VLA [Stanford]
Memory Anchors for Continual Robot Learning
Maximilian Du et al. · 面向机器人策略持续学习，用记忆锚点替代传统 replay buffer 缓解灾难性遗忘。对 VLA 部署后的持续精调/终身学习有直接可复用价值。
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
- ZEST: Zero-shot embodied skill transfer for athletic robot control Jean Pierre Sleiman et al. · Science Robotics 论文，研究运动型机器人的零样本技能迁移。摘要仅有期刊信息，从标题看涉及 athletic robot control 的技能迁移方法，具体技术细节需读全文。 SCIENCE-
- Learning vision-driven reactive soccer skills for humanoid robots Yushi Wang et al. · Science Robotics 论文，针对人形机器人将视觉感知与反应式技能结合用于足球运动。摘要缺细节，从标题推断属视觉驱动的两足动态运动技能学习。 SCIENCE-
- Physical AI is enabled by mechanical hardware Jonathan Hurst · Science Robotics 观点/评论文章，主张具身智能的进展受机械硬件制约而非仅靠算法。对硬件-算法协同设计有启发，但非技术论文。 SCIENCE-
- Evolution of humanoid locomotion control Yan Gu et al. · Science Robotics 综述文章，梳理人形机器人运动控制的演进脉络。对了解领域发展史和现有控制框架有帮助，无新方法。 SCIENCE-
- Robot Finger Feels in Color Velvet Wu · IEEE Spectrum 科普报道，介绍能感知颜色与表面纹理的机器人指尖触觉传感技术，涉及类人纹路识别。与触觉操作研究相关，但为新闻非技术论文。 IEEE-SPE
- Decoupling Planning and Control for Instructable Agents 提出将 VLM 高层规划与世界模型/低层控制解耦，解决预训练 VLM 在陌生环境无法落成低延迟动作的问题。无作者与实验细节，属 Agentic VLA 的规划-控制分解方向。 HF-PAPER
- WALL-SS: Scaling Long-horizon World Models via Next-Scale Autoregression [China University of Mining and Technology] Maeve Zhang et al. · 提出 next-scale 自回归的生成式世界模型缩放方法，超越片段级预测实现长时程模拟、规划与策略评估。无实验细节，属世界模型规模化方向。 CS.RO
- Memory Anchors for Continual Robot Learning [Stanford] Maximilian Du et al. · 面向机器人策略持续学习，用记忆锚点替代传统 replay buffer 缓解灾难性遗忘。对 VLA 部署后的持续精调/终身学习有直接可复用价值。 CS.RO
- TrapVLA: Trapping Vision-Language-Action Models in Configured Failure Modes [Shanghai University of Engineering Science] Jun-Hui Liu et al. · 提出针对 VLA 的'配置失败模式'后门攻击：用隐蔽文本触发器激活预设失败行为。为 VLA 训练数据投毒与部署安全提供防御视角，攻击面新颖。 CS.RO
- FLARE: A Failure-Aware Framework for Autonomous Correction and Recovery in Visual-Language Robotic Manipulation [The Chinese University of Hong Kong] Ganlong Zhao et al. · 提出失败感知的自主纠错/恢复框架：VLA 训练常基于单调成功轨迹、缺乏失败数据，FLARE 显式建模失败并驱动在线恢复动作。对长时程操作部署有可复用的工程价值。 CS.RO
- PredVLA: A Sub-Million-Parameter Predictive-Coding Policy for Robot Manipulation [Sony Computer Science Laboratory] Hiroki Sawada et al. · 探索亚百万参数预测编码架构能否替代大预训练 VLA 完成语言条件控制，直接质疑模型规模必要性。若成立将显著降低部署门槛，具体实验待全文。 CS.RO
- Rapid On-Robot Learning for Dynamic Manipulation Skills: Robot Juggling [CMU] Taeyoon Lee et al. · 双臂机器人在线学习杂耍技能，数分钟内适应多种节律模式且容忍显著 sim2real gap。核心洞见是简化模型结构而非追求精确仿真。Atkeson 组工作。 CS.RO
VLA 研究日報VLA 研究日报
共 30 篇
🔧 技術技术
VLA [The Chinese University of Hong Kong]
FLARE: A Failure-Aware Framework for Autonomous Correction and Recovery in Visual-Language Robotic Manipulation
Ganlong Zhao et al. · 提出失败感知的自主纠错/恢复框架：VLA 训练常基于单调成功轨迹、缺乏失败数据，FLARE 显式建模失败并驱动在线恢复动作。对长时程操作部署有可复用的工程价值。
cs.RO
閱讀原文
VLA [UC San Diego]
FlashVLA: Streaming Action Decoding for Fast and Asynchronous VLA Inference
Zekai Li et al. · 提出流式动作解码，将 VLA 动作生成与观测解耦实现异步低延迟推理，缓解真实部署的高延迟和不稳定执行。对实时机器人/服务端的推理加速思路直接可复用。
cs.RO
閱讀原文
VLA [Fuzhou University]
Zero-WAM: In-Context World-Action Modeling from Human Videos for Open-Ended Task Generalization
Jiaming Zhou et al. · 从人类视频学习 in-context 世界动作模型，无需梯度即可零样本执行训练中未见的操作任务，类比 LLM 的上下文任务指定。为跨任务泛化和数据扩展提供新路径。
cs.RO
閱讀原文
VLA [Nanjing University of Information Science and Technology]
Tactile-WAM: Touch-Aware World Action Model with Tactile Asymmetric Attention
Siyu Wu et al. · 触觉感知的 World Action Model：引入触觉非对称注意力，捕捉视觉未来易错过的滑动/卡滞/接触方向变化，服务接触丰富操作。与触觉 VLA 研究直接衔接，可参考其触觉-视觉融合架构。
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，研究运动型机器人的零样本技能迁移。摘要仅有期刊信息，从标题看涉及 athletic robot control 的技能迁移方法，具体技术细节需读全文。
Science-Robotics
閱讀原文
VLA
Learning vision-driven reactive soccer skills for humanoid robots
Yushi Wang et al. · Science Robotics 论文，针对人形机器人将视觉感知与反应式技能结合用于足球运动。摘要缺细节，从标题推断属视觉驱动的两足动态运动技能学习。
Science-Robotics
閱讀原文
VLA
Physical AI is enabled by mechanical hardware
Jonathan Hurst · Science Robotics 观点/评论文章，主张具身智能的进展受机械硬件制约而非仅靠算法。对硬件-算法协同设计有启发，但非技术论文。
Science-Robotics
閱讀原文
VLA
Evolution of humanoid locomotion control
Yan Gu et al. · Science Robotics 综述文章，梳理人形机器人运动控制的演进脉络。对了解领域发展史和现有控制框架有帮助，无新方法。
Science-Robotics
閱讀原文
VLA
Robot Finger Feels in Color
Velvet Wu · IEEE Spectrum 科普报道，介绍能感知颜色与表面纹理的机器人指尖触觉传感技术，涉及类人纹路识别。与触觉操作研究相关，但为新闻非技术论文。
ieee-spectrum-robotics
閱讀原文
VLA
Decoupling Planning and Control for Instructable Agents
提出将 VLM 高层规划与世界模型/低层控制解耦，解决预训练 VLM 在陌生环境无法落成低延迟动作的问题。无作者与实验细节，属 Agentic VLA 的规划-控制分解方向。
hf-papers
閱讀原文
VLA [China University of Mining and Technology]
WALL-SS: Scaling Long-horizon World Models via Next-Scale Autoregression
Maeve Zhang et al. · 提出 next-scale 自回归的生成式世界模型缩放方法，超越片段级预测实现长时程模拟、规划与策略评估。无实验细节，属世界模型规模化方向。
cs.RO
閱讀原文
VLA [Shanghai University of Engineering Science]
TrapVLA: Trapping Vision-Language-Action Models in Configured Failure Modes
Jun-Hui Liu et al. · 提出针对 VLA 的'配置失败模式'后门攻击：用隐蔽文本触发器激活预设失败行为。为 VLA 训练数据投毒与部署安全提供防御视角，攻击面新颖。
cs.RO
閱讀原文
VLA [Sony Computer Science Laboratory]
PredVLA: A Sub-Million-Parameter Predictive-Coding Policy for Robot Manipulation
Hiroki Sawada et al. · 探索亚百万参数预测编码架构能否替代大预训练 VLA 完成语言条件控制，直接质疑模型规模必要性。若成立将显著降低部署门槛，具体实验待全文。
cs.RO
閱讀原文
VLA [CMU]
Rapid On-Robot Learning for Dynamic Manipulation Skills: Robot Juggling
Taeyoon Lee et al. · 双臂机器人在线学习杂耍技能，数分钟内适应多种节律模式且容忍显著 sim2real gap。核心洞见是简化模型结构而非追求精确仿真。Atkeson 组工作。
cs.RO
閱讀原文
VLA [The Hong Kong University of Science and Technology (Guangzhou)]
TemporalFlow-VLA: Learning Physically Grounded Execution History for Long-Horizon Robot Manipulation
Jiarui Yang et al. · 面向长时程操作提出物理接地的执行历史建模：仅堆叠历史帧无法反映物理状态变化，引入渐进物理变化表征提升多阶段任务。VLA 时间建模改进。
cs.RO
閱讀原文
VLA [Riemann Dynamics]
Riemann-1.0: An Embodied World Action Model for Physical AI
Haofeng Sun et al. · 全因果自回归 World Action Model，统一建模多视角视觉、机器人状态与动作，面向 Physical AI。与 π0 同属世界动作模型路线，摘要无 benchmark 细节。
cs.RO
閱讀原文
VLA [Suzhou Institute for Advanced Research, University of Science and Technology of China]
GRAFT: Grounded and Efficient Online Reinforcement Adaptation for Fine-Grained Robot Manipulation
Yibo Qiu et al. · 面向细粒度生物医学操作的 VLA 在线 RL 适应，解决任务成败依赖细微视角线索与任务级奖励难设计的问题。聚焦'在线精调'这一 VLA 核心瓶颈。
cs.RO
閱讀原文
VLA [MARS Lab, Nanyang Technological University]
Unified Condition-Action Modeling for Accurate One-Step Action Generation
Xinyu Zhou et al. · 针对扩散/流策略将条件与环境分离的缺陷，提出统一条件-动作建模实现单步动作生成，兼顾准确性与低延迟。可作 VLA 动作头改进参考。
cs.RO
閱讀原文
VLA [University of Electronic Science and Technology of China]
LM-X: Explainable Action Modeling with Progress, Event, and Uncertainty Prediction for Generalist Robot Manipulation
Jin Lou et al. · 提出在 VLA 上增补进度、事件、不确定性预测头的可解释动作建模，缓解单一动作目标需隐式编码长程信息的问题。对长时程任务的可解释监控有价值。
cs.RO
閱讀原文
VLA [University of Texas at Austin]
Reconstructing Humans and Objects in Interaction using Large Reconstruction Models
Agniv Chatterjee et al. · 用大规模重建模型估计 3D 人-物交互，解决深度歧义与遮挡。为操作场景理解提供几何输入，但非 VLA 方法本身。
cs.CV
閱讀原文
VLA [Institute for Numerical Simulation]
Diffusion Policies for Short-Horizon Planning in Robot Crowd Navigation
Wendong Li et al. · 将扩散策略用于人群导航的短时程规划，在密集动态人机交互中做多模态决策。属移动机器人导航，非操作 VLA。
cs.LG
閱讀原文
VLA
CLAP: Cross-Embodiment Video World Models are Zero-Shot Physical Simulators
跨本体动作条件视频世界模型，利用异构机器人视频学习通用物理模拟以实现零样本模拟。方向契合世界模型数据规模化，摘要无实验细节。
hf-papers
閱讀原文
VLA [Department of Cybernetics, Faculty of Electrical Engineering, Czech Technical University in Prague]
Pneumatic-Tomographic Tactile Skin for Multicontact Localization and Force Estimation
Haofeng Chen et al. · 双通道气动断层扫描触觉皮肤，实现大面积多触点定位与高精度力估计，缓解 EIT 灵敏度不均。对触觉硬件选型有参考价值。
cs.RO
閱讀原文
VLA [Artificial Intelligence in Medicine (Canada)]
Beyond Instance Slots: Semantically Rich World Models for Physical Interaction Planning
Juntao Cheng et al. · 面向物理交互规划的语义丰富世界模型：传统模型预测未来观测，规划导向模型需回答'候选动作是否产生任务一致结果'。值得关注但非 VLA 主线。
cs.RO
閱讀原文
VLA [School of Advanced Interdisciplinary Sciences, University of Chinese Academy of Sciences]
Predicting Consequences and Reinforcing Navigation Policies with Latent World Models
Zengmao Wang et al. · 用潜在世界模型预测后果并强化导航策略，避免重建未来观测的冗余。属导航策略学习，可借鉴其潜在空间设计。
cs.AI
閱讀原文
VLA [Shanghai Jiao Tong University]
PAWBench: How Far Are We from Probabilistically Aligned World Modeling?
Yuandong Pu et al. · 提出'概率对齐世界建模'评测基准，要求视频世界模型不仅生成合理轨迹、还要匹配可能结果的分布。对世界模型评测方法有参考价值。
cs.AI
閱讀原文
VLA [Institute of Automation, Chinese Academy of Sciences]
TouchThinker: Scaling Tactile Commonsense Reasoning to the Open World with Large-scale Data and Action-aware Representation
Kailin Lyu et al. · 大规模触觉常识推理数据集与动作感知表征，将触觉信号接入语言系统实现开放世界推理。与触觉 VLA 共享表征设计思路，但任务是推理而非操作控制。
cs.AI
閱讀原文
VLA [DreamX Team, Alibaba Group]
R2M-Bench: Evaluating Revisit Memory via Relative Consistency in Interactive Video World Models
Qiwen Gu et al. · 用首次访问与返回帧的相对一致性评测交互式视频世界模型的记忆保持力，避免绝对相似度受渲染扰动。对世界模型评估工具链有用。
cs.CV
閱讀原文
VLA [University of Science and Technology of China]
Latent Spatial Memory for Video World Models
Weijie Wang et al. · 视频世界模型中用潜在空间记忆替代 RGB 点云保持 3D 一致性，避免反复渲染和 VAE 编码开销。提升世界模型空间记忆效率的方法。
cs.CV
閱讀原文