VLA
RoMAN-Flow: Taming Autoregressive Normalizing Flows for Offline Reinforcement Learning in Robotic Manipulation
将自回归归一化流引入离线RL，解决扩散策略似然不可计算的问题，支持基于似然的后训练优化。为VLA策略的离线微调提供了新的概率建模工具，本周可复用于提升策略稳定性。
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
- 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，强调自然性和鲁棒性。虽涉及具身控制，但摘要未明确展示VLA架构或语言指令交互，偏向底层控制与模仿学习。 SCIENCE-
- RoMAN-Flow: Taming Autoregressive Normalizing Flows for Offline Reinforcement Learning in Robotic Manipulation 将自回归归一化流引入离线RL，解决扩散策略似然不可计算的问题，支持基于似然的后训练优化。为VLA策略的离线微调提供了新的概率建模工具，本周可复用于提升策略稳定性。 HF-PAPER
- Learning the Right Abstraction: Neural Reduced Dynamics for Complex Robot Control [Department of Mechanical Engineering, University of Wisconsin–Madison] Harry Zhang et al. · 利用神经降阶动力学加速复杂机器人系统的强化学习仿真评估。属于仿真效率优化方向，虽有助于大规模训练，但未直接涉及VLA核心架构或推理机制。 CS.RO
- Fine-Tuning VLAs with Self-Demonstrated Generative Control for Multi-Task Manipulation [University of Illinois Urbana-Champaign] Prachi Garg et al. · 针对VLA在新机器人部署时的硬件不匹配问题，提出自演示生成控制微调方法。解决了跨平台迁移中的具体工程痛点，提供明确的微调路径，适合快速应用。 CS.RO
- HiTac-WAM: A Hierarchical Tactile World Action Model for Contact-Rich Robot Manipulation [Institute of Automation, Chinese Academy of Sciences] Chao Xue et al. · 构建分层触觉世界动作模型，显式建模触觉状态的物理依赖关系，优于现有隐式表示。填补了触觉VLA中物理一致性建模的空白，对接触丰富操作有直接指导意义。 CS.RO
- OrthoSkillVLA: Continual Skill Learning via Gradient-Informed Skill Subspace Adaptation [School of Computer Science and Engineering, Southeast University] Jiaqi Wang et al. · 通过梯度感知的技能子空间适应解决VLA连续学习中的灾难性遗忘问题。在保持预训练知识的同时注入新技能，为多任务VLA的持续进化提供了可复用的算法模块。 CS.RO
- What Matters for Latent Actions in Robot Learning [College of Intelligent Robotics and Advanced Manufacturing, Fudan University] Xizhou Bu et al. · 深入分析潜在动作模型（LAMs）的关键设计要素，探讨无标签视频利用中的潜在动作表征。属于基础理论分析，虽重要但缺乏即时可用的新方法或基准突破。 CS.RO
- GOAG: Generative and Object-Agnostic Grasp Planner for Dexterous Robotic Manipulation [Université Paris-Saclay, CEA, List] Julien Merand et al. · 提出对象无关的灵巧抓取规划器，旨在解决特定数据集训练的泛化瓶颈。虽涉及灵巧操作，但侧重于传统抓取规划而非端到端VLA控制，与主流VLA范式距离较远。 CS.RO
- MPCoT: Reward-Guided Multi-Path Latent Reasoning for Test-Time Scalable Vision-Language-Action [Department of Electrical and Computer Engineering, Boston University] Boyang Zhang et al. · 引入奖励引导的多路径潜在推理，增强VLA在长视界和高不确定性下的测试时决策能力。通过思维链扩展提升推理深度，为VLA推理阶段的优化提供了新思路。 CS.RO
- HT-Bench: Benchmarking and Learning Dexterous Full-Hand Tactile Representations with Egocentric Vision [Beihang University] Yuzhe Huang et al. · 建立基于第一人称视觉的灵巧全手触觉表征基准。作为数据集/基准类工作，对触觉VLA研究有长期价值，但非紧急的方法论突破。 CS.RO
- SoftVTBench: A Safety-Aware Visuo-Tactile Benchmark for Physically Constrained Robotic Manipulation of Deformable Objects (Early Version) [Tuojing Intelligence, Tsinghua University] Bowen Jing et al. · 提出面向可变形物体操作的视触觉安全基准。关注物理约束下的安全性，丰富了操作场景维度，但属于基准建设，暂无直接算法贡献。 CS.RO
- Route by Kinematics, Act by Observation: Kinematics-Supervised Expert Routing in MoE-Augmented VLA [Ocean University of China] Tianhang Yang et al. · 在MoE-VLA中引入运动学监督的路由机制，解决专家路由失效问题。通过结合运动学信号改善推理时的专家选择，提升了VLA处理异构动作的能力，具有明确的工程改进点。 CS.RO
VLA 研究日報VLA 研究日报
共 31 篇
🔧 技術技术
VLA [University of Illinois Urbana-Champaign]
Fine-Tuning VLAs with Self-Demonstrated Generative Control for Multi-Task Manipulation
Prachi Garg et al. · 针对VLA在新机器人部署时的硬件不匹配问题，提出自演示生成控制微调方法。解决了跨平台迁移中的具体工程痛点，提供明确的微调路径，适合快速应用。
cs.RO
閱讀原文
VLA [Institute of Automation, Chinese Academy of Sciences]
HiTac-WAM: A Hierarchical Tactile World Action Model for Contact-Rich Robot Manipulation
Chao Xue et al. · 构建分层触觉世界动作模型，显式建模触觉状态的物理依赖关系，优于现有隐式表示。填补了触觉VLA中物理一致性建模的空白，对接触丰富操作有直接指导意义。
cs.RO
閱讀原文
VLA [School of Computer Science and Engineering, Southeast University]
OrthoSkillVLA: Continual Skill Learning via Gradient-Informed Skill Subspace Adaptation
Jiaqi Wang et al. · 通过梯度感知的技能子空间适应解决VLA连续学习中的灾难性遗忘问题。在保持预训练知识的同时注入新技能，为多任务VLA的持续进化提供了可复用的算法模块。
cs.RO
閱讀原文
VLA [Department of Electrical and Computer Engineering, Boston University]
MPCoT: Reward-Guided Multi-Path Latent Reasoning for Test-Time Scalable Vision-Language-Action
Boyang Zhang et al. · 引入奖励引导的多路径潜在推理，增强VLA在长视界和高不确定性下的测试时决策能力。通过思维链扩展提升推理深度，为VLA推理阶段的优化提供了新思路。
cs.RO
閱讀原文
VLA [Ocean University of China]
Route by Kinematics, Act by Observation: Kinematics-Supervised Expert Routing in MoE-Augmented VLA
Tianhang Yang et al. · 在MoE-VLA中引入运动学监督的路由机制，解决专家路由失效问题。通过结合运动学信号改善推理时的专家选择，提升了VLA处理异构动作的能力，具有明确的工程改进点。
cs.RO
閱讀原文
VLA [Harbin Institute of Technology]
EATR-Stereo: Embodiment-Aware Token Routing of Paired Stereo Evidence for Humanoid Vision-Language-Action Control
Songwei Wu et al. · 针对人形机器人立体视觉，提出具身感知的令牌路由机制以融合互补视图。在不重新训练策略的前提下优化视觉接口，提升了长视界VLA控制的鲁棒性。
cs.RO
閱讀原文
VLA [Dankook University]
GS-VLA: Plug-and-Play Viewpoint Canonicalization for Frozen VLA Policies via Gaussian Splatting
Yechan Park et al. · 利用3D高斯泼溅实现视角规范化，使冻结的VLA策略无需重训即可适应视角变化。提供了一种轻量级、即插即用的部署增强方案，极具工程实用价值。
cs.AI
閱讀原文
VLA [Beijing Normal University]
HBVLA: Pushing 1-Bit Post-Training Quantization for Vision-Language-Action Models
Xin Yan et al. · 推进VLA模型的1-bit后训练量化，显著降低计算和内存占用。解决了VLA在资源受限边缘设备部署的关键瓶颈，具有极高的工程落地价值。
cs.LG
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，强调自然性和鲁棒性。虽涉及具身控制，但摘要未明确展示VLA架构或语言指令交互，偏向底层控制与模仿学习。
Science-Robotics
閱讀原文
VLA [Department of Mechanical Engineering, University of Wisconsin–Madison]
Learning the Right Abstraction: Neural Reduced Dynamics for Complex Robot Control
Harry Zhang et al. · 利用神经降阶动力学加速复杂机器人系统的强化学习仿真评估。属于仿真效率优化方向，虽有助于大规模训练，但未直接涉及VLA核心架构或推理机制。
cs.RO
閱讀原文
VLA [College of Intelligent Robotics and Advanced Manufacturing, Fudan University]
What Matters for Latent Actions in Robot Learning
Xizhou Bu et al. · 深入分析潜在动作模型（LAMs）的关键设计要素，探讨无标签视频利用中的潜在动作表征。属于基础理论分析，虽重要但缺乏即时可用的新方法或基准突破。
cs.RO
閱讀原文
VLA [Université Paris-Saclay, CEA, List]
GOAG: Generative and Object-Agnostic Grasp Planner for Dexterous Robotic Manipulation
Julien Merand et al. · 提出对象无关的灵巧抓取规划器，旨在解决特定数据集训练的泛化瓶颈。虽涉及灵巧操作，但侧重于传统抓取规划而非端到端VLA控制，与主流VLA范式距离较远。
cs.RO
閱讀原文
VLA [Beihang University]
HT-Bench: Benchmarking and Learning Dexterous Full-Hand Tactile Representations with Egocentric Vision
Yuzhe Huang et al. · 建立基于第一人称视觉的灵巧全手触觉表征基准。作为数据集/基准类工作，对触觉VLA研究有长期价值，但非紧急的方法论突破。
cs.RO
閱讀原文
VLA [Tuojing Intelligence, Tsinghua University]
SoftVTBench: A Safety-Aware Visuo-Tactile Benchmark for Physically Constrained Robotic Manipulation of Deformable Objects (Early Version)
Bowen Jing et al. · 提出面向可变形物体操作的视触觉安全基准。关注物理约束下的安全性，丰富了操作场景维度，但属于基准建设，暂无直接算法贡献。
cs.RO
閱讀原文
VLA
WNM-3D: A World Navigation Model with 3D Scene Conditioning for Closed-Loop VLN
Yuehao Huang et al. · 构建带3D场景条件的世界导航模型，用于闭环视觉语言导航。虽涉及VLA概念，但主要聚焦于导航领域，与通用机器人操作VLA的核心目标存在一定偏差。
cs.RO
閱讀原文
VLA [ACE Robotics]
DreamHand: Repurposing Video Diffusion Models for Occlusion-Robust Egocentric 3D Hand Motion Recovery
Yufei Liu et al. · 复用视频扩散模型恢复遮挡鲁棒的3D手部运动。虽为具身AI提供数据预处理手段，但核心贡献在于计算机视觉重建，非直接的VLA控制方法。
cs.CV
閱讀原文
VLA [ShanghaiTech University]
XDen-1K: A Density Field Dataset of Real-World Objects
Jingxuan Zhang et al. · 发布真实世界物体的密度场数据集，旨在提升物理属性推断能力。作为数据资源对具身AI有价值，但属数据集类工作，非方法论突破。
cs.CV
閱讀原文
VLA [South China University of T]
HarmoHOI: Harmonizing Appearance and 3D Motion for Multi-view Hand-Object Interaction Synthesis
Lingwei Dang et al. · 合成多视角手物交互数据，协调外观与3D运动。主要用于动画和数据生成，虽服务于具身AI数据需求，但非核心控制算法。
cs.CV
閱讀原文
VLA [J. Edward Colgate Center for Robotics and Biosystems, Northwestern University]
The Missing Touch: Spatially Distributed Tactile Feedback Brings Teleoperation Closer to Human Dexterity
Rohan Kota et al. · 研究分布式触觉反馈对遥操作灵巧度的影响。虽涉及触觉和具身交互，但侧重于人机交互体验评估，未提出新的VLA架构或训练方法。
cs.RO
閱讀原文
VLA [Université Paris-Saclay, CEA, List, F-91120 Palaiseau, France]
CoToGrasp: Contact-Topology-Conditioned Dexterous Grasp Synthesis via Canonical Workspace Learning
Julien Merand et al. · 基于接触拓扑条件合成灵巧抓取，关注功能任务的接触方式。属于传统抓取规划范畴，未体现VLA的语言-视觉-动作端到端特性。
cs.RO
閱讀原文
VLA [College of Mechanical Engineering, Chongqing University of Technology, Chongqing 400054, China]
Towards general embodied intelligence: integrating large language models, knowledge bases, and reasoning capabilities to build the next generation of AI agents
Fujiang Yuan et al. · 综述LLM、知识库与推理能力在通用具身智能中的应用。属于宏观综述，缺乏具体的VLA技术细节或实验验证，信息密度较低。
cs.RO
閱讀原文
VLA [Arizona State University]
Where to Touch, How to Contact: A Hierarchical RL-MPC Framework for Geometry-Aware Sim-to-Real Manipulation
Zhixian Xie et al. · 结合RL与MPC的层次化框架，用于几何感知的Sim-to-Real操作。虽涉及接触操作，但方法偏向传统控制与RL混合，未明确整合VLA的大模型能力。
cs.RO
閱讀原文
VLA [Department of Computer Science, Iowa State University]
Sim-to-Real Betting on the E-Process: Bringing "simulators" to anytime-valid confidence sequences
Yujia Chen et al. · 利用E-process理论提供Sim-to-Real性能的置信度序列。属于统计学习方法，虽可用于评估，但与VLA核心架构或训练范式无直接关联。
cs.RO
閱讀原文
VLA [Beijing Union University]
GigaBrain-WBC-0.5: A Behavior World Model for Robust Whole-Body Control with Environment Interaction
Ziyang Cheng et al. · 提出行为世界模型用于稳健的人形机器人全身控制。虽涉及具身控制，但侧重于底层WBC与世界模型的结合，未明确展示VLA高层语义理解能力。
cs.AI
閱讀原文
VLA [Mitchell Institute]
Partition the Support, Reconstruct the Residual: Training-Free Sparse Attention for Video Generation and World Models
Pardis Taghavi et al. · 提出免训练的稀疏注意力机制加速视频Transformer。虽可应用于VLA加速，但核心贡献在通用视觉生成领域，非VLA专用优化。
cs.AI
閱讀原文
VLA [University of British Columbia Hospital]
Iterative Flow Matching: Path Correction and Gradual Refinement for Enhanced Generative Modeling
Eldad Haber et al. · 改进流匹配算法，通过路径校正提升生成建模效果。属于通用生成模型理论，虽可能间接惠及VLA，但无直接机器人应用证据。
cs.AI
閱讀原文
VLA [Soft Robotic Lab, Department of Mechanical and Process Engineering]
Mask2Real-WM: Segmentation Masks as a Sim-to-Real Bridge for Controllable Dexterous World Models
Riccardo O. Feingold et al. · 利用分割掩码作为Sim-to-Real桥梁，构建可控的灵巧世界模型。虽涉及世界模型，但侧重于仿真到真实的域适应技术，非VLA核心推理架构。
cs.AI
閱讀原文
VLA [Nanjing University of Chinese Medicine]
Low-Rank Dynamics-Effective Latent Carriers for Counterfactual Rollout in Learned World Models
Yang Liu et al. · 探索世界模型中低秩动态有效潜载体以进行反事实推演。属于世界模型内部机制分析，理论性强，短期难以转化为VLA直接应用。
cs.AI
閱讀原文
VLA [College of Artificial Intelligence, Nanjing University of Posts and Telecommunications]
Depth Anything V4: Dynamic 4D Scene Reconstruction via Riemannian Flow Matching on 4D Gaussian Splatting
Jiaming Fan et al. · 利用黎曼流匹配在4D高斯泼溅上进行动态4D场景重建。属于计算机视觉重建领域，虽为具身感知提供基础，但非VLA控制方法。
cs.CV
閱讀原文
VLA [The Chinese University of Hong Kong (CUHK)]
Orthogonal JEPA: Factorized Predictive States for Latent World Models
Taoyong Cui et al. · 提出正交JEPA以分解潜在世界模型的预测状态。属于世界模型基础架构改进，虽相关但缺乏针对VLA特定任务（如操作、导航）的实证。
cs.LG
閱讀原文