VLA
Act with Intent: Distilling Behavior Intent for Vision-Language-Action Models
提出在行为克隆之外蒸馏“行为意图”作为训练信号，让 VLA 动作解码器学会指令对应的局部目标。可作为新训练目标接入现有 VLA 流水线。
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
- ZEST: Zero-shot embodied skill transfer for athletic robot control Jean Pierre Sleiman et al. · Science Robotics 论文，研究运动型机器人（非操作）的零样本技能迁移，可能涉及跨形态或 sim2real。与 VLA 操作主线无直接关联。 SCIENCE-
- Triplet2Track: A Hierarchical System with Object-Centric Representations for Reliable Long-Horizon Manipulation 用 object-centric 表示的分层系统做长程操作，强调可解释与可靠验证，相对端到端 VLA 数据需求低；未看到具体基准结果。 HF-PAPER
- Act with Intent: Distilling Behavior Intent for Vision-Language-Action Models 提出在行为克隆之外蒸馏“行为意图”作为训练信号，让 VLA 动作解码器学会指令对应的局部目标。可作为新训练目标接入现有 VLA 流水线。 HF-PAPER
- ODG-NoMaD: Overhead-Camera Direction-Guided NoMaD [Software Training and Development Centre] Blossom Treesa Bastian et al. · 在 NoMaD 导航策略中引入顶视相机方向引导，解决未知环境无目标图/拓扑图时的探索。面向导航，非操作。 CS.RO
- Mamba-based Selective State Space Modeling Improves the Accuracy-Complexity Tradeoff of SmolVLA Vision-Language-Action Experts Farida Mohsen et al. · 用 Mamba 选择性状态空间替换 SmolVLA 骨干，改善精度-算力折衷并提升策略调用频率。轻量 VLA 部署可直接复用其架构与权重。 CS.RO
- Operational digital twin clinics enable task-based evaluation of embodied AI Xinyuan Wu et al. · 把诊所图像转成数字孪生场景用于 embodied AI 任务级评测，降低真实环境测试成本。属评测基础设施，非操作算法。 CS.RO
- Force/Torque-Based Kinematic Adaptation for Robotic Manipulation Tasks [U.S. Naval Research Laboratory] Carl Glen Henshaw (US Naval Research Laboratory) · 利用力/力矩传感器在线适配机器人-工具间的运动学关系，用于接触丰富操作。偏经典控制，非 VLA 方法。 CS.RO
- CounterAlign: Counterfactual Supervision for Vision-Language-Action Models Haru Kondoh et al. · 为 VLA 引入反事实监督，用违反指令的负样本显式对齐动作选择，弥补纯 BC 无负监督的问题。可加入主流 VLA 训练目标。 CS.RO
- Vision Guided Target Conditioned Control for Autonomous Excavation [Liaoning University] Shuai Zhao et al. · 目标条件自主挖掘控制框架，将空间作业意图转为铲斗运动，面向工程机械特化场景。 CS.RO
- CIDER: Continual Interactive Distillation for Embodied Reinforcement Learning [AgiBot] Houlin Li et al. · 人类在环的持续交互蒸馏，让真实机器人快速学习并扩展到持续新任务。侧重 RL 训练效率，非 VLA 架构。 CS.RO
- Inferring Action from Future Latent State for Robotic Manipulation [DeepLeap Research] Fenghao Lei et al. · 质疑视频生成式世界模型的必要性，提出直接从未来隐状态推断动作，省去密集视频预测。概念有新意，摘要未包含机器人实验证据。 CS.RO
- Contact-Rich Robotic Manipulation in Construction via Zero-Shot Learning: A Diffusion Policy-Guided Adaptive Control [Princeton] Roman Ibrahimov (Princeton University) et al. · 扩散策略引导自适应控制处理建筑装配的接触丰富操作，零样本应对制造不确定性。面向建筑专用，非通用 VLA。 CS.RO
VLA 研究日報VLA 研究日报
共 30 篇
🔧 技術技术
VLA
Mamba-based Selective State Space Modeling Improves the Accuracy-Complexity Tradeoff of SmolVLA Vision-Language-Action Experts
Farida Mohsen et al. · 用 Mamba 选择性状态空间替换 SmolVLA 骨干，改善精度-算力折衷并提升策略调用频率。轻量 VLA 部署可直接复用其架构与权重。
cs.RO
閱讀原文
VLA
CounterAlign: Counterfactual Supervision for Vision-Language-Action Models
Haru Kondoh et al. · 为 VLA 引入反事实监督，用违反指令的负样本显式对齐动作选择，弥补纯 BC 无负监督的问题。可加入主流 VLA 训练目标。
cs.RO
閱讀原文
VLA [Shanghai Innovation Institute]
Robust Bimanual Vision-Language-Action Models via Embarrassingly Simple Modality Masking
Dongzhou Cheng et al. · 针对双臂 query-based VLA 的动作不连续问题，提出极简的模态掩码增强以提升鲁棒性。方法简单，可直接在双臂 VLA 训练中复现。
cs.RO
閱讀原文
VLA [Stanford University]
UniMem: Unifying Multimodal Memory and Control for Vision-Language-Action Models
Lars Osterberg et al. · 统一多模态记忆与控制，解决 VLA 在非马尔可夫长程任务上的记忆缺失。可迁移到现有 VLA 策略，补齐长期依赖瓶颈。
cs.RO
閱讀原文
📖 背景閱讀背景阅读
VLA
ZEST: Zero-shot embodied skill transfer for athletic robot control
Jean Pierre Sleiman et al. · Science Robotics 论文，研究运动型机器人（非操作）的零样本技能迁移，可能涉及跨形态或 sim2real。与 VLA 操作主线无直接关联。
Science-Robotics
閱讀原文
VLA
Triplet2Track: A Hierarchical System with Object-Centric Representations for Reliable Long-Horizon Manipulation
用 object-centric 表示的分层系统做长程操作，强调可解释与可靠验证，相对端到端 VLA 数据需求低；未看到具体基准结果。
hf-papers
閱讀原文
VLA [Software Training and Development Centre]
ODG-NoMaD: Overhead-Camera Direction-Guided NoMaD
Blossom Treesa Bastian et al. · 在 NoMaD 导航策略中引入顶视相机方向引导，解决未知环境无目标图/拓扑图时的探索。面向导航，非操作。
cs.RO
閱讀原文
VLA
Operational digital twin clinics enable task-based evaluation of embodied AI
Xinyuan Wu et al. · 把诊所图像转成数字孪生场景用于 embodied AI 任务级评测，降低真实环境测试成本。属评测基础设施，非操作算法。
cs.RO
閱讀原文
VLA [U.S. Naval Research Laboratory]
Force/Torque-Based Kinematic Adaptation for Robotic Manipulation Tasks
Carl Glen Henshaw (US Naval Research Laboratory) · 利用力/力矩传感器在线适配机器人-工具间的运动学关系，用于接触丰富操作。偏经典控制，非 VLA 方法。
cs.RO
閱讀原文
VLA [Liaoning University]
Vision Guided Target Conditioned Control for Autonomous Excavation
Shuai Zhao et al. · 目标条件自主挖掘控制框架，将空间作业意图转为铲斗运动，面向工程机械特化场景。
cs.RO
閱讀原文
VLA [AgiBot]
CIDER: Continual Interactive Distillation for Embodied Reinforcement Learning
Houlin Li et al. · 人类在环的持续交互蒸馏，让真实机器人快速学习并扩展到持续新任务。侧重 RL 训练效率，非 VLA 架构。
cs.RO
閱讀原文
VLA [DeepLeap Research]
Inferring Action from Future Latent State for Robotic Manipulation
Fenghao Lei et al. · 质疑视频生成式世界模型的必要性，提出直接从未来隐状态推断动作，省去密集视频预测。概念有新意，摘要未包含机器人实验证据。
cs.RO
閱讀原文
VLA [Princeton]
Contact-Rich Robotic Manipulation in Construction via Zero-Shot Learning: A Diffusion Policy-Guided Adaptive Control
Roman Ibrahimov (Princeton University) et al. · 扩散策略引导自适应控制处理建筑装配的接触丰富操作，零样本应对制造不确定性。面向建筑专用，非通用 VLA。
cs.RO
閱讀原文
VLA [Tsinghua University]
DreamMimic: Learning Visuomotor Whole-Body Loco-Manipulation via World Model
Jie Yin et al. · 用世界模型学习人形机器人全身视觉移动操作，处理部分可观测和接触动力学。人形全身控制方向，非 VLA 直接贡献。
cs.RO
閱讀原文
VLA [Institute for Factory Automation and Production Systems, Friedrich-Alexander-Universität Erlangen-Nürnberg]
MotionDLO: Hybrid Event- and Frame-Based Tracking of Deformable Linear Objects
Annalena Hartmann et al. · 混合事件相机与帧相机实时跟踪变形线状物体，提高鲁棒性与时间一致性。感知层方法，可辅助线缆/软体操作。
cs.RO
閱讀原文
VLA [Nanyang Technological University]
Physics Filtering Favors the Generalization of Robot Learning
Jindou Jia et al. · 从生物物理结构出发，用物理滤波器/反馈提升机器人对新环境的泛化。与 VLA 训练无直接接口。
cs.RO
閱讀原文
VLA [Horizon Robotics]
InstructMove: A Text-Indispensable Benchmark for Instruction-Following Manipulation
Mengao Zhao et al. · 构建文本不可或缺的指令跟随操作 benchmark，检查 VLA 是否真遵循语言而非物体先验。评测资源，适合评估部署。
cs.RO
閱讀原文
VLA
Pointing-VLA: Typed Spatial Grounding Interfaces for Vision-Language-Action Manipulation
Xiwen Chen et al. · 为 VLA 设计带类型的隐状态空间指代接口，替代文本坐标/动作 token，强化几何推理与执行的连接。接口设计较特化，等实验验证。
cs.RO
閱讀原文
VLA [USC]
Think Only When Needed: Prompt-Authority Control for Selective Slow-Path Intervention in Vision-Language-Action Manipulation
Zhiruo Zhou et al. · 针对检索增强 VLA，提出 prompt-authority 控制让外部文本按需介入，避免原始拼接降低表现。推理期方法，适合轻量改进。
cs.RO
閱讀原文
VLA [University of Augsburg]
ROS2SmolVLA: Enabling Small Vision-Language-Action Models for Integration into Industrial-Grade Lightweight Robots
Nils Mandischer et al. · 将 SmolVLA 接入 ROS2 工业级轻量机器人，适配小批量产线。偏工程集成，研究创新有限。
cs.RO
閱讀原文
VLA [Shandong University]
GuardianBench: A Same-Scene Instruction-Contrastive Benchmark for Latent Contextual Risk in Embodied AI
Zhesheng Zhang et al. · 同场景指令对比式 embodied AI 安全 benchmark，检测良性指令与安全场景组合后的潜在风险。安全评测数据，非方法。
cs.RO
閱讀原文
VLA [University of Dhaka]
LaGEA: Language Guided Embodied Agents for Robotic Manipulation
Abdul Monaf Chowdhury et al. · 用自然语言反馈作为错误推理信号，让语言引导操作智能体从自身失误中学习。改进学习方法，非 VLA 主线。
cs.RO
閱讀原文
VLA [Princeton]
Learning Diffusion Policies for Robotic Manipulation of Timber Joinery under Fabrication Uncertainty
Salma Mozaffari (Princeton University) et al. · 扩散策略学习木结构榫卯装配，应对制造误差和接触丰富操作。面向建筑自动化专用任务。
cs.RO
閱讀原文
VLA [Inria, École normale supérieure, CNRS, PSL Research University]
Guardian: Detecting Robotic Planning and Execution Errors with Vision-Language Models
Paul Pacaud et al. · 用 VLM 检测规划与执行错误，扩充失败样本覆盖面提升泛化能力。可用于 VLA 部署监控，本身不是操作策略。
cs.RO
閱讀原文
VLA [Princeton]
A Latency-Aware Framework for Visuomotor Policy Learning on Industrial Robots
Daniel Ruan (Princeton University) et al. · 面向工业机器人 visuomotor 策略的延迟感知训练框架，补偿观测-推理-执行间隙。部署工程，非新算法。
cs.RO
閱讀原文
VLA [The Hong Kong University of Science and Technology (Guangzhou)]
Beyond Viewpoint Generalization: What Multi-View Demonstrations Offer and How to Synthesize Them for Robot Manipulation?
Boyang Cai et al. · 系统量化多视角演示对操作学习的增益与机制，并给出数据合成方法。指导多相机数据采集，属数据研究。
cs.RO
閱讀原文
VLA [Harokopio University of Athens]
Foundation Models in Robotics: A Comprehensive Review of Methods, Models, Datasets, Challenges and Future Research Directions
Aggelos Psiris et al. · 机器人基础模型综述，覆盖方法/模型/数据集与挑战，适合入门，非新进展。
cs.RO
閱讀原文
VLA [Shanghai Innovation Institute. AGIBOT Finch. Columbia University]
Learning While Deploying: Fleet-Scale Reinforcement Learning for Generalist Robot Policies
Yi Wang et al. · 提出部署中车队级 RL，用分布偏移和人工校正数据持续精调通用策略。训练范式重要，但摘要未给方法细节与基准结果。
cs.RO
閱讀原文
VLA [Shanghai Innovation Institute]
$\tau_0$-WM: A Unified Video-Action World Model for Robotic Manipulation
Pengfei Zhou et al. · 统一视频-动作世界模型，让操作策略先预测并评估后果再执行。方向与现有 WAM 一致，需见实验验证。
cs.RO
閱讀原文