VLA [Wuhan University of Technology]
World-Calibrated Proposal-to-Action Flow for Vision-Language-Action Models
Jie He et al. · 针对流匹配 VLA 从任务无关高斯源采样、忽略执行历史的问题，用世界模型校准的 proposal-to-action 流重构源分布以提升动作块生成。可直接复用于 flow-based VLA 的源建模。
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. · 通过物理过滤筛选/加权训练数据提升机器人学习泛化能力，属通用机器人学习范畴，未涉及 VLA 架构、触觉或可直接复用的操作策略方法。 NPJ-ROBO
- World-Calibrated Proposal-to-Action Flow for Vision-Language-Action Models [Wuhan University of Technology] Jie He et al. · 针对流匹配 VLA 从任务无关高斯源采样、忽略执行历史的问题，用世界模型校准的 proposal-to-action 流重构源分布以提升动作块生成。可直接复用于 flow-based VLA 的源建模。 CS.RO
- SocialVLA: A Social Perception Gateway for Human-Reaction-Based Failure Detection and Recovery in VLA Manipulation [Skolkovo Institute of Science and Technology] Sofya Konstantinova et al. · 利用人类观察者的语音/面部等社交反馈信号检测 VLA 操作失败并触发恢复，为 VLA 自省式失败恢复提供新思路，但方法依赖人类在场，暂难直接复用。 CS.RO
- Rethinking World-Action Model for Compositional and In-Context Robotic Manipulation [北大] Shukai Gong et al. · 针对长时程组合操作改造世界-动作模型，解决短时程视觉未来预测与多子任务协调的割裂，支持组合任务与上下文内学习。可复用于 WAM 的长时程训练与任务分解。 CS.RO
- OpenRUA: Robot-Use Agents Are Zero-Shot Visuomotor Policies [UCL] Zhaoyang Chu et al. · 将编码智能体(Robot-Use Agents)当作零样本视觉运动策略，让 LLM 智能体直接编写执行机器人控制程序，为 agentic 控制提供新视角但未涉及 VLA 模型本身。 CS.RO
- CriticHack: Evaluating Visual Rewards Under Robot Policy Optimization [Utah State University] Jiaxuan Luo et al. · 揭示学习型视觉奖励模型会被优化过程'奖励攻击'放大错误行为，系统评测机器人策略优化中的奖励可靠性，为用视觉奖励精调 VLA 提供警示。 CS.RO
- DeltaWorld: Physically Consistent Interactive World Simulators via Action-Conditioned Latent Increment Learning [China Three Gorges University] Boyuan Hou et al. · 以动作条件化潜空间增量学习构建物理一致的交互式世界模拟器，用于机器人规划与策略训练并降低物理 rollout 依赖，属世界模型方向。 CS.RO
- AdaTempo: Learning Shared Relative Tempo from Demonstrations for Faster Robot Manipulation [清华] Jiale Cao et al. · 从演示中学习共享的相对时间节奏，对不同操作阶段做差异化加速，缓解视觉运动策略继承遥操作演示过慢的问题，属演示数据处理技巧。 CS.RO
- RoboBridge: A Self-Evolving Embodied Agent Framework for Sim-to-Real Transfer [中科院] Chenxi Li et al. · 自演化 embodied agent 框架，通过仿真到真实的闭环自训练让智能体部署后持续适应，涉及 sim-to-real 端到端 VLA 策略，但摘要未给出具体机制细节。 CS.RO
- SimpleTouch: Can Vision-Language-Action Models Master Contact-Rich Manipulation Without Tactile Policy Pretraining? [Fuzhou University] Chen Yang et al. · 系统探究 VLA 模型能否在没有触觉策略预训练的情况下掌握接触丰富操作，给出简化的触觉注入方案，对触觉 VLA 是否需专门预训练这一关键问题给出直接答案，可指导触觉微调流程。 CS.RO
- Skill2Real: Agentic Skill Learning for Zero-Shot Sim-to-Real Robot Manipulation [UCLA Health] Xincheng He et al. · 用智能体式技能学习从仿真中抽取可跨感知、动力学与形态差异复用的任务知识，实现零样本 sim-to-real 操作。 CS.RO
- ManiPhysicsBench: Physics-Based Assessment of Object Preservation in VLA Manipulation [KAIST] Sangwu Park et al. · 构建基于物理的对象保全性评测基准(ManiPhysicsZoo)，指出刚体任务成功率无法反映 VLA 是否保持物体物理属性，为 VLA 评测提供新维度。 CS.RO
VLA 研究日報VLA 研究日报
共 29 篇
🔧 技術技术
VLA [北大]
Rethinking World-Action Model for Compositional and In-Context Robotic Manipulation
Shukai Gong et al. · 针对长时程组合操作改造世界-动作模型，解决短时程视觉未来预测与多子任务协调的割裂，支持组合任务与上下文内学习。可复用于 WAM 的长时程训练与任务分解。
cs.RO
閱讀原文
VLA [Fuzhou University]
SimpleTouch: Can Vision-Language-Action Models Master Contact-Rich Manipulation Without Tactile Policy Pretraining?
Chen Yang et al. · 系统探究 VLA 模型能否在没有触觉策略预训练的情况下掌握接触丰富操作，给出简化的触觉注入方案，对触觉 VLA 是否需专门预训练这一关键问题给出直接答案，可指导触觉微调流程。
cs.RO
閱讀原文
VLA [Sungkyunkwan University]
FastOPD: On-Policy Distillation for Lightweight VLA Deployment
Yoojin Oh et al. · 针对 VLA 基础模型部署算力瓶颈，提出 on-policy 蒸馏将大 VLA 压缩为轻量策略，兼顾操作性能与推理效率，为 VLA 边缘/实时部署提供可落地的压缩方案。
cs.RO
閱讀原文
VLA [City University of Hong Kong]
Equivariant Visual-Tactile Diffusion Policy for Contact-Rich Manipulation
Lik Hang Kenny Wong et al. · 提出工作空间级等变的视觉-触觉扩散策略 VISTA，利用对称性等变降低专家数据需求，提升接触丰富操作的样本效率，可直接复用于触觉 VLA 的数据高效训练。
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. · 通过物理过滤筛选/加权训练数据提升机器人学习泛化能力，属通用机器人学习范畴，未涉及 VLA 架构、触觉或可直接复用的操作策略方法。
npj-Robotics
閱讀原文
VLA [Skolkovo Institute of Science and Technology]
SocialVLA: A Social Perception Gateway for Human-Reaction-Based Failure Detection and Recovery in VLA Manipulation
Sofya Konstantinova et al. · 利用人类观察者的语音/面部等社交反馈信号检测 VLA 操作失败并触发恢复，为 VLA 自省式失败恢复提供新思路，但方法依赖人类在场，暂难直接复用。
cs.RO
閱讀原文
VLA [UCL]
OpenRUA: Robot-Use Agents Are Zero-Shot Visuomotor Policies
Zhaoyang Chu et al. · 将编码智能体(Robot-Use Agents)当作零样本视觉运动策略，让 LLM 智能体直接编写执行机器人控制程序，为 agentic 控制提供新视角但未涉及 VLA 模型本身。
cs.RO
閱讀原文
VLA [Utah State University]
CriticHack: Evaluating Visual Rewards Under Robot Policy Optimization
Jiaxuan Luo et al. · 揭示学习型视觉奖励模型会被优化过程'奖励攻击'放大错误行为，系统评测机器人策略优化中的奖励可靠性，为用视觉奖励精调 VLA 提供警示。
cs.RO
閱讀原文
VLA [China Three Gorges University]
DeltaWorld: Physically Consistent Interactive World Simulators via Action-Conditioned Latent Increment Learning
Boyuan Hou et al. · 以动作条件化潜空间增量学习构建物理一致的交互式世界模拟器，用于机器人规划与策略训练并降低物理 rollout 依赖，属世界模型方向。
cs.RO
閱讀原文
VLA [清华]
AdaTempo: Learning Shared Relative Tempo from Demonstrations for Faster Robot Manipulation
Jiale Cao et al. · 从演示中学习共享的相对时间节奏，对不同操作阶段做差异化加速，缓解视觉运动策略继承遥操作演示过慢的问题，属演示数据处理技巧。
cs.RO
閱讀原文
VLA [中科院]
RoboBridge: A Self-Evolving Embodied Agent Framework for Sim-to-Real Transfer
Chenxi Li et al. · 自演化 embodied agent 框架，通过仿真到真实的闭环自训练让智能体部署后持续适应，涉及 sim-to-real 端到端 VLA 策略，但摘要未给出具体机制细节。
cs.RO
閱讀原文
VLA [UCLA Health]
Skill2Real: Agentic Skill Learning for Zero-Shot Sim-to-Real Robot Manipulation
Xincheng He et al. · 用智能体式技能学习从仿真中抽取可跨感知、动力学与形态差异复用的任务知识，实现零样本 sim-to-real 操作。
cs.RO
閱讀原文
VLA [KAIST]
ManiPhysicsBench: Physics-Based Assessment of Object Preservation in VLA Manipulation
Sangwu Park et al. · 构建基于物理的对象保全性评测基准(ManiPhysicsZoo)，指出刚体任务成功率无法反映 VLA 是否保持物体物理属性，为 VLA 评测提供新维度。
cs.RO
閱讀原文
VLA [North China Electric Power University]
SARI: Phase-Split Sim-Real Co-Training for Contact-Rich Manipulation
Xingxin He et al. · 提出阶段分离的仿真-真实协同训练(Simulated Approach, Real Interaction)，用仿真覆盖泛化放置、真实数据学接触交互，降低接触丰富任务的真实演示成本。
cs.RO
閱讀原文
VLA [The University of Sydney]
Register-Routed Delayed Fusion: Rewiring Shortcut-Prone Observation Fusion in Visuomotor Imitation
Jieting Long et al. · 分析视觉运动模仿中视觉 token 与本体感觉等紧凑信号的融合拓扑，指出密集 token 融合易学捷径，提出 register 路由延迟融合改善，属模仿学习架构细节。
cs.RO
閱讀原文
VLA [KAIST]
PointWAM: 3D World Action Modeling for Dexterous Robotic Manipulation
Chunghyun Park et al. · 以点云表示世界与动作，提出 3D 世界-动作模型用于灵巧操作，弥补 RGB/潜空间世界模型在空间理解上的不足。
cs.RO
閱讀原文
VLA
Permutation Robustness Is Not Enough: Action Collapse in Multi-Agent Transformer Policies
Amit Thakur et al. · 研究多智能体 Transformer 策略在智能体顺序置换下的动作崩溃问题，揭示置换鲁棒性不足，属多智能体机器人学习而非 VLA。
cs.RO
閱讀原文
VLA [East China University of Science and Technology]
MixVLA: Adaptive Mixing of Non-Invariant Information for Generalizable Vision-Language-Action Models
Pingrui Zhang et al. · 针对 VLA 零样本 OOD 泛化，提出自适应混合任务无关的非不变信息，缓解任务不变结构与任务相关信息的纠缠。
cs.RO
閱讀原文
VLA [Xi'an Jiaotong University]
MobiAgent: Dual-Loop Recursive Policy Self-Improvement for Long-Horizon Mobile Manipulation
Chenzhi Liu et al. · 针对长时程移动操作中误差累积与移动/手臂控制容量冲突，提出双环递归策略自改进框架，提升 VLA 在长时程任务上的表现。
cs.RO
閱讀原文
VLA [The University of Tokyo]
Detect and Suppress: A Mechanistic Defense against Adversarial Patches in VLA Models
Yukiya Horiba et al. · 从机制层面分析对抗补丁如何破坏 VLA 的视觉观测导致控制失败，并提出检测与抑制的防御方法，属 VLA 安全性研究。
cs.RO
閱讀原文
VLA [University of Maryland , College Park]
XGenAct: Geometry-Enhanced World Action Models through Cross-Task Generation
Tingting Du et al. · 通过跨任务生成增强几何信息的动作预测，弥补 RGB+动作未来预测缺乏空间理解的问题，属世界-动作模型变体。
cs.RO
閱讀原文
VLA [Shanghai University of Engineering Science]
RATE: Risk-Aware Tactile Encoding for Contact-rich Robotic Manipulation
Yuyao Jiang et al. · 针对相似触觉观测来自不同交互条件的问题，提出风险感知的触觉编码，提升接触丰富操作的表征质量。
cs.RO
閱讀原文
VLA [Southwest Wisconsin Technical College]
World Action Learning via Interaction-Centric Spectral Latent Guidance
Zhiming Liu et al. · 利用第一人称人类视频，通过交互中心的谱潜空间引导学习世界-动作模型，缓解真实机器人演示数据稀缺问题。
cs.RO
閱讀原文
VLA [Berkeley]
Bridging Frontier Reasoning and Robot Execution: From Autonomous Demonstration Generation to Dense Language Supervision
Bosung Kim et al. · 研究用前沿模型自动生成演示与稠密语言监督，弥合大模型推理与机器人实时执行之间的延迟鸿沟，属数据生成与语言监督方向。
cs.RO
閱讀原文
VLA [Luna Innovations (United States)]
GlanceWAM: Sparse Test-Time Imagination for World-Action Models
Linhan Wang et al. · 提出稀疏测试时想象机制，在控制频率下按需生成少量未来帧，缓解世界-动作模型视频生成延迟与放弃想象之间的权衡。
cs.RO
閱讀原文
VLA [National University of Singapore]
Fewer Tokens, Better Action: GPT-6 Astra Robot Agents with 14% Higher Success Rate but 65% Fewer Tokens
Ruiyang Si et al. · 提出 PyRUA-Lean 交互式代码执行框架，减少 VLM 机器人智能体的重复模型调用与冗余观测 token，兼顾成功率与推理开销。
cs.RO
閱讀原文
VLA
Co-design Gym: A Unified Benchmark for Embodiment-Policy Co-optimization
Aviraj Newatia et al. · 提出统一的形态-策略协同优化基准 Co-design Gym，跨游戏、机器人等领域为联合设计行为策略与环境提供评测平台。
cs.RO
閱讀原文
VLA [Chongqing Normal University]
Move-Then-Operate: Behavioral Phasing for Human-Like Robotic Manipulation
Haoming Xu et al. · 提出将 VLA 操作显式解耦为粗定位(move)与接触关键交互(operate)两个行为阶段，避免单体策略在长时程任务中的耦合问题。
cs.RO
閱讀原文