdvDex: Learning Dexterous Manipulation from Human Demonstrations via Joint-Aligned Actions and Adversarial Learning
Zhiyue Zhao et al. · 利用对抗学习和关节对齐从人类演示中学习灵巧操作。虽涉及具身操作，但重点在于模仿学习策略而非 VLA 多模态对齐架构，且主要依赖仿真或特定数据，VLA 直接复用性有限。
cs.RO
閱讀原文
VLA [Jilin University, Changchun, China]
FlatLab: A Unified Methodology Framework and Simulation-Based Benchmark for Robotic Manipulation of Flat Objects
Xingyu Zhu et al. · 发布针对扁平物体操作的仿真基准和方法论框架。作为数据集/基准有价值，但缺乏新的 VLA 核心算法创新，主要用于评估而非直接提升 VLA 性能。
cs.RO
閱讀原文
VLA
Genie Sim 3.0 : A High-Fidelity Comprehensive Simulation Platform for Humanoid Robot
Chenghao Yin et al. · 发布人形机器人高保真仿真平台 Genie Sim 3.0。作为仿真环境更新，有助于数据生成和评估，但本身非 VLA 算法或训练范式创新，属于基础设施类工作。
cs.RO
閱讀原文
VLA [NVIDIA]
Learning Dexterous Manipulation Using Contact Wrench Guidance From Human Demonstration
Xinghao Zhu et al. · 利用接触力矩引导从人类演示中学习灵巧操作。侧重触觉反馈和模仿学习，未明确结合 VLA 的多模态语言理解架构，属于底层操作策略研究，VLA 直接相关性较弱。
cs.RO
閱讀原文
VLA
PhyAI: Real-Time Physical AI at the Edge, Scalable Rollouts in the Cloud
Chenghua Wang et al. · 探讨边缘端实时推理与云端可扩展 Rollout 的系统架构。侧重工程部署和系统优化，虽对 VLA 落地重要，但非算法层面的核心创新，属于基础设施/系统工程范畴。
cs.RO
閱讀原文
VLA [LIBERO Team]
From Recovery to Drop-off: How Action Post-training Reduces a VLM's Late-Layer Depth Decodability
Alexander Hackett et al. · 分析动作后训练如何影响 VLM 的深度感知解码能力。属于机理分析/探针研究，揭示 VLA 训练中的潜在退化问题，对理解 VLA 内部表征有价值，但非直接的性能提升方法。
cs.AI
閱讀原文
VLA [State Key Laboratory of Multimodal Artificial Intelligence Systems, Institute of Automation, Chinese Academy of Sciences]
From Reach to Insert: Tactile-Augmented Precision Assembly under Sub-Millimeter Tolerances
Xinpan Meng et al. · 提出触觉增强的亚毫米级精密装配方法。侧重触觉传感器融合和底层控制，未体现 VLA 的语言条件或多模态大模型特性，属于传统机器人学或专用触觉 RL 范畴。
cs.RO
閱讀原文
VLA [Nanjing University of Chinese Medicine]
Event-Conditioned Diagnostics of Kinematic, Contact, and Object-Permanence Fields in Passive Object-State World Models
Yang Liu et al. · 对被动对象状态世界模型进行事件条件诊断，分析运动学和接触场。属于世界模型的可解释性/诊断研究，非直接的 VLA 控制算法创新，理论深度大于应用紧迫性。
cs.RO
閱讀原文
VLA [HKUST(GZ)]
PFM-HR: Pose Flow Matching for Humanoid Robots
Yukang Gao et al. · 提出用于人形机器人的姿态流匹配（PFM-HR）方法。侧重底层运动生成的数学方法，未结合 VLA 的视觉-语言-动作端到端架构，属于运动规划/生成模型范畴。
cs.RO
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. · 发布 PlayWorld 基准，用于评估世界模型在长程目标下的表现。作为评估工具重要，但本身非 VLA 算法创新，且侧重于游戏/模拟环境，需等待后续基于此基准的 VLA 论文。
cs.CV
閱讀原文