VLA
GigaBrain-0.7: Scaling Embodied Foundation Models to Emergent Capabilities with a Three-System Architecture
GigaBrain Team et al. · 提出三系统架构的具身基础模型 GigaBrain-0.7，通过规模化实现涌现能力。在多个基准上显著优于现有 SOTA，解决了泛化与长视界任务的核心瓶颈，具备战略级影响力。
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. · Science Robotics 论文，提出用于人形机器人全身控制的运动跟踪方法。虽涉及具身智能，但摘要未明确提及 VLA 架构或语言指令集成，更偏向传统控制与模仿学习，故归为值得了解。 SCIENCE-
- HAF: Adapting Generalist VLAs to Humanoid Whole-Body Loco-manipulation via Hierarchical Action Flow and Spectral Latent RL 提出 HAF 框架，通过分层动作流和谱潜在 RL 将通用 VLA 适配至人形机器人全身 loco-manipulation。解决了 VLA 在高维连续控制中的适配问题，提供了具体的微调路径，本周可复用。 HF-PAPER
- FabriMAE I Trust Myself? Self-Evaluating VLA Action Generation with Markov Attention Entropy 引入马尔可夫注意力熵作为置信度指标，使 VLA 能自我评估动作生成的可靠性而无需外部监督。为 VLA 部署提供了关键的异常检测机制，具有明确的工程应用价值。 HF-PAPER
- Imagining Recovery: Inference-Time Counterfactual Realignment for Vision-Language-Action Models [Chongqing University of Posts and Telecommunications] Yanyan Zhang et al. · 提出推理时反事实重对齐方法，增强 VLA 对在线干扰（如目标变化、场景配置改变）的鲁棒性。无需重新训练即可提升恢复能力，是提升 VLA 实用性的有效手段。 CS.RO
- GaussMemory: Task-Driven 3D Gaussian Scene Memory for Long-Horizon Robotic Manipulation [Research Institute for Science & Technology, Tokyo University of Science] Zhiqiang Hu et al. · 利用任务驱动的 3D 高斯场景记忆解决长视界操作中的空间持久性问题。相比固定规则存储，该方法能动态保留关键信息，为 VLA 提供了高效的长期记忆模块。 CS.RO
- ForceU-VLA: A Force-Aware Vision-Language-Action Model for Embodied Ultrasound Scanning [Faculty of Computer Science and Technology, Ocean University of China] Xingzheng Wu et al. · 针对超声扫描场景提出的力感知 VLA 模型。虽然结合了触觉/力觉，但应用场景过于垂直（医疗），且缺乏通用基准验证，属于特定领域应用，归为值得了解。 CS.RO
- PACE: Phase-Progress-Aware Credit for Long-Horizon Embodied Manipulation [Jilin University] Chengye Song et al. · 提出阶段进度感知信用分配方法，解决长视界操作中多阶段任务的奖励稀疏问题。改进了 VLA 后训练中的 RL 信号利用效率，有助于提升复杂任务的成功率。 CS.RO
- Max-Q Selective Imitation for Human-in-the-Loop Online Robot Learning Zihang Wang et al. · 提出基于 Max-Q 的选择性模仿学习方法，用于人机回环在线强化学习。虽涉及机器人学习，但未明确结合 VLA 架构，更偏向传统 RL 与人类反馈的结合，归为值得了解。 CS.RO
- StructRL: Structured Action-Space Exploration for Flow-Based VLAs [Shanghai Artificial Intelligence Laboratory] Jiarui Yang et al. · 针对基于流的 VLA 模型，提出结构化动作空间探索方法以优化在线 RL 适应。解决了现有随机注入方法的低效问题，为 Flow-based VLA 的微调提供了新范式。 CS.RO
- Remember Smarter: Visual History Compressor and Hyperbolic Experience Space for Robotic Memory [Xidian University] Dai Zhou et al. · 提出即插即用的视觉历史压缩器和双曲经验空间，在不扩展 VLA 上下文的情况下实现高效记忆访问。解决了长视界任务中的上下文窗口瓶颈，具有直接的工程复用价值。 CS.RO
- PhaseLoRA: Control-Regime-Conditioned Low-Rank Adaptation for Continuous-Action Vision-Language-Action Policies [Tsinghua University] Yufei Guo et al. · 提出相位感知的 LoRA 微调方法，根据控制阶段动态调整适配器参数。克服了静态微调在连续动作策略中的局限性，提升了 VLA 在不同操作阶段的适应能力。 CS.RO
- GUIDER: Evaluating Goal-Free Human Intent Inference for Teleoperated Manipulation on Real-Robot Data [Human–Machine Interaction and Innovation Lab ( H M I HMI ), Dept. of Electrical & Computer Engineering, Santa Clara University] Nicholas Kenny et al. · 评估无目标人类意图推断框架在遥操作数据上的表现。侧重于意图识别评估而非 VLA 核心架构创新，且主要关注遥操作场景，归为值得了解。 CS.RO
VLA 研究日報VLA 研究日报
共 31 篇
⚡ 突破
🔧 技術技术
VLA
HAF: Adapting Generalist VLAs to Humanoid Whole-Body Loco-manipulation via Hierarchical Action Flow and Spectral Latent RL
提出 HAF 框架，通过分层动作流和谱潜在 RL 将通用 VLA 适配至人形机器人全身 loco-manipulation。解决了 VLA 在高维连续控制中的适配问题，提供了具体的微调路径，本周可复用。
hf-papers
閱讀原文
VLA
FabriMAE I Trust Myself? Self-Evaluating VLA Action Generation with Markov Attention Entropy
引入马尔可夫注意力熵作为置信度指标，使 VLA 能自我评估动作生成的可靠性而无需外部监督。为 VLA 部署提供了关键的异常检测机制，具有明确的工程应用价值。
hf-papers
閱讀原文
VLA [Chongqing University of Posts and Telecommunications]
Imagining Recovery: Inference-Time Counterfactual Realignment for Vision-Language-Action Models
Yanyan Zhang et al. · 提出推理时反事实重对齐方法，增强 VLA 对在线干扰（如目标变化、场景配置改变）的鲁棒性。无需重新训练即可提升恢复能力，是提升 VLA 实用性的有效手段。
cs.RO
閱讀原文
VLA [Research Institute for Science & Technology, Tokyo University of Science]
GaussMemory: Task-Driven 3D Gaussian Scene Memory for Long-Horizon Robotic Manipulation
Zhiqiang Hu et al. · 利用任务驱动的 3D 高斯场景记忆解决长视界操作中的空间持久性问题。相比固定规则存储，该方法能动态保留关键信息，为 VLA 提供了高效的长期记忆模块。
cs.RO
閱讀原文
VLA [Jilin University]
PACE: Phase-Progress-Aware Credit for Long-Horizon Embodied Manipulation
Chengye Song et al. · 提出阶段进度感知信用分配方法，解决长视界操作中多阶段任务的奖励稀疏问题。改进了 VLA 后训练中的 RL 信号利用效率，有助于提升复杂任务的成功率。
cs.RO
閱讀原文
VLA [Shanghai Artificial Intelligence Laboratory]
StructRL: Structured Action-Space Exploration for Flow-Based VLAs
Jiarui Yang et al. · 针对基于流的 VLA 模型，提出结构化动作空间探索方法以优化在线 RL 适应。解决了现有随机注入方法的低效问题，为 Flow-based VLA 的微调提供了新范式。
cs.RO
閱讀原文
VLA [Xidian University]
Remember Smarter: Visual History Compressor and Hyperbolic Experience Space for Robotic Memory
Dai Zhou et al. · 提出即插即用的视觉历史压缩器和双曲经验空间，在不扩展 VLA 上下文的情况下实现高效记忆访问。解决了长视界任务中的上下文窗口瓶颈，具有直接的工程复用价值。
cs.RO
閱讀原文
VLA [Tsinghua University]
PhaseLoRA: Control-Regime-Conditioned Low-Rank Adaptation for Continuous-Action Vision-Language-Action Policies
Yufei Guo et al. · 提出相位感知的 LoRA 微调方法，根据控制阶段动态调整适配器参数。克服了静态微调在连续动作策略中的局限性，提升了 VLA 在不同操作阶段的适应能力。
cs.RO
閱讀原文
VLA [School of Computer Science, Shanghai Jiao Tong University]
Algorithm-Architecture Co-Design for Efficient VLA Inference via Speculative Inference and Verification
Chunyu Qi et al. · 通过推测性推理和验证机制，协同设计算法与架构以提升 VLA 推理效率。针对实时部署的计算瓶颈，提供了具体的加速方案，具有显著的工程落地价值。
cs.RO
閱讀原文
VLA
Robo-Dopamine 2.0: History-Conditioned and OOD-Aware Process Reward Modeling for Robotic Manipulation
Yijie Xu et al. · 提出历史条件化和分布外感知的过程奖励模型，用于精炼预训练 VLA 策略。解决了稀疏奖励下的探索难题，为 VLA 的 RL 精调提供了更细粒度的指导信号。
cs.RO
閱讀原文
VLA [China Agricultural University]
ViTaR: Visuo-Tactile Residual Adaptation for Foundation VLA Manipulation
Yi Wang et al. · 提出视触残差自适应方法，弥补基础 VLA 在接触丰富操作中对局部接触事件感知的盲区。通过融合触觉信息提升灵巧操作能力，填补了触觉 VLA 的重要空白。
cs.RO
閱讀原文
VLA [Chongqing University]
Unified Condition-Action Modeling for Accurate One-Step Action Generation
Xinyu Zhou et al. · 提出统一条件-动作建模以实现准确的一步动作生成。针对扩散和流策略的效率问题，简化了生成过程，为 VLA 的低延迟部署提供了新的技术路径。
cs.RO
閱讀原文
VLA
SparkVLA: Stop-Aware Hierarchical VLA with Adaptive Action Chunking for Long-Horizon Manipulation
Xunyao Lei et al. · 提出停止感知分层 VLA 和自适应动作分块，解决长视界任务中子任务终止和动作执行的依赖问题。提升了分层 VLA 在复杂任务中的协调性和成功率。
cs.RO
閱讀原文
VLA [ZTE CorporationChina]
NebulaVLA: A Dual-Frequency Vision-Language-Action Model With Guide Action for Robotic Manipulation
Cong Zhao et al. · 提出双频率 VLA 架构，结合引导动作解决效率-性能权衡及跨具身泛化问题。异步架构设计新颖，为 VLA 的实时性和平滑性提供了具体解决方案。
cs.RO
閱讀原文
VLA [Physical Intelligence]
Zetta $\zeta$: An Efficient Closed-Loop Embodied Harness for Self-Evolving Physical Intelligence
Xin Ding et al. · 提出高效闭环具身 harness，支持物理智能的自我进化。解决了现有 harness 开环执行的局限，为 VLA 的持续学习和闭环更新提供了基础设施。
cs.RO
閱讀原文
VLA [Hong Kong University of Science and Technology]
MatchingPolicy: Correspondence-Aware Policy Enables Cross-Object In-Context Learning
Qijin She et al. · 提出对应感知策略，实现跨物体的上下文学习。解决了少样本泛化中物体形状差异导致的性能下降问题，提升了 VLA 在新物体上的适应能力。
cs.RO
閱讀原文
VLA
$\tau_0$-VLA: a Hierarchical Robot Foundation Model with World-Model-Guided Test-Time Computation
Xiaowei Cai et al. · 提出世界模型引导测试时计算的分层 VLA 基础模型。通过动态计算资源分配提升长视界操作的连贯性，为分层 VLA 提供了新的推理范式。
cs.RO
閱讀原文
VLA [University of Southern California]
Don't Drop the BATON: Long-Horizon Robot Manipulation via Agentic Subtask Exploration and Transition-aware Memory
Bingxin Xu et al. · 提出代理子任务探索和过渡感知记忆方法，解决长视界操作中错误累积问题。增强了 VLA 在多阶段任务中的鲁棒性和任务切换能力。
cs.RO
閱讀原文
VLA [Shanghai Qi Zhi Institute Shanghai Jiao Tong University]
EgoTac: In-the-wild Tactile Prediction from Egocentric Vision
Wenkang Zhang et al. · 提出从第一人称视觉预测触觉的方法 EgoTac。解决了大规模触觉数据收集难的问题，为 VLA 提供了低成本获取触觉先验的途径，填补触觉 VLA 数据空白。
cs.RO
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. · Science Robotics 论文，提出用于人形机器人全身控制的运动跟踪方法。虽涉及具身智能，但摘要未明确提及 VLA 架构或语言指令集成，更偏向传统控制与模仿学习，故归为值得了解。
Science-Robotics
閱讀原文
VLA [Faculty of Computer Science and Technology, Ocean University of China]
ForceU-VLA: A Force-Aware Vision-Language-Action Model for Embodied Ultrasound Scanning
Xingzheng Wu et al. · 针对超声扫描场景提出的力感知 VLA 模型。虽然结合了触觉/力觉，但应用场景过于垂直（医疗），且缺乏通用基准验证，属于特定领域应用，归为值得了解。
cs.RO
閱讀原文
VLA
Max-Q Selective Imitation for Human-in-the-Loop Online Robot Learning
Zihang Wang et al. · 提出基于 Max-Q 的选择性模仿学习方法，用于人机回环在线强化学习。虽涉及机器人学习，但未明确结合 VLA 架构，更偏向传统 RL 与人类反馈的结合，归为值得了解。
cs.RO
閱讀原文
VLA [Human–Machine Interaction and Innovation Lab ( H M I HMI ), Dept. of Electrical & Computer Engineering, Santa Clara University]
GUIDER: Evaluating Goal-Free Human Intent Inference for Teleoperated Manipulation on Real-Robot Data
Nicholas Kenny et al. · 评估无目标人类意图推断框架在遥操作数据上的表现。侧重于意图识别评估而非 VLA 核心架构创新，且主要关注遥操作场景，归为值得了解。
cs.RO
閱讀原文
VLA [Xi'an International Studies University]
GAINS: Leveraging Inconsistent Human Intervention Signals in Reinforcement Learning
Xinyi Zhang et al. · 利用不一致的人类干预信号进行强化学习。虽涉及人机协作，但未明确结合 VLA 架构，且重点在于处理噪声信号，归为值得了解。
cs.RO
閱讀原文
VLA [Massachusetts Institute of Technology]
Revisiting Open-Loop Execution in Robotics: Toward Reactive, Higher-Performing Policies
Michael Zeng et al. · 重新审视开环执行在机器人中的作用，旨在提高策略的反应性和性能。虽涉及动作分块等 VLA 常见技术，但更多是对现有范式的分析与改进，归为值得了解。
cs.RO
閱讀原文
VLA [Faculty of Computer Science and Technology, Ocean University of China]
US-VLA: An Ultrasound Vision-Language-Action Model for Embodied Abdomina
Cheng Zhang et al. · 针对腹部超声扫描的专用 VLA 模型。与 ForceU-VLA 类似，应用场景垂直，缺乏通用性验证，属于特定领域应用，归为值得了解。
cs.RO
閱讀原文
VLA [Department of Mechanical Engineering, National University of Singapore]
Planner-Conditioned Diffusion for Coordinated Multi-Agent Exploration
Marcus Yu Siong Teo et al. · 提出规划器条件的扩散模型用于多智能体协调探索。虽涉及扩散策略，但聚焦于多智能体导航而非单臂/双臂操作，且未明确结合 VLA，归为值得了解。
cs.RO
閱讀原文
VLA [Southern University of Science and Technology]
Exposing the Long-tail in Embodied Urban Navigation via Scalable Learning from In-the-Wild Videos
Bingyi Xia et al. · 通过野外视频学习解决具身城市导航中的长尾问题。聚焦于移动导航而非操作，且主要贡献在于数据利用，归为值得了解。
cs.RO
閱讀原文
VLA [The University of Osaka]
Co-design of Neural and Muscle Network based on Embodied Perceptron Representation
Siyuan Tao et al. · 基于具身感知机表示的神经与肌肉网络协同设计。侧重生物启发控制与身体形态，未明确结合 VLA 或语言指令，归为值得了解。
cs.RO
閱讀原文
VLA [Wuhan University]
When State Becomes an Attack Surface: State-Semantic Injection in LLM-Driven Embodied Agents
Jiawei Liu et al. · 探讨 LLM 驱动具身代理中的状态语义注入攻击。侧重安全与对抗攻击，虽相关但非 VLA 核心算法进展，归为值得了解。
cs.RO
閱讀原文