VLA [CMU]
GeomVLA: Unifying Scene, Motion, and Action in 3D
Ziyin Xiong et al. · 提出在统一机器人中心 3D 坐标系内联合感知、潜在场景运动预测与动作生成的 VLA 模型，将预训练 VLM 特征提升为空间接地表示。可复用点：3D 场景运动作为动作生成的中间监督，为空间泛化提供新范式。
cs.RO
閱讀原文
VLA 研究日報 Pulsar
FEED
— AI 線暫無可用資料 —— AI 线暂无可用资料 —
VLA 線VLA 线 · cs.RO · cs.AI · cs.LG
- ShieldVLA: Feasibility-Aware Safety Alignment for Vision-Language-Action Models [MSR] Manan Tayal et al. · 针对 VLA 微调缺乏安全保证的问题，提出可行性感知的安全对齐方法，替代仅靠 Lagrangian 优化施加约束的做法，方向明确但摘要未给出 benchmark 量化结果。 CS.RO
- Self-Evolving AI for Humanoids: Mechanisms, Safety, and Evaluation of Post-Deployment Self-Improvement [School of Computing, Kyung Hee University] Loc X. Nguyen et al. · 综述人形机器人部署后自我改进的机制、安全与评测框架，梳理 RL 运动、世界模型与 VLA 控制的自演化路径，属框架性讨论，无新方法或实验。 CS.RO
- Ergodic Control and Controlled Diffusion for Robot Learning: Review and Tutorial [National University of Singapore] Max Muchen Sun et al. · 关于遍历控制与受控扩散在机器人学习中应用的综述兼教程，梳理扩散学习的统计机制与推理方法，适合入门参考但无新方法贡献。 CS.RO
- Attention-DP3: Spatially Object-aware 3D Diffusion Policy via Geometry-aligned Attentional Conditioning [Dalian University of Technology] Changbo Yan et al. · 在 3D 扩散策略 DP3 上引入几何对齐的注意力条件，缓解点云中遮挡与相似干扰物导致的歧义，属策略架构的局部改进，摘要未显示语言条件或 VLA 流程整合。 CS.RO
- STAGE: Diagnosing Semantic Transfer at Grounded Execution in Embodied Agents [Center for Data Science, NYU Shanghai] Baosheng Jin et al. · 提出诊断框架研究具身智能体中「语义-动作鸿沟」：指令语义虽可恢复却未能驱动机器人动作，属评测诊断类工作，为理解 grounding 失败提供分析工具。 CS.RO
- How to Better Train VLAs: Lessons Learned From the REAL-I Challenge at ICRA 2026 [National University of Singapore] Jiaming Wang et al. · 总结 ICRA 2026 REAL-I 挑战赛（仿真、真机与现场赛）中 VLA 训练经验，核心问题是固定示教预算下如何提升策略学习效率，属经验总结而非新方法。 CS.RO
- GROOVE: Geometry-Guided Reduction of Operational-Space Jerk in VLA Execution [Department of Computer Science and Engineering, POSTECH] Sangho Yun et al. · 针对分块 VLA 策略在 chunk 内与重规划边界处的抖动，提出几何引导的在线调节器搜索平滑轨迹，属部署侧工程改进，可缓解振荡但未触及策略本身。 CS.RO
- GeomVLA: Unifying Scene, Motion, and Action in 3D [CMU] Ziyin Xiong et al. · 提出在统一机器人中心 3D 坐标系内联合感知、潜在场景运动预测与动作生成的 VLA 模型，将预训练 VLM 特征提升为空间接地表示。可复用点：3D 场景运动作为动作生成的中间监督，为空间泛化提供新范式。 CS.RO
- ReWeight: Leveraging Human Data for VLA Post-Training via Demonstration Retrieval and Sample Weighting [Department of mechanical Engineering, The University of Hong Kong] Chenwei Wang et al. · 解决人类第一视角示教与机器人数据直接混合后域差异大、后训练收益差的问题，用示范检索加样本加权筛选对齐的人类数据来后训练 VLA。可复用点：无需额外机器人采集即可扩展现有 VLA 后训练数据池。 CS.RO
- What Makes an Efficient VLA? Navigating Action-Head Design, Scaling, and Latency [中科院] Luoyang Sun et al. · 在固定 backbone 与延迟配对条件下系统拆解 VLA 三大组件（视觉编码器、语言主干、动作头）各自的贡献，回答何种动作头设计与规模组合最优。可复用点：为 VLA 架构选型与延迟预算分配提供受控实验依据。 CS.RO
- When Faster VLA Deployment Changes Closed-Loop Behavior: Task Success-Latency Analysis of SmolVLA Across PyTorch and ONNX Variants [Hugging Face] Rafiqul Islam · 在 RTX 2060 上对比 SmolVLA 的 PyTorch 与 ONNX 变体在 LIBERO Spatial/Object 上的延迟与闭环成功率，揭示加速推理可能反而改变任务行为，属单作者小规模部署观察。 CS.RO
- Visible Touch: Rendering Contact for Visuomotor Policies [University of California, Los Angeles] Metin Alp Dogan et al. · 把接触信号渲染成可视输入喂给视觉运动策略，使仅用视觉与本体感受的 VLA 间接获得触觉信息。可复用点：无需改网络结构即可注入接触模态，但摘要未给出与触觉基线在真实任务上的对比。 CS.RO
VLA 研究日報VLA 研究日报
共 27 篇
🔧 技術技术
VLA [Department of mechanical Engineering, The University of Hong Kong]
ReWeight: Leveraging Human Data for VLA Post-Training via Demonstration Retrieval and Sample Weighting
Chenwei Wang et al. · 解决人类第一视角示教与机器人数据直接混合后域差异大、后训练收益差的问题，用示范检索加样本加权筛选对齐的人类数据来后训练 VLA。可复用点：无需额外机器人采集即可扩展现有 VLA 后训练数据池。
cs.RO
閱讀原文
VLA [中科院]
What Makes an Efficient VLA? Navigating Action-Head Design, Scaling, and Latency
Luoyang Sun et al. · 在固定 backbone 与延迟配对条件下系统拆解 VLA 三大组件（视觉编码器、语言主干、动作头）各自的贡献，回答何种动作头设计与规模组合最优。可复用点：为 VLA 架构选型与延迟预算分配提供受控实验依据。
cs.RO
閱讀原文
VLA [Australian Institute for Machine Learning, University of Adelaide]
Freeze, Share, Shrink: Rethinking the Action Backbone in Diffusion Policies
Jian Zhou et al. · 质疑 VLA 动辄上亿参数扩散/流匹配动作骨干的必要性，提出冻结、共享、压缩动作骨干的重构方案。可复用点：大幅削减动作头参数与训练成本，对算力受限的 VLA 后训练与部署直接可用。
cs.RO
閱讀原文
VLA [Tsinghua University]
TIDAL: Temporally Interleaved Diffusion and Action Loop for High-Frequency VLA Control
Yuteng Sun et al. · 针对大规模 VLA 低频批式推理造成的高延迟与执行盲区，提出时间交错的扩散与动作循环实现高频闭环控制。可复用点：在不改 VLA 语义能力的前提下缓解频率失配，提升动态任务成功率。
cs.RO
閱讀原文
📖 背景閱讀背景阅读
VLA [MSR]
ShieldVLA: Feasibility-Aware Safety Alignment for Vision-Language-Action Models
Manan Tayal et al. · 针对 VLA 微调缺乏安全保证的问题，提出可行性感知的安全对齐方法，替代仅靠 Lagrangian 优化施加约束的做法，方向明确但摘要未给出 benchmark 量化结果。
cs.RO
閱讀原文
VLA [School of Computing, Kyung Hee University]
Self-Evolving AI for Humanoids: Mechanisms, Safety, and Evaluation of Post-Deployment Self-Improvement
Loc X. Nguyen et al. · 综述人形机器人部署后自我改进的机制、安全与评测框架，梳理 RL 运动、世界模型与 VLA 控制的自演化路径，属框架性讨论，无新方法或实验。
cs.RO
閱讀原文
VLA [National University of Singapore]
Ergodic Control and Controlled Diffusion for Robot Learning: Review and Tutorial
Max Muchen Sun et al. · 关于遍历控制与受控扩散在机器人学习中应用的综述兼教程，梳理扩散学习的统计机制与推理方法，适合入门参考但无新方法贡献。
cs.RO
閱讀原文
VLA [Dalian University of Technology]
Attention-DP3: Spatially Object-aware 3D Diffusion Policy via Geometry-aligned Attentional Conditioning
Changbo Yan et al. · 在 3D 扩散策略 DP3 上引入几何对齐的注意力条件，缓解点云中遮挡与相似干扰物导致的歧义，属策略架构的局部改进，摘要未显示语言条件或 VLA 流程整合。
cs.RO
閱讀原文
VLA [Center for Data Science, NYU Shanghai]
STAGE: Diagnosing Semantic Transfer at Grounded Execution in Embodied Agents
Baosheng Jin et al. · 提出诊断框架研究具身智能体中「语义-动作鸿沟」：指令语义虽可恢复却未能驱动机器人动作，属评测诊断类工作，为理解 grounding 失败提供分析工具。
cs.RO
閱讀原文
VLA [National University of Singapore]
How to Better Train VLAs: Lessons Learned From the REAL-I Challenge at ICRA 2026
Jiaming Wang et al. · 总结 ICRA 2026 REAL-I 挑战赛（仿真、真机与现场赛）中 VLA 训练经验，核心问题是固定示教预算下如何提升策略学习效率，属经验总结而非新方法。
cs.RO
閱讀原文
VLA [Department of Computer Science and Engineering, POSTECH]
GROOVE: Geometry-Guided Reduction of Operational-Space Jerk in VLA Execution
Sangho Yun et al. · 针对分块 VLA 策略在 chunk 内与重规划边界处的抖动，提出几何引导的在线调节器搜索平滑轨迹，属部署侧工程改进，可缓解振荡但未触及策略本身。
cs.RO
閱讀原文
VLA [Hugging Face]
When Faster VLA Deployment Changes Closed-Loop Behavior: Task Success-Latency Analysis of SmolVLA Across PyTorch and ONNX Variants
Rafiqul Islam · 在 RTX 2060 上对比 SmolVLA 的 PyTorch 与 ONNX 变体在 LIBERO Spatial/Object 上的延迟与闭环成功率，揭示加速推理可能反而改变任务行为，属单作者小规模部署观察。
cs.RO
閱讀原文
VLA [University of California, Los Angeles]
Visible Touch: Rendering Contact for Visuomotor Policies
Metin Alp Dogan et al. · 把接触信号渲染成可视输入喂给视觉运动策略，使仅用视觉与本体感受的 VLA 间接获得触觉信息。可复用点：无需改网络结构即可注入接触模态，但摘要未给出与触觉基线在真实任务上的对比。
cs.RO
閱讀原文
VLA [University of Connecticut]
Task-Specified Active Metrological Inspection with Measurement-Steered VLA Manipulation and Deterministic Evidence Gating
Zhiling Chen et al. · 面向高混合小批量制造的检测系统，用测量引导的 VLA 操作与确定性证据门控实现主动计量检测，属工业质检垂直应用，方法通用性有限。
cs.RO
閱讀原文
VLA [Sibley School of Mechanical and Aerospace Engineering, Cornell University]
VGFM: Expressive Robot Policies via Dense Value Guidance in Flow Matching
Prajwal Koirala et al. · 在流匹配策略中引入稠密价值引导以提升离线数据下动作分布的表达力与多模态性，属离线机器人策略学习方法，摘要未涉及语言条件或 VLA 流程。
cs.RO
閱讀原文
VLA [Guangdong Provincial Key Laboratory of Visual Media and Multidimensional Intelligence, College of Computer Science and Software Engineering, Shenzhen University]
VLBiMan++: Expanding the Generalization Boundary of Vision-Language Anchored One-Shot Bimanual Manipulation
Huayi Zhou et al. · 以视觉-语言锚定的可复用任务先验实现单次示教的双臂操作，扩展跨任务、物体、场景与执行条件的泛化边界，属双臂协作方向，但摘要未说明与 VLA 骨干的结合方式。
cs.RO
閱讀原文
VLA [Jiangsu Key Laboratory of Advanced Food Manufacturing Equipment and Technology, School of Mechanical Engineering, Jiangnan University]
REVOLVE: An Automated Closed-Loop Framework for Evolving Robot Manipulation with Minimal Human Intervention
Hanyu Liu et al. · 构建自动闭环框架，让操作策略在部署中自主完成失败评估、纠正与环境重置，减少人工介入并持续演化，属自主数据循环方向，摘要未涉及 VLA 架构。
cs.RO
閱讀原文
VLA [Department of Industrial Data Engineering, Hanyang University]
IMPACT-VLA: Interaction-aware Multimodal Propagation Attribution via Counterfactual Trajectories for Vision-Language-Action Policies
Jinwoong Kim et al. · 用反事实轨迹做交互感知的多模态传播归因，分析 VLA 策略在执行各阶段依赖视觉、本体与语言中的哪一模态，属可解释性分析工具，不改变策略能力。
cs.RO
閱讀原文
VLA [清华]
Atomic Motion Coordinate for Language-Steerable and Force-Responsive Manipulation
Jiaqi Zhai et al. · 提出几何接地的原子运动坐标系，探究只改语言指令能否真正重定向 VLA 末端执行器、抑或视觉运动先验占主导，并支持力响应操作，属机理探究性质工作。
cs.RO
閱讀原文
VLA [上交]
LieSpline-DP: Lie-Group B-Spline Diffusion Policy for Smooth Robot Manipulation
Erxuan Xie et al. · 用李群上的 B 样条参数化动作序列，缓解扩散策略轨迹不连续、跨 chunk 不平滑的问题，属扩散策略动作表示的局部改进，未涉及 VLA 语言条件。
cs.RO
閱讀原文
VLA [School of Computer Science]
StereoPatch: Patch-Aligned RGB-Depth Fusion for Spatial Perception in Robot Manipulation
Yanan Zhou et al. · 用 patch 对齐的 RGB-D 融合提升视觉运动策略的空间感知，解决外观相似但目标高度、接触几何不同的场景歧义，属感知模块改进，未与 VLA 语言分支联合训练。
cs.RO
閱讀原文
VLA [Institute of Automation, Chinese Academy of Sciences]
DIDO: Distilling Interaction-Centric Dynamics into One-Step Denoising for World Action Models
Jing Lyu et al. · 发现世界动作模型中视觉内容在不同去噪步收敛速度不同，据此把交互中心动力学蒸馏为一步去噪以降低闭环延迟，属世界模型加速方向，但与 VLA 动作头结合路径尚不明确。
cs.RO
閱讀原文
VLA [复旦]
Bench2Dex: Benchmarking Visuo-Tactile Bimanual Dexterous Manipulation Across Dexterous Hands
Zhenjie Yang et al. · 构建跨不同灵巧手的视觉-触觉双臂操作基准，覆盖因手指结构、接触面与传感器布局差异导致的泛化难题，方向重要但属数据集/基准类工作，可稍后跟进。
cs.RO
閱讀原文
VLA [Soochow University]
Uncertainty-Guided Sparse Refinement for Action Chunking Transformer Policies
Chenyang Wang et al. · 针对动作分块策略在长程操作中失败常源于局部动作不准的问题，用不确定性引导对 chunk 内动作做稀疏精修，属 ACT 类策略的改进，摘要未给出跨基准对比。
cs.RO
閱讀原文
VLA [LIBERO Team]
Beyond Single-Axis Testing: Paired Evaluation of Compound Robustness in Vision-Language-Action Policies
Hiroki Sawada et al. · 指出 VLA 鲁棒性评测通常只施加单一扰动，提出成对复合扰动评测协议以反映真实部署中的多重分布偏移，属评测方法贡献，不提升策略性能。
cs.RO
閱讀原文
VLA [Zhejiang University]
Habitat-GS: A High-Fidelity Navigation Simulator with Dynamic Gaussian Splatting
Ziyuan Xia et al. · 用动态高斯泼溅替代网格光栅化构建高保真具身导航仿真器，降低 photorealistic 场景与动态人物建模成本，属仿真基础设施，对导航与移动操作训练有支撑价值。
cs.RO
閱讀原文