VLA [University of Southern California]
BIND: Binding 3D Robot Actions to 2D Image Features
Cameron Smith et al. · 提出把3D机器人动作绑定到对应2D图像特征的新动作表示，在物体位置与相机视角OOD下显著提升鲁棒性并大幅提高数据效率。可直接替换现有VLA动作头，本周即可在自有数据上验证。
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
- Fiatlux: A Long-Horizon Benchmark for Humanoid Ladder Climbing and Light-Bulb Replacement [NVIDIA] Pavel Bushuyeu et al. · 提出首个把垂直攀爬与脆弱灯泡精细更换纳入同一长时程episode的人形机器人基准，填补现有基准只测桌面操作或平地家务的空白。属整机级评测，与VLA策略训练无直接接口。 CS.RO
- Memorize, Adapt, Ignore: Diagnosing Robot Learning Mechanisms under Training Data Variation [PRIME Robotics Lab, Department of Mechanical Engineering, The University of British Columbia] Ke Zhang et al. · 系统诊断域随机化设计与演示筛选如何经「记忆-适应-忽略」三类机制影响操作策略鲁棒性，给出数据变化的作用路径。属分析性结论，未提供可直接替换的训练方法。 CS.RO
- BIND: Binding 3D Robot Actions to 2D Image Features [University of Southern California] Cameron Smith et al. · 提出把3D机器人动作绑定到对应2D图像特征的新动作表示，在物体位置与相机视角OOD下显著提升鲁棒性并大幅提高数据效率。可直接替换现有VLA动作头，本周即可在自有数据上验证。 CS.RO
- What to Attend, What to Keep: Skill-Conditioned Visuotactile Representation with Progress-Guided Event Memory [Computer Science Department, University of Maryland, College Park] Amir-Hossein Shahidzadeh et al. · 提出技能条件化的视触觉表征与进度引导事件记忆，让策略按阶段动态权衡视觉引导与触觉时序历史，直接服务抓取、对齐与接触判断。触觉VLA方向稀缺工作，可复用到现有视触觉策略。 CS.RO
- Correcting WHERE, Preserving HOW: Compositional Generalization for Vision-Language-Action Models via Referential Guidance [Case Western Reserve University] Yanyan Zhang et al. · 用指代引导纠正VLA对操作物体、目标位置与背景的组合泛化错误，同时保留原有动作模式。思路对泛化瓶颈有启发，但摘要未给新架构与量化提升。 CS.RO
- Online Evolution Strategy for Flow-Matching VLA Policies via Self-Supervised Trajectory Distribution Optimization [China Mobile (Hangzhou) Information Technology Co., Ltd] Gongxin Yao et al. · 用在线进化策略对Flow-Matching VLA做自监督轨迹分布优化，无需新增专家演示即可精调生成式策略，缓解确定性策略无法表达多模态动作的问题。为流匹配VLA的在线RL精调提供可复用方案。 CS.RO
- Benchmarking and Enhancing Skill-Level Memory for Partially Observable Robotic Manipulation [School of Information Science And Technology, University of Science and Technology of China] Yansong Shi et al. · 构建部分可观测操作下的技能级记忆基准并给出增强方法，聚焦从历史推断隐藏任务状态。可作为VLA记忆模块的评测参考，但非策略主干方法。 CS.RO
- EmbodiRSI: Recursive Self-Improvement for Data-Efficient Robot Adaptation [Sichuan Normal University] Haoran Lang et al. · 提出agentic递归自我改进系统，让机器人在新任务上按当前能力与失败模式自动生成下一步所需数据。agentic数据闭环思路有价值，但摘要未披露具体机制与真机结果。 CS.RO
- SimEX: Simulation-Integrated Robotics AutoResearch [Amazon FAR (Frontier AI & Robotics)] Jiaheng Hu et al. · 让LLM编码agent在仿真中自动完成机器人研究闭环，把数字世界的自主科研能力延伸到物理世界。属自动化研究工具链，与VLA策略本身无直接接口。 CS.RO
- Cue the Flow: Steering Flow-Matching Policies for Open-World Delivery Manipulation [University of Illinois Chicago] Haoxuan Wang et al. · 用高层接地模型把自由形式语言转成视觉提示来引导流匹配策略，完成开放世界配送中的新颖物体操作。移动操作场景相关，但摘要未展示与VLA主干的通用结合点。 CS.RO
- Looking Back to Move Forward: Temporal Verification for Generative Robot Policies [University of Illinois Chicago] Haoxuan Wang et al. · 对生成式机器人策略做时序回溯验证，识别异质演示导致的次优行为模式。属诊断与验证工具，不直接提升策略能力。 CS.RO
- Blackout vs. Freeze: Analyzing Physical Failure Modes of VLAs under Camera Faults [Seoul National University] Heejae Suh et al. · 实测π0.5与GR00T在图像黑屏与冻结输入下的失效模式，暴露VLA对视觉故障的脆弱性与物理安全风险。对部署期鲁棒性设计有直接参考价值，但为分析性研究。 CS.RO
VLA 研究日報VLA 研究日报
共 27 篇
🔧 技術技术
VLA [Computer Science Department, University of Maryland, College Park]
What to Attend, What to Keep: Skill-Conditioned Visuotactile Representation with Progress-Guided Event Memory
Amir-Hossein Shahidzadeh et al. · 提出技能条件化的视触觉表征与进度引导事件记忆，让策略按阶段动态权衡视觉引导与触觉时序历史，直接服务抓取、对齐与接触判断。触觉VLA方向稀缺工作，可复用到现有视触觉策略。
cs.RO
閱讀原文
VLA [China Mobile (Hangzhou) Information Technology Co., Ltd]
Online Evolution Strategy for Flow-Matching VLA Policies via Self-Supervised Trajectory Distribution Optimization
Gongxin Yao et al. · 用在线进化策略对Flow-Matching VLA做自监督轨迹分布优化，无需新增专家演示即可精调生成式策略，缓解确定性策略无法表达多模态动作的问题。为流匹配VLA的在线RL精调提供可复用方案。
cs.RO
閱讀原文
VLA [East China Normal University]
MotionWeave: Learning Motion-Centered Future Dynamics for Vision-Language-Action Policies
Jingqiu Wang et al. · 针对世界模型监督中预测未来图像携带大量与控制无关外观的问题，改为学习以运动为中心的未来动力学，为VLA提供更贴合的动态监督。可直接接入现有VLA+世界模型训练管线。
cs.RO
閱讀原文
VLA [Southwest University]
Toward Real-Time VLAs: Stage-Aware Two-Step Flow Denoising and System-Level Evaluation
Di Wu et al. · 实测VLA推理与机器人执行链的端到端时延，量化低推理频率与高执行频率的错配，并提出阶段感知两步流去噪压缩迭代步数。实时化部署直接可用，含系统级评测方法。
cs.RO
閱讀原文
📖 背景閱讀背景阅读
VLA [NVIDIA]
Fiatlux: A Long-Horizon Benchmark for Humanoid Ladder Climbing and Light-Bulb Replacement
Pavel Bushuyeu et al. · 提出首个把垂直攀爬与脆弱灯泡精细更换纳入同一长时程episode的人形机器人基准，填补现有基准只测桌面操作或平地家务的空白。属整机级评测，与VLA策略训练无直接接口。
cs.RO
閱讀原文
VLA [PRIME Robotics Lab, Department of Mechanical Engineering, The University of British Columbia]
Memorize, Adapt, Ignore: Diagnosing Robot Learning Mechanisms under Training Data Variation
Ke Zhang et al. · 系统诊断域随机化设计与演示筛选如何经「记忆-适应-忽略」三类机制影响操作策略鲁棒性，给出数据变化的作用路径。属分析性结论，未提供可直接替换的训练方法。
cs.RO
閱讀原文
VLA [Case Western Reserve University]
Correcting WHERE, Preserving HOW: Compositional Generalization for Vision-Language-Action Models via Referential Guidance
Yanyan Zhang et al. · 用指代引导纠正VLA对操作物体、目标位置与背景的组合泛化错误，同时保留原有动作模式。思路对泛化瓶颈有启发，但摘要未给新架构与量化提升。
cs.RO
閱讀原文
VLA [School of Information Science And Technology, University of Science and Technology of China]
Benchmarking and Enhancing Skill-Level Memory for Partially Observable Robotic Manipulation
Yansong Shi et al. · 构建部分可观测操作下的技能级记忆基准并给出增强方法，聚焦从历史推断隐藏任务状态。可作为VLA记忆模块的评测参考，但非策略主干方法。
cs.RO
閱讀原文
VLA [Sichuan Normal University]
EmbodiRSI: Recursive Self-Improvement for Data-Efficient Robot Adaptation
Haoran Lang et al. · 提出agentic递归自我改进系统，让机器人在新任务上按当前能力与失败模式自动生成下一步所需数据。agentic数据闭环思路有价值，但摘要未披露具体机制与真机结果。
cs.RO
閱讀原文
VLA [Amazon FAR (Frontier AI & Robotics)]
SimEX: Simulation-Integrated Robotics AutoResearch
Jiaheng Hu et al. · 让LLM编码agent在仿真中自动完成机器人研究闭环，把数字世界的自主科研能力延伸到物理世界。属自动化研究工具链，与VLA策略本身无直接接口。
cs.RO
閱讀原文
VLA [University of Illinois Chicago]
Cue the Flow: Steering Flow-Matching Policies for Open-World Delivery Manipulation
Haoxuan Wang et al. · 用高层接地模型把自由形式语言转成视觉提示来引导流匹配策略，完成开放世界配送中的新颖物体操作。移动操作场景相关，但摘要未展示与VLA主干的通用结合点。
cs.RO
閱讀原文
VLA [University of Illinois Chicago]
Looking Back to Move Forward: Temporal Verification for Generative Robot Policies
Haoxuan Wang et al. · 对生成式机器人策略做时序回溯验证，识别异质演示导致的次优行为模式。属诊断与验证工具，不直接提升策略能力。
cs.RO
閱讀原文
VLA [Seoul National University]
Blackout vs. Freeze: Analyzing Physical Failure Modes of VLAs under Camera Faults
Heejae Suh et al. · 实测π0.5与GR00T在图像黑屏与冻结输入下的失效模式，暴露VLA对视觉故障的脆弱性与物理安全风险。对部署期鲁棒性设计有直接参考价值，但为分析性研究。
cs.RO
閱讀原文
VLA [Technische Universität Darmstadt]
Exploiting Vulnerabilities: Universal Adversarial Attacks on Vision-Language-Action Models in Robotics
Songhua Yang et al. · 提出针对VLA的通用对抗攻击，暴露端到端感知-语言-动作模型的脆弱面。安全性方向的分析工作，暂无可直接复用的防御机制。
cs.RO
閱讀原文
VLA [University of Sydney]
DSDyn-VLA: A Dual-Stream Dynamic Manipulation Framework with Motion Perception, Future Awareness, and Realtime Correction
Wenhao Li et al. · 针对传送带等动态场景指出当前VLA的三大失效点，用双流结构加入运动感知、未来预测与实时纠偏。问题定义具体，但摘要未给出benchmark对比与量化收益。
cs.RO
閱讀原文
VLA [The University of Melbourne]
The Planning Limits of Latent World Models
Ali Alrasheed et al. · 系统刻画潜在世界模型在何种预测条件下失效、何种条件下可用于规划，界定其能力边界。对世界模型驱动的VLA规划有认知价值，但非新方法。
cs.RO
閱讀原文
VLA [CogLeap.AI Space Intelligence (Wuxi) Technology Co., Ltd]
A Biophysically Detailed C. elegans Circuit as a Task-Agnostic Dynamical Core for Visually Robust Robot Manipulation
Linrui Qian et al. · 把线虫神经环路的生物物理结构当作任务无关动力学核心驱动机械臂，探索跨任务与跨视觉环境的泛化。方向新颖但离VLA主流训练范式较远。
cs.RO
閱讀原文
VLA [School of Future Technology, University of Chinese Academy of Sciences]
HiWE: Hierarchical World Knowledge Model with Visual Keypoint Enhancement for Zero-Shot 3D Path Planning
Guoqing Ma et al. · 用层级世界知识模型与视觉关键点增强，在视觉接地与语言之间建立点式接口以生成机器人示范。属零样本3D路径规划，非VLA操作策略。
cs.RO
閱讀原文
VLA [XPENG Robotics]
IronMind: Scaling Humanoid Dexterous Manipulation via Camera-Space Ego-Centric Pretraining
Huimin Pan et al. · arXiv:2609.39403v1 Announce Type: new Abstract: Egocentric human video offers a scalable data source for dexterous manipulation, yet using it to train humanoid robots presents two challenges: (1) an embodiment gap, as human hands differ structurally from robot end-effectors and low-cost egocentric recordings lack the torso kinematics required by conventional retargeting; and (2) heterogeneous data quality, including noisy hand-pose tracking and weakly aligned text annotations. We introduce IronM
cs.RO
閱讀原文
VLA [LIBERO Team]
LIBERO-Agent: Evaluating General-Purpose Agents for Direct Embodied Manipulation
Zijie Diao et al. · 在LIBERO上评测通用agent能否把数字世界的规划与工具使用能力迁移到具身操作。属基准与能力评估，对VLA策略本体改进无直接贡献。
cs.RO
閱讀原文
VLA [The Hong Kong University of Science and Technology (Guangzhou)]
Discrete Forcing: Infusing Discrete Guidance into Continuous Denoising for Few-Step Action Experts
Jingbo Wang et al. · 把离散动作token的结构先验注入连续去噪过程，兼顾粗粒度结构与细粒度精度并实现少步动作生成。对VLA推理加速有借鉴意义，但摘要未给与主流VLA基线的对比。
cs.RO
閱讀原文
VLA [Nanjing University]
Text-to-3D Policy: Fine-Grained Language-Behavior Alignment for Unseen Specification Generalization
Xinhao Yang et al. · 研究文本到3D策略在未见细粒度行为规范上的泛化，做法是加强语言与行为的细粒度对齐。与VLA语言接地部分重叠，但聚焦3D策略的规范泛化。
cs.RO
閱讀原文
VLA [Nanyang Technological University]
From Local Whole-Body VLA Behaviors to Scene-Scale Aerial Manipulation
Weixiang Guo et al. · 把本体级VLA行为扩展到场景级空中操作，针对示范成本高、时延导致动作-状态错位与跨场地迁移问题。属空中操作场景，与地面VLA操作的迁移性有限。
cs.RO
閱讀原文
VLA [Renmin University of China]
RoboCoach: World Models as Active Coaches for Compositional Robot Skills
Jiajun Liu et al. · 用世界模型充当主动教练，决定下一步该教哪个技能、该在哪里施加改进，以降低长时程技能组合的自改进成本。自改进数据选择思路可借鉴，摘要未给具体算法细节。
cs.RO
閱讀原文
VLA [University of Notre Dame]
Learning from Runtime Feedback through Failure-Bank Self-Evolution for Vision-Language-Action Models
Mingyue Cui et al. · 通过失败银行自进化让VLA从运行时反馈中学习，在任务成功与意外接触之间取得平衡，而非仅靠运行时shield单步纠错。方向切中VLA部署痛点，但摘要未披露机制与量化结果。
cs.RO
閱讀原文
VLA [Physical Intelligence]
Magic-W0: A Structured World-Action Foundation Model for Physical Intelligence
Xuhua Chen et al. · 提出结构化世界-动作基础模型，用控制导向的世界表示替代未来观测重建或泛化潜变量预测。与VLA世界模型方向一致，但摘要未给出基准与消融数据支撑其「基础模型」定位。
cs.RO
閱讀原文