VLA [LIBERO Team]
VLAQuantBench: Closed-Loop Evaluation of Post-Training Quantization for Vision-Language-Action Models
Jiuyi Xu et al. · 首个面向 VLA 后训练量化的闭环评测基准，系统拆解层范围、数值格式与校准三者交互对精度的影响，为 VLA 在机器人端部署时选量化精度提供可直接复用的实验结论。
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
- InternW0: A Foundational Physical World Model for Efficient Real-World Interactions [上海AI Lab] 上海AI Lab 的 InternW 物理世界模型系列首个实例，用全模态接口建模「可执行」的世界演化预测，强调预测须随环境持续变化仍可行动。属世界模型方向，未给出 VLA 策略闭环实验与开源细节。 HF-PAPER
- JAMB: Joint Action-Motion Diffusion for Bimanual Manipulation [CMU|Held] Chuyang Xiao et al. · 把动作与未来运动（几何后果）联合扩散建模，缓解双臂共享 3D 场景中一臂动作改变另一臂状态的耦合问题，属双臂扩散策略方向可参考的实现。 CS.RO
- Capability-Aware Arbitration for Semantic Intent-Based Shared Control [Colorado School of Mines] Zhaoda Du et al. · 指出共享控制按意图置信度分配机器人权限会在自主执行不可靠时「过度帮助」，提出按能力感知的仲裁机制，属遥操作人机共享控制而非 VLA 策略学习。 CS.RO
- VLAQuantBench: Closed-Loop Evaluation of Post-Training Quantization for Vision-Language-Action Models [LIBERO Team] Jiuyi Xu et al. · 首个面向 VLA 后训练量化的闭环评测基准，系统拆解层范围、数值格式与校准三者交互对精度的影响，为 VLA 在机器人端部署时选量化精度提供可直接复用的实验结论。 CS.RO
- RoboMP-DINOv2: Prompts, Not Filters for Robust Robot Manipulation [Harvard|Yang] Han Qi et al. · 用可提示的 DINOv2 通用视觉编码器替代分割掩码式物体中心表示，让策略在视觉偏移下仍保留与动作相关的场景上下文，属感知骨干层面的改进。 CS.RO
- HABILIS Brain 0: Geometry-Change Supervision for Vision-Language-Action and Residual Flow Recovery [Robotics Research (United States)] Jinu Pahk et al. · 为 VLA 引入「几何变化量」监督而非仅当前帧几何，学习具身无关的视觉表征并配合残差流恢复，思路可行但机构小众、缺对比实验信息。 CS.RO
- IndustrialVLA-Bench: A Traceable Multi-Axis Evaluation of Open Robot Policy Models [Griffith University] Yiqi Wang et al. · 对开源机器人策略的两条路线（VLA 直接映射 vs. world-action model）做多轴可追溯横向评测，工业场景下可用于选型，属基准类工作。 CS.RO
- CableVLA: Simulation-Privileged Global-Local Representation Learning for Cable Routing [State Key Laboratory of Intelligent Manufacturing Equipment and Technology, School of Mechanical Science and Engineering, Huazhong University of Science and Technology] Zhifei Teng et al. · 面向线缆布线的端到端 VLA 框架，把仿真特权监督蒸馏为可部署的「全局拓扑+局部接触」表征，属特定工业变形物任务，通用性待验证。 CS.RO
- MachEmbodied-U0: Unified Understanding and Generation Model for Embodied Intelligence [Li Auto Inc] Haoran Wen et al. · 统一具身理解与生成模型，同时做任务意图理解、交互区域定位、场景演化预测与动作生成，试图补上 VLA 缺少显式动态建模的短板，但摘要未给出具体架构与量化对比。 CS.RO
- RoboFollow: Unveiling the Instruction Following Mirage in Embodied Agents [AutoLab, School of Artificial Intelligence, Shanghai Jiao Tong University] Chang Guo et al. · 揭示具身智能体「指令跟随」假象：低场景熵下多条指令对应同一可行行为，使成功率虚高，真实指令跟随能力远弱于报告值，对 VLA 评测设计有警示价值。 CS.RO
- PhyVisGen: Physically and Visually High-Fidelity Robotic Manipulation Data Generation [School of Automation and Intelligent Sensing, Shanghai Jiao Tong University] Yu Zheng et al. · 针对仿真数据与真机在物理与视觉上的双重差异，生成高保真操作演示以替代昂贵真机采集，属数据生成管线类工作。 CS.RO
- MotionForge: A Data Generation Pipeline and Large-Scale Benchmark for Long-Horizon Manipulation of Dynamic Objects with Domain Shifts [Embodied Perception and Interaction Lab (EmPACT Lab), School of Electrical and Electronic Engineering, Nanyang Technological University] Mohan Liu et al. · 面向动态物体长时程操作的数据生成管线与大规模基准，显式引入域偏移，填补现有评测偏静态/准静态的空白，属数据集与基准类。 CS.RO
VLA 研究日報VLA 研究日报
共 28 篇
🔧 技術技术
VLA
VisForce: Visual Grounding of Current and Desired Forces for Goal-Conditioned Dexterous Manipulation
Jung-Woo Lee et al. · 把接触力「视觉化」地接地为当前力与目标力表征，让 VLA 在灵巧手操作中不必外挂力状态输入即可做力感知的目标条件操作，是触觉/力觉接入 VLA 的可直接复用范式。
cs.RO
閱讀原文
VLA [Southwest Wisconsin Technical College]
Beyond Reconstruction Error: Analytical and Data-Driven Action Tokenization for Autoregressive Vision-Language-Action Models
Yuxin Yang et al. · 系统追问自回归 VLA 的离散动作 token 到底该优化什么，论证重构误差并非闭环性能的好代理，并给出分析与数据驱动的动作表征选择方法，直接指导 OpenVLA 类模型的动作头设计。
cs.RO
閱讀原文
VLA [Xi'an Jiaotong University]
StrataVLA: Hierarchical and Efficient 3D Geometric Grounding for Vision-Language-Action Models
Jin Cui et al. · 为 VLA 加入分层高效的 3D 几何接地，无需显式深度或点云输入即可提升空间感知，直击 VLA 3D 空间理解不足这一瓶颈，改造成本低、易于迁移到现有 VLA 主干。
cs.RO
閱讀原文
VLA [Nanjing University]
SafeLoop: Risk-Aware Rollback for Vision-Language-Action Manipulation
Zeyu Lou et al. · 为长时程 VLA 操作引入风险感知回滚：在状态估计或控制误差酿成碰撞/掉物等不可逆失败前识别风险并回退，是提升长时程执行鲁棒性的即插式机制。
cs.RO
閱讀原文
📖 背景閱讀背景阅读
VLA [上海AI Lab]
InternW0: A Foundational Physical World Model for Efficient Real-World Interactions
上海AI Lab 的 InternW 物理世界模型系列首个实例，用全模态接口建模「可执行」的世界演化预测，强调预测须随环境持续变化仍可行动。属世界模型方向，未给出 VLA 策略闭环实验与开源细节。
hf-papers
閱讀原文
VLA [CMU|Held]
JAMB: Joint Action-Motion Diffusion for Bimanual Manipulation
Chuyang Xiao et al. · 把动作与未来运动（几何后果）联合扩散建模，缓解双臂共享 3D 场景中一臂动作改变另一臂状态的耦合问题，属双臂扩散策略方向可参考的实现。
cs.RO
閱讀原文
VLA [Colorado School of Mines]
Capability-Aware Arbitration for Semantic Intent-Based Shared Control
Zhaoda Du et al. · 指出共享控制按意图置信度分配机器人权限会在自主执行不可靠时「过度帮助」，提出按能力感知的仲裁机制，属遥操作人机共享控制而非 VLA 策略学习。
cs.RO
閱讀原文
VLA [Harvard|Yang]
RoboMP-DINOv2: Prompts, Not Filters for Robust Robot Manipulation
Han Qi et al. · 用可提示的 DINOv2 通用视觉编码器替代分割掩码式物体中心表示，让策略在视觉偏移下仍保留与动作相关的场景上下文，属感知骨干层面的改进。
cs.RO
閱讀原文
VLA [Robotics Research (United States)]
HABILIS Brain 0: Geometry-Change Supervision for Vision-Language-Action and Residual Flow Recovery
Jinu Pahk et al. · 为 VLA 引入「几何变化量」监督而非仅当前帧几何，学习具身无关的视觉表征并配合残差流恢复，思路可行但机构小众、缺对比实验信息。
cs.RO
閱讀原文
VLA [Griffith University]
IndustrialVLA-Bench: A Traceable Multi-Axis Evaluation of Open Robot Policy Models
Yiqi Wang et al. · 对开源机器人策略的两条路线（VLA 直接映射 vs. world-action model）做多轴可追溯横向评测，工业场景下可用于选型，属基准类工作。
cs.RO
閱讀原文
VLA [State Key Laboratory of Intelligent Manufacturing Equipment and Technology, School of Mechanical Science and Engineering, Huazhong University of Science and Technology]
CableVLA: Simulation-Privileged Global-Local Representation Learning for Cable Routing
Zhifei Teng et al. · 面向线缆布线的端到端 VLA 框架，把仿真特权监督蒸馏为可部署的「全局拓扑+局部接触」表征，属特定工业变形物任务，通用性待验证。
cs.RO
閱讀原文
VLA [Li Auto Inc]
MachEmbodied-U0: Unified Understanding and Generation Model for Embodied Intelligence
Haoran Wen et al. · 统一具身理解与生成模型，同时做任务意图理解、交互区域定位、场景演化预测与动作生成，试图补上 VLA 缺少显式动态建模的短板，但摘要未给出具体架构与量化对比。
cs.RO
閱讀原文
VLA [AutoLab, School of Artificial Intelligence, Shanghai Jiao Tong University]
RoboFollow: Unveiling the Instruction Following Mirage in Embodied Agents
Chang Guo et al. · 揭示具身智能体「指令跟随」假象：低场景熵下多条指令对应同一可行行为，使成功率虚高，真实指令跟随能力远弱于报告值，对 VLA 评测设计有警示价值。
cs.RO
閱讀原文
VLA [School of Automation and Intelligent Sensing, Shanghai Jiao Tong University]
PhyVisGen: Physically and Visually High-Fidelity Robotic Manipulation Data Generation
Yu Zheng et al. · 针对仿真数据与真机在物理与视觉上的双重差异，生成高保真操作演示以替代昂贵真机采集，属数据生成管线类工作。
cs.RO
閱讀原文
VLA [Embodied Perception and Interaction Lab (EmPACT Lab), School of Electrical and Electronic Engineering, Nanyang Technological University]
MotionForge: A Data Generation Pipeline and Large-Scale Benchmark for Long-Horizon Manipulation of Dynamic Objects with Domain Shifts
Mohan Liu et al. · 面向动态物体长时程操作的数据生成管线与大规模基准，显式引入域偏移，填补现有评测偏静态/准静态的空白，属数据集与基准类。
cs.RO
閱讀原文
VLA [Duke University]
The Cartesian Hand: In-Hand Manipulation with All-Linear Fingers
Boxi Xia et al. · 提出全直线驱动手指的「笛卡尔手」，以少量驱动自由度实现灵巧在手内操作，属机构设计贡献，与 VLA 策略学习无直接接口。
cs.RO
閱讀原文
VLA [Hong Kong Embodied AI Lab]
Fisheye-VLA: Decoupling Coverage and Acuity for Manipulation with a Single Fisheye Camera
Ziang Ren et al. · 用单颗鱼眼相机解耦「大视野」与「局部细节」，替代前视+腕部双相机配置，为 VLA 提供更轻量的视觉接口，属视觉硬件/表征层面的设计。
cs.RO
閱讀原文
VLA [Institute of Automation, Chinese Academy of Sciences]
MedVLA: A Hierarchical Vision-Language-Action Framework for Closed-Loop Precision Medical Robot Manipulation
Junjie Xie et al. · 医疗机器人闭环精密操作的分层 VLA 框架，上层离散决策保证可解释与安全约束、下层连续控制执行，方法可借鉴但域限制明显。
cs.RO
閱讀原文
VLA [The Hong Kong University of Science and Technology (Guangzhou)]
What is the Better Curriculum: Controller-Shaped Grasping Behavior for Contact Force-Sensitive Manipulation
Ziyan Feng et al. · 面向亚牛顿级力敏感的易碎物体操作，比较不同课程安排并提出由控制器塑形的抓取行为课程，属视触觉策略学习，未涉及 VLA 架构。
cs.RO
閱讀原文
VLA [中科院]
GDLAM: Group-Disentangled Latent Action Model for Highly Disentangled Embodied Pretraining
Jiarui Yang et al. · 分组解耦的潜在动作模型，缓解异质视频源在自监督未来预测中被坍缩到同一表征的问题，面向具身预训练的动作表征学习。
cs.RO
閱讀原文
VLA [Peking University]
RoboTwin-Phys: Do WAMs and VLAs Understand the Physical World?
Jiaqi Zhang et al. · 在 RoboTwin 基础上补齐物理条件多样性，构建评测 world-action model 与 VLA 是否真正理解物理规律的基准，属评测类工作。
cs.RO
閱讀原文
VLA [The University of Sydney]
MAVP: Map-Aware Visuomotor Policies for Mobile Manipulation
Jinhe Tang et al. · 为移动操作引入地图感知的视运动策略，用地图约束底盘运动以修正纯演示训练策略的空间错位，面向移动操作但未涉及 VLA 模型。
cs.RO
閱讀原文
VLA [University of Toronto]
RouteRLT: Learning When and Which RL Specialist Should Control a Vision-Language-Action Policy
Chongyu Zhu et al. · 学习在接插件插入、线缆整理等精密接触阶段「何时、由哪个 RL 专家」接管 VLA 策略，是 VLA+RL 精调的一种路由式实现，可作为 RL 微调方向的对照方案。
cs.RO
閱讀原文
VLA
MATE: Multi-Agent Virtual Teleoperation Platform for Humanoid Collaboration Data Collection
Yichuan Yu et al. · 面向人形机器人多机协作的虚拟遥操作数据采集平台，解决多机器人协作演示难以物理采集的问题，属数据采集基础设施。
cs.RO
閱讀原文
VLA [Samsung Robotics eXperience]
Imperfection for Precision: Upcycling Imperfect Data for High-Precision Robotic Manipulation
Hao Wei et al. · 把不完美/低质量演示「升级再利用」以训练高精度 VLA，降低对昂贵高质量遥操作数据的依赖，属数据效率方向的工程尝试。
cs.RO
閱讀原文
VLA [Institute of Automation, Chinese Academy of Sciences]
World In Your Hands: A Large-Scale and Open-Source Ecosystem for Learning Human-Centric Manipulation in the Wild
Yupeng Zheng et al. · 开源 1000+ 小时野外人类操作数据（含毫米级动捕的 Oracle Suite）与配套生态，为人类视频驱动的 VLA 预训练提供大规模数据底座，属数据集类重要资源。
cs.RO
閱讀原文
VLA [University of Delaware]
MicroPush: A Lightweight Simulator for Sim-to-Real Microrobotic Pushing and Assembly
Yanda Yang et al. · 面向微机器人推动与装配的轻量仿真与基准环境，用于 sim-to-real 学习，场景高度小众且与 VLA 无关。
cs.RO
閱讀原文