VLA [KAIST]
DriftOPD: Sequence-Level Reverse-KL Distillation for One-Step VLA Policies
Youngjun Jun et al. · 把 VLA 动作专家蒸馏为单步策略，用序列级 reverse-KL 替代逐 chunk 似然训练，缓解 receding-horizon 推理延迟；可直接用于 π0/OpenVLA 类动作专家的加速部署。
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
- Physics filtering favors the generalization of robot learning [Nanyang Technological University] Jindou Jia et al. · 提出物理过滤方法提升机器人学习从仿真到现实的泛化，属物理先验筛选，与 VLA 架构/训练无直接接口，了解即可。 NPJ-ROBO
- DriftOPD: Sequence-Level Reverse-KL Distillation for One-Step VLA Policies [KAIST] Youngjun Jun et al. · 把 VLA 动作专家蒸馏为单步策略，用序列级 reverse-KL 替代逐 chunk 似然训练，缓解 receding-horizon 推理延迟；可直接用于 π0/OpenVLA 类动作专家的加速部署。 CS.RO
- Towards a General Humanoid Loco-Manipulation Model via Egocentric Whole-Body Human Data Pretraining [Alibaba Group] Chongyang Xu et al. · 用第一人称全身人类视频预训练人形 loco-manipulation 策略，协调移动、双臂与灵巧手；数据预训练思路可参考，但未涉及 VLA 架构或操作 benchmark。 CS.RO
- Same Scene, Different Task: Skill Alignment for Compositional Generalization in VLAs [Korea Advanced Institute of Science and Technology (KAIST)] Taegeun Yang et al. · 定位 VLA 组合泛化的视觉捷径失败模式，提出 skill alignment 让模型在相同场景下正确绑定不同技能；对提升未见技能组合的泛化有直接启示。 CS.RO
- Token-World: World Modeling in Vision-Language Model Token Space for Robot Manipulation [Southern University of Science and Technology] Chuyao Fu et al. · 在 VLM token 空间做世界建模，避免先预测 RGB 再重编码的间接接口，让仿真结果直接对接策略输入；为 VLA 世界模型提供更紧凑的预测接口。 CS.RO
- When Reasoning Helps Action: Monitoring and Steering Chain-of-Thought in Vision-Language-Action Policies [Safe and Intelligent Autonomy Lab, Stanford University] Sathwik Karnik et al. · 研究推理型 VLA 中 CoT 轨迹的监控与运行时纠错，定义并实现通过推理引导的行动修正；对推理型 VLA 的安全部署有参考价值。 CS.RO
- TacDyn-WAM: Learning Implicit Tactile Dynamics in a Heterogeneous Visuo-Tactile World Action Model [Institute for AI Industry Research (AIR), Tsinghua University] Enyi Wang et al. · 在异质视触觉 world-action model 中隐式学习触觉动力学，跳过视频生成式迭代去噪，直接以动作条件预测未来触觉表征；触觉 VLA 可复用其视触融合与动力学建模路径。 CS.RO
- DITTO-X: Forward and Reverse Teleoperation for Dexterous Manipulation and Human Intervention [Columbia|Ciocarlie] Zhanpeng He et al. · 提出正/反向遥操作与人类干预系统，实现灵巧操作的数据采集与部署期策略纠错；可作为灵巧操作数据采集与人机协同的工程参考。 CS.RO
- ECoMEM: Explicit Concept Memory for Memory-Dependent Robot Control [Stanford] Yize Liu et al. · 为记忆依赖型控制引入显式概念记忆，让 VLA 记住已消失的物体、前人演示与任务进度；外部记忆模块可直接接入现有 VLA 策略。 CS.RO
- TOAST: Stochastic Robot Action Tokenization for Autoregressive Vision-Language-Action Models [AIST] Keisuke Shirai et al. · 面向自回归 VLA 提出随机动作 tokenization，在 FAST 之上用随机采样编码连续动作以提升离散动作表征表达力；可直接替换现有 VLA 的动作 tokenizer。 CS.RO
- eRLT: Efficient VLA Reinforcement Learning via Action-Relevant Token Routing [Southern University of Science and Technology, Shenzhen, China] Dehao Huang et al. · 通过动作相关 token 路由实现高效 VLA 强化学习，降低在线 RL 的计算开销；为冻结 VLA 的下游适配提供更省算力的 RL 微调路径。 CS.RO
- NarrativeFlow: Flow-Based Vision-Language-Action Model Using Robot Velocity Fields [Keio University, Japan] Shota Kobayashi et al. · 以机器人速度场作为 embodiment-agnostic 的运动中心表征构建 flow-based VLA，便于跨平台数据复用；为跨具身动作表征提供思路。 CS.RO
VLA 研究日報VLA 研究日报
共 29 篇
🔧 技術技术
VLA [Institute for AI Industry Research (AIR), Tsinghua University]
TacDyn-WAM: Learning Implicit Tactile Dynamics in a Heterogeneous Visuo-Tactile World Action Model
Enyi Wang et al. · 在异质视触觉 world-action model 中隐式学习触觉动力学，跳过视频生成式迭代去噪，直接以动作条件预测未来触觉表征；触觉 VLA 可复用其视触融合与动力学建模路径。
cs.RO
閱讀原文
VLA [Stanford]
ECoMEM: Explicit Concept Memory for Memory-Dependent Robot Control
Yize Liu et al. · 为记忆依赖型控制引入显式概念记忆，让 VLA 记住已消失的物体、前人演示与任务进度；外部记忆模块可直接接入现有 VLA 策略。
cs.RO
閱讀原文
VLA [AIST]
TOAST: Stochastic Robot Action Tokenization for Autoregressive Vision-Language-Action Models
Keisuke Shirai et al. · 面向自回归 VLA 提出随机动作 tokenization，在 FAST 之上用随机采样编码连续动作以提升离散动作表征表达力；可直接替换现有 VLA 的动作 tokenizer。
cs.RO
閱讀原文
VLA [Southern University of Science and Technology, Shenzhen, China]
eRLT: Efficient VLA Reinforcement Learning via Action-Relevant Token Routing
Dehao Huang et al. · 通过动作相关 token 路由实现高效 VLA 强化学习，降低在线 RL 的计算开销；为冻结 VLA 的下游适配提供更省算力的 RL 微调路径。
cs.RO
閱讀原文
📖 背景閱讀背景阅读
VLA [Nanyang Technological University]
Physics filtering favors the generalization of robot learning
Jindou Jia et al. · 提出物理过滤方法提升机器人学习从仿真到现实的泛化，属物理先验筛选，与 VLA 架构/训练无直接接口，了解即可。
npj-Robotics
閱讀原文
VLA [Alibaba Group]
Towards a General Humanoid Loco-Manipulation Model via Egocentric Whole-Body Human Data Pretraining
Chongyang Xu et al. · 用第一人称全身人类视频预训练人形 loco-manipulation 策略，协调移动、双臂与灵巧手；数据预训练思路可参考，但未涉及 VLA 架构或操作 benchmark。
cs.RO
閱讀原文
VLA [Korea Advanced Institute of Science and Technology (KAIST)]
Same Scene, Different Task: Skill Alignment for Compositional Generalization in VLAs
Taegeun Yang et al. · 定位 VLA 组合泛化的视觉捷径失败模式，提出 skill alignment 让模型在相同场景下正确绑定不同技能；对提升未见技能组合的泛化有直接启示。
cs.RO
閱讀原文
VLA [Southern University of Science and Technology]
Token-World: World Modeling in Vision-Language Model Token Space for Robot Manipulation
Chuyao Fu et al. · 在 VLM token 空间做世界建模，避免先预测 RGB 再重编码的间接接口，让仿真结果直接对接策略输入；为 VLA 世界模型提供更紧凑的预测接口。
cs.RO
閱讀原文
VLA [Safe and Intelligent Autonomy Lab, Stanford University]
When Reasoning Helps Action: Monitoring and Steering Chain-of-Thought in Vision-Language-Action Policies
Sathwik Karnik et al. · 研究推理型 VLA 中 CoT 轨迹的监控与运行时纠错，定义并实现通过推理引导的行动修正；对推理型 VLA 的安全部署有参考价值。
cs.RO
閱讀原文
VLA [Columbia|Ciocarlie]
DITTO-X: Forward and Reverse Teleoperation for Dexterous Manipulation and Human Intervention
Zhanpeng He et al. · 提出正/反向遥操作与人类干预系统，实现灵巧操作的数据采集与部署期策略纠错；可作为灵巧操作数据采集与人机协同的工程参考。
cs.RO
閱讀原文
VLA [Keio University, Japan]
NarrativeFlow: Flow-Based Vision-Language-Action Model Using Robot Velocity Fields
Shota Kobayashi et al. · 以机器人速度场作为 embodiment-agnostic 的运动中心表征构建 flow-based VLA，便于跨平台数据复用；为跨具身动作表征提供思路。
cs.RO
閱讀原文
VLA [NUS|Soh]
Divide-and-Remember: Recursive Action-Relevant Memory for Long-Horizon VLA Policies
Xuehui Yu et al. · 提出递归的动作相关记忆机制，按动作需求分层保留长程历史，面向长时序 VLA 的记忆压缩与检索。
cs.RO
閱讀原文
VLA [Materials Informatics Initiative, RD Technology and Digital Transformation Center, JSR Corporation, 3-103-9 Tonomachi, Kawasaki-ku, Kawasaki, Kanagawa, Japan, 210-0821]
quARtet Marker: A 3D-Printable Multi-Tag Fiducial for Robust Near-Frontal Pose Estimation
Araki Wakiuchi et al. · 针对透明/反光实验器材操作，提出可 3D 打印的多标签基准标记实现近正面鲁棒位姿估计；属感知工具，与 VLA 方法无直接关联。
cs.RO
閱讀原文
VLA [Department of Computer Science and Engineering, Texas A&M University, College Station, TX 77843, USA]
WBAG: A Whole-Body and Attached-Geometry Safety Framework for Vision-Language-Action Manipulation
Samuel Zhen et al. · 为 VLA 操作提供全身与附着几何的安全框架，检测机器人各部位及工具的潜在碰撞；面向 VLA 实机部署的安全保障。
cs.RO
閱讀原文
VLA [NVIDIA]
Recova: Agent-Guided Failure Recovery for Autonomous Robotic Manipulation
Isabella Liu et al. · 提出 agent 引导的失败恢复框架，联合学习任务与纠正行为并进行物理接地，使策略能从操作失败状态中恢复；缓解 VLA 部署中的失败卡死。
cs.RO
閱讀原文
VLA [School of Informatics, University of Edinburgh]
Is Success All You Need? Investigating the Impact of Input Perturbations on VLA Behaviour in Tabletop Manipulation Tasks
Sophie Higham et al. · 系统研究输入扰动对 VLA 桌面操作行为的影响，揭示成功率之外的鲁棒性盲区；为 VLA 鲁棒性评估提供方法参考。
cs.RO
閱讀原文
VLA [KAIST AI Holiday Robotics]
FlashDexRetarget: Accelerating Dexterous Manipulation Data Generation through Multi-Motion Retargeting
Kyungmin Lee et al. · 通过多动作重定向加速灵巧操作数据生成，提升人手-物体演示到机器人手的物理可行迁移成功率；为灵巧操作数据扩增提供工具。
cs.RO
閱讀原文
VLA [Department of Computer Science, The University of Texas Rio Grande Valley]
ChunkVLA-AM: Parallel Action Chunking for Vision-Language-Action Robot Control in Additive Manufacturing
Zhugang Liu et al. · 把并行动作分块 VLA 控制用于增材制造场景，解决该领域的部署适配；属垂直应用，通用方法创新有限。
cs.RO
閱讀原文
VLA [Department of Industrial Engineering, Università di Trento]
Robot Learning on Discrete Surfaces: Theory and Applications
Matteo Dalle Vedove et al. · 研究多面体网格内在几何上的机器人学习与运动生成，把表面当作流形而非外部约束；与 VLA 操作关联有限。
cs.RO
閱讀原文
VLA [Ruijin Hospital]
UniWAM: Unified World-Action Model
Jiayi Chen et al. · 统一世界-动作模型，联合世界动力学预测与动作监督以增强 VLA 的物理接地；为世界-动作模型融合提供方案。
cs.RO
閱讀原文
VLA [Peking University]
SkeleWAM: Skeleton World-Action Modeling for Efficient Robotic Manipulation
Juyi Sheng et al. · 提出骨架世界-动作建模，用骨架表征替代视频/latent 预测以显式表达交互几何，去除无关外观信息；为高效世界-动作模型提供紧凑状态表征。
cs.RO
閱讀原文
VLA [University of California, Davis]
DuoMind: Enabling Distributed Multi-Robot Coordination with Semantic Communication
Hanchu Zhou et al. · 用语义通信实现分布式多机器人协调，把 VLM/VLA 能力扩展到多机器人设置；为多机器人 VLA 协作提供通信框架。
cs.RO
閱讀原文
VLA [AXXX]
MIKASA-Robo-VLA: Benchmarking Memory in VLA Models for Long-Horizon Manipulation
Egor Cherepanov et al. · 提出含 90 个语言条件操作任务的记忆 benchmark，评估 VLA 对任务中消失信息的利用能力；为长时序记忆型 VLA 提供评测基准。
cs.RO
閱讀原文
VLA [School of Computing and Augmented Intelligence]
PhysicsLENS: Diagnosing Physical Property Blindness in Video Generation Models
Isaiah Milkey et al. · 诊断视频生成模型的物理属性盲区，评估生成的机器人视频是否通过违反物理规律来完成任务；与机器人视频世界模型的可靠性评估相关。
cs.RO
閱讀原文
VLA [Seoul National University]
3DROID: A Renderable 3D Gaussian Dataset with Measured Per-Scene Reliability
Wonguen Cho et al. · 发布可渲染的 3D Gaussian 数据集并提供逐场景可靠性度量，为操作模型补充几何先验；为 3D 机器人数据提供新资源。
cs.RO
閱讀原文
VLA [Johns Hopkins Applied Physics Laboratory]
Continuous Conditioning of VLAs with Augmenting EMG and Visual Task Descriptors
Edward W. Staley et al. · 用 EMG 与视觉任务描述对 VLA 做连续任务条件化，补充语言之外的模态信息；需专用肌电设备，短期复用门槛较高。
cs.RO
閱讀原文
VLA [University of Cambridge]
LiteReality-Agent: An Agentic System for Interactable 3D Indoor Scene Reconstruction
Zhening Huang et al. · 用 agentic 编码方式从 RGB-D 扫描重建可交互的 articulated 3D 室内场景；可用于仿真场景构建，但非 VLA 方法本身。
cs.RO
閱讀原文
VLA [University of Arkansas]
SlotVLA: Towards Modeling of Object-Relation Representations in Robotic Manipulation
Taisei Hanyu et al. · 用 slot attention 建模物体及其关系表征，作为多任务机器人操作的基础，为 VLA 提供 object-centric 结构化输入。
cs.RO
閱讀原文