VLA [Beijing University of Posts and Telecommunications]
VersaCamVLA: Camera-Configurable VLA Policies for Robotic Manipulation
Boyao Han et al. · 提出相机配置可变的 VLA 策略，在部署时相机数量/位姿变化下依然鲁棒，直击固定相机训练导致的部署脆弱性；可直接用于实际 VLA 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
- Gamma: Grounded Multi-Agent Memory with Mechanical Audit for Memory-Intensive Manipulation [Nanjing Agricultural University] Yudong Liu et al. · 给预训练 VLA 加 grounded 多智能体记忆与机械审计模块，解决依赖远期事件的记忆型操作；但记忆方向已有 REMM/PMTRM 等多篇，增量有限。 CS.RO
- Tactile Sensing-based Secure and Gentle Grasping of Unknown Objects [复旦] Feng Han · 基于触觉的在线数据驱动预测控制，同时保证抓牢与不损伤未知物体；属纯抓取控制，未涉及 VLA 训练或架构。 CS.RO
- StereoEngine: Scaling Stereo Bimanual Robot Data without Stereo Cameras [USC|Seita] Jason Chen et al. · 用生成式单目→双目方法批量合成配准的双臂数据，绕开真实双目相机稀缺；可扩大双目 VLA 训练数据，但整体更偏数据生成工具。 CS.RO
- REMM: Revisable Embodied Memory for Manipulation [Robert Bosch (United States)] Revanth Krishna Senthilkumaran et al. · 为长时序操作提出可修正的具身记忆，在环境扰动后可撤销已完成子目标并触发修复；机制有价值但未与 VLA 策略端到端结合。 CS.RO
- Spa-Bench: A Real-Robot Benchmark for Spatial Grounding in Vision-Language-Action Models [Imperial] Justin Tien-Smith et al. · 面向 VLA 空间 grounding 的真实机器人 benchmark，专门评测空间关系理解而非总体成功率；适合诊断 VLA 的空间认知短板。 CS.RO
- Non-Prehensile Multi-Object Placement with Mobile Robots via Diffusion-Based Trajectory Planning Lance Pharand et al. · 移动机器人非抓取式多物体精密放置，用扩散模型做轨迹规划；属规划/控制方法，与 VLA 无直接关联。 CS.RO
- PanTact: Teaching Whole-Body Dexterity with a Wearable Contact Interface [Stanford] Xiaomeng Xu et al. · 用可穿戴接触接口学习人形全身灵巧操作，把操作从手部扩展到全身接触面；触觉+全身方向值得关注，但未见 VLA 策略集成。 CS.RO
- Dex-One2Many: Learning Dexterous Manipulation from a Single Human Demonstration [SNU] Jusuk Lee et al. · 从单条人类视频学习灵巧操作，放松严格动作匹配以泛化到未见初始/目标位姿与抓取；属单样本灵巧操作，未与 VLA 结合。 CS.RO
- DreamTrue: Action-Faithful Robot World Model with Counterfactual Post-Training [人大] Junyan Li et al. · 多视角跨本体机器人世界模型，用反事实后训练提升动作忠实度与物理合理性；世界模型方向，可关注其与 VLA 策略的结合。 CS.RO
- SpatialHarness: Test-Time Spatial Scaffolding for Fine Robotic Manipulation [Jiangsu University] Jiayu Wang et al. · 测试时用空间 scaffold 增强 GPT-6 等多模态基础模型的精细操作能力；推理时增强思路可迁移，但非 VLA 训练方法。 CS.RO
- VersaCamVLA: Camera-Configurable VLA Policies for Robotic Manipulation [Beijing University of Posts and Telecommunications] Boyao Han et al. · 提出相机配置可变的 VLA 策略，在部署时相机数量/位姿变化下依然鲁棒，直击固定相机训练导致的部署脆弱性；可直接用于实际 VLA 部署。 CS.RO
- Generative Neural Retargeting for Human-to-Robot Dexterous Manipulation [National University of Singapore] Dechen Gao et al. · 用生成式重定向把人类动作转成动力学可行的机器人灵巧操作轨迹，弥补 IK 忽略动力学的缺陷；属数据重定向，未涉及 VLA。 CS.RO
VLA 研究日報VLA 研究日报
共 54 篇
🔧 技術技术
VLA [NVIDIA|Ramos]
ARC: A Reasoning Recipe for Robot Foundation Models
Gokul Puthumanaillam et al. · 提出面向机器人基础模型的推理后训练配方，无需更大模型或更多数据即可显著提升零样本任务表现；可直接复用到现有 VLA 后训练流程。
cs.RO
閱讀原文
VLA [清华]
PLaW-VLA: Predictive Latent World Modeling for Vision-Language-Action Policies
Yu Liu et al. · 为 VLA 引入预测性潜在世界建模，只建模任务相关的未来表征并据此条件化动作生成，改善长时序控制；可直接接入现有 VLA 策略。
cs.RO
閱讀原文
VLA [Fuzhou University]
REACT: Rolling Denoising and Dual Decoupling for Reactive Robot Control with VLA Models
Houlong Xiong et al. · 针对 flow-based VLA 提出滚动去噪与双重解耦，缓解长动作块平滑与频繁重规划反应性之间的矛盾；直接用于 VLA 闭环部署。
cs.RO
閱讀原文
VLA [Xiaomi Robotics Lab]
TACROSS: An Efficient and Low-Cost Scalable Human Touch System Across Heterogeneous Tactile Sensors for Dexterous Robot Learning
Bo Chen et al. · 提出跨异构触觉传感器的人体触觉采集系统，把低成本人手手套数据映射到机器人触觉，缓解触觉演示稀缺；直接服务触觉 VLA 数据扩展。
cs.RO
閱讀原文
📖 背景閱讀背景阅读
VLA [Nanjing Agricultural University]
Gamma: Grounded Multi-Agent Memory with Mechanical Audit for Memory-Intensive Manipulation
Yudong Liu et al. · 给预训练 VLA 加 grounded 多智能体记忆与机械审计模块，解决依赖远期事件的记忆型操作；但记忆方向已有 REMM/PMTRM 等多篇，增量有限。
cs.RO
閱讀原文
VLA [复旦]
Tactile Sensing-based Secure and Gentle Grasping of Unknown Objects
Feng Han · 基于触觉的在线数据驱动预测控制，同时保证抓牢与不损伤未知物体；属纯抓取控制，未涉及 VLA 训练或架构。
cs.RO
閱讀原文
VLA [USC|Seita]
StereoEngine: Scaling Stereo Bimanual Robot Data without Stereo Cameras
Jason Chen et al. · 用生成式单目→双目方法批量合成配准的双臂数据，绕开真实双目相机稀缺；可扩大双目 VLA 训练数据，但整体更偏数据生成工具。
cs.RO
閱讀原文
VLA [Robert Bosch (United States)]
REMM: Revisable Embodied Memory for Manipulation
Revanth Krishna Senthilkumaran et al. · 为长时序操作提出可修正的具身记忆，在环境扰动后可撤销已完成子目标并触发修复；机制有价值但未与 VLA 策略端到端结合。
cs.RO
閱讀原文
VLA [Imperial]
Spa-Bench: A Real-Robot Benchmark for Spatial Grounding in Vision-Language-Action Models
Justin Tien-Smith et al. · 面向 VLA 空间 grounding 的真实机器人 benchmark，专门评测空间关系理解而非总体成功率；适合诊断 VLA 的空间认知短板。
cs.RO
閱讀原文
VLA
Non-Prehensile Multi-Object Placement with Mobile Robots via Diffusion-Based Trajectory Planning
Lance Pharand et al. · 移动机器人非抓取式多物体精密放置，用扩散模型做轨迹规划；属规划/控制方法，与 VLA 无直接关联。
cs.RO
閱讀原文
VLA [Stanford]
PanTact: Teaching Whole-Body Dexterity with a Wearable Contact Interface
Xiaomeng Xu et al. · 用可穿戴接触接口学习人形全身灵巧操作，把操作从手部扩展到全身接触面；触觉+全身方向值得关注，但未见 VLA 策略集成。
cs.RO
閱讀原文
VLA [SNU]
Dex-One2Many: Learning Dexterous Manipulation from a Single Human Demonstration
Jusuk Lee et al. · 从单条人类视频学习灵巧操作，放松严格动作匹配以泛化到未见初始/目标位姿与抓取；属单样本灵巧操作，未与 VLA 结合。
cs.RO
閱讀原文
VLA [人大]
DreamTrue: Action-Faithful Robot World Model with Counterfactual Post-Training
Junyan Li et al. · 多视角跨本体机器人世界模型，用反事实后训练提升动作忠实度与物理合理性；世界模型方向，可关注其与 VLA 策略的结合。
cs.RO
閱讀原文
VLA [Jiangsu University]
SpatialHarness: Test-Time Spatial Scaffolding for Fine Robotic Manipulation
Jiayu Wang et al. · 测试时用空间 scaffold 增强 GPT-6 等多模态基础模型的精细操作能力；推理时增强思路可迁移，但非 VLA 训练方法。
cs.RO
閱讀原文
VLA [National University of Singapore]
Generative Neural Retargeting for Human-to-Robot Dexterous Manipulation
Dechen Gao et al. · 用生成式重定向把人类动作转成动力学可行的机器人灵巧操作轨迹，弥补 IK 忽略动力学的缺陷；属数据重定向，未涉及 VLA。
cs.RO
閱讀原文
VLA [MPI|Black]
VioLA: Learning Generalist Humanoid Control Policies from Human Data
Mert Albaba et al. · 从人类数据学习通用人形全身控制策略，缓解大动作空间与演示稀缺；属人形全身控制，非 VLA 架构创新。
cs.RO
閱讀原文
VLA [NTU]
Embodied Turing Machines: Stateful Code for Robot Recursive Self-Improvement
Kairui Hu et al. · 把具身世界建模为图灵机，用有状态代码实现机器人递归自我改进；概念新颖但缺具体方法与 VLA 实验证据。
cs.RO
閱讀原文
VLA [Nanjing University of Chinese Medicine]
LiteNWM: Efficient Latent World Models for Onboard Visual Navigation in the Wild
Linkai Liu et al. · 面向机载视觉导航的高效潜在世界模型，用 latent rollout 评估候选轨迹；属导航而非操作。
cs.RO
閱讀原文
VLA [清华]
Residual Modeling Closes the Regression and Generative Policy Gap in Robot Learning
Yuchen Zhou et al. · 证明残差建模可弥合 MSE 回归策略与 flow/diffusion 策略的性能差距，并给出多模态性解释；可指导 VLA 动作头设计。
cs.RO
閱讀原文
VLA [University of Houston]
MiniWAM: Learning Compact Future Targets for Efficient World-Action Modeling
Jie Chen et al. · 在紧凑未来目标空间做世界-动作联合建模，降低 WAM 在视觉主干原空间的表示开销；世界模型效率方向，未给 VLA 实验细节。
cs.RO
閱讀原文
VLA [CUHK]
RESETTLE: Robotic Recovery through Disagreement-Triggered Retrieval and Efficient Corrective Control
Yuxin Chen et al. · 用分歧触发的检索与高效纠错控制实现机器人失败恢复，降低恢复延迟；属纠错控制，与 VLA 弱相关。
cs.RO
閱讀原文
VLA [CMU]
PIER: An Evidence-Gated Execution Interface for Robotic Manipulation
Zoe Li et al. · 提出执行授权接口，在执行动作前校验观测证据是否充分，避免遮挡下的高置信误动作；安全/触发器思路，非 VLA 方法。
cs.RO
閱讀原文
VLA [Nanjing University of Science and Technology]
ManiUnit: A Manipulation Skill Dataset and Benchmark for Long-Horizon Tasks
Guoting Wei et al. · 面向长时序移动操作的操作技能数据集与 benchmark，需在多房间环境按单条指令执行技能序列；数据集类，重要但不紧急。
cs.RO
閱讀原文
VLA [EURECAT Centre Tecnològic de Catalunya]
A Minimal Optical-Flow Representation for Vision-Based Tactile Rotation Classification in Robotic Manipulation Across Gravity Domains
Oscar Martinez-Bernal et al. · 用极简光流表征做视觉触觉的物体旋转分类，适配空间机器人算力；触觉方向但为分类任务，非 VLA 策略。
cs.RO
閱讀原文
VLA [Keio University]
SkillWeave: Weaving Heterogeneous Demonstrations into Long-Horizon Manipulation Skills
Ryosei Tamura et al. · 把异构演示编织成长时序灵巧操作技能，兼顾任务推进与接触密集交互；属数据/技能框架，未涉及 VLA 架构。
cs.RO
閱讀原文
VLA [Harbin Institute of Technology]
Humanoid World Action Model With Joint State--Action Generation
Yan Yang et al. · 面向人形机器人的世界-动作模型，联合生成未来状态与动作以改善层级控制；人形 WAM 方向，未给 VLA 对比实验细节。
cs.RO
閱讀原文
VLA [中科院]
CAPABLE: Capability-Aware Policy Adaptation via Behavioral Latent Encoding
Mohammad Khoshnazar et al. · 针对关节故障下 VLA 策略失效，用行为潜在编码做能力感知自适应，无需故障标签或重训；属故障恢复方向。
cs.RO
閱讀原文
VLA [中科院]
Reliability-Aware Future Conditioning for Temporally Robust Robot Manipulation
Mohammad Khoshnazar et al. · 指出生成未来视频与实际阶段错位会变成有害引导，并在 CALVIN 上量化该现象；属未来条件化的可靠性分析。
cs.RO
閱讀原文
VLA [South China University of Technology]
Tell Robot What Not to Do: A Negation Understanding Perspective
Fazeng Li et al. · 研究 VLA 对否定指令（“不要做 X”）的理解能力，使机器人能遵循约束；指令理解方向，值得关注。
cs.RO
閱讀原文
VLA [浙大]
PathTime-VLA: Path-Time Decoupling for Factorized Post-Training of Vision-Language-Action Policies
Qing Huang et al. · 把 VLA 的路径与时间解耦，实现因子化后训练以适配遥操作中的几何引导与执行节奏分离；属 VLA 后训练技巧。
cs.RO
閱讀原文
VLA [University of Science and Technology of China]
YOCO: You Only Calibrate Once! Fast Mocap Calibration for Dexterous Teleoperation
Yu Zhang et al. · 针对低成本动捕手套的快速少样本标定方法，提升灵巧遥操作与演示质量；属数据采集工具，非 VLA 方法。
cs.RO
閱讀原文
VLA [Chinese Academy of Tropical Agricultural Sciences]
Acting from Belief, Looking When Needed: A Bayesian Spatial World Model for Navigation under Intermittent Perception
Feihong Yang et al. · 间歇观测下的贝叶斯空间世界模型导航，在共享传感器被其它任务占用时仍能导航；属导航而非操作。
cs.RO
閱讀原文
VLA
WARP-VLA: Wrist-Camera Adaptation for View-Robust Policy Execution in Vision-Language-Action Models
Junmyeong Lee et al. · 通过腕部相机适配提升 VLA 在视角/相机配置变化下的鲁棒执行，面向跨平台部署；与 VersaCamVLA 同属相机鲁棒性方向。
cs.RO
閱讀原文
VLA [Fuzhou University]
RoboAware: Learning to Coordinate Embodied Skills from Counterfactual Outcomes
Bohan Zhou et al. · 让具身编码智能体从反事实结果学习预测哪种策略会在当前状态成功，从而组合模块化技能；属技能编排，非 VLA 训练。
cs.RO
閱讀原文
VLA [Hunan Institute of Science and Technology]
Experience-Guided Initiation Search for Learned Skills in Skill Composition
Qixuan Li et al. · 为技能组合中冻结的 VLA 策略搜索可靠初始配置，兼顾后续技能的状态传递；属技能编排/搜索。
cs.RO
閱讀原文
VLA [浙大]
Rewiring Semantics, Dynamics, and Control: A Simple yet Effective Action-Centric Tri-Stream Transformer
Shuang Luo et al. · 提出动作中心的三流 Transformer，为 VLM 主干补足物理动力学先验以提升 VLA 泛化；属 VLA 架构尝试，实验细节待考。
cs.RO
閱讀原文
VLA [Zhejiang University of Science and Technology]
WAM-Cache: Staleness-Bounded KV Reuse for Efficient World Action Models
Kai Ding et al. · 为世界-动作模型提出有界陈旧度的 KV 复用，降低闭环控制中视频 DiT 的重复编码开销；推理加速方向，与 VLA 部署相关。
cs.RO
閱讀原文
VLA [Shandong University of Finance and Economics]
USDCraft: Geometrically Grounded Programmatic Modeling of Articulated 3D Assets for Simulation
Chuanrui Zhang et al. · 面向 real-to-sim 的铰接 3D 资产生成，用几何接地的程序化建模支持仿真中训练的策略迁移到实物；属仿真资产工具。
cs.RO
閱讀原文
VLA [Changchun University of Science and Technology]
Being-M0.7: A Latent World-Action Model for Humanoid Robots
Junpeng Yue et al. · 面向人形机器人的潜在世界-动作模型，用人类视频/动作数据集做可扩展监督；人形 WAM 方向。
cs.RO
閱讀原文
VLA
SimVLA: Zero-Shot Sim-to-Real VLA Learning for Mobile Manipulation
Kyoungin Baik et al. · 探索零样本仿真到现实的 VLA 学习用于移动操作，缓解真实数据采集成本；属 sim-to-real VLA 方向。
cs.RO
閱讀原文
VLA [University of North Carolina at Chapel Hill]
OmniDex: Scaling Dexterous Hand Grasping to Diverse Cluttered Scenes
Naiyu Fang et al. · 把灵巧手抓取扩展到多样杂乱场景，用仿真大规模数据训练抓取模型；属灵巧抓取，非 VLA 策略学习。
cs.RO
閱讀原文
VLA [Shandong University of Finance and Economics]
PMTRM: Pseudo-Memory Temporal Re-encoding Module for Embodied Policy Learning
Changchuan Yang et al. · 用伪记忆时序重编码模块让策略区分观测相似但阶段不同的重复动作；序列建模技巧，与 VLA 相关但增量有限。
cs.RO
閱讀原文
VLA [University of Toronto]
FOCUS: From Privileged States to RGB-D with Controlled Modality Switching and Representation Alignment
Filip Grigorov et al. · 从特权状态迁移到 RGB-D，用可控模态切换与表征对齐做视觉 RL 操作；属 RL 训练技巧，非 VLA。
cs.RO
閱讀原文
VLA [Shenyang Pharmaceutical University]
Multi-Agent Egocentric World Model with Fine-Grained Embodied Interaction
Dahyun Chung et al. · 多智能体第一人称世界模型，支持细粒度具身交互；属具身世界模型方向，非操作策略。
cs.AI
閱讀原文
VLA [University of Science and Technology of China]
Recompose and Refine Latent Reasoning Flows for Vision-Language-Action Models
Hongyu Shi et al. · 为 VLA 提出可重组与精炼的潜在推理流，复用成功的隐式推理状态而非每次重新生成；属 VLA 推理方向。
cs.AI
閱讀原文
VLA [Mohamed bin Zayed University of Artificial Intelligence]
WorldGuide: Goal-Directed Video World Model for Procedural Task Execution
Ankan Deria et al. · 目标导向视频世界模型用于程序性任务，能根据已生成状态决定下一步并判断完成；属世界模型方向，非 VLA 策略。
cs.CV
閱讀原文
VLA [Xi'an Jiaotong University]
WOVEN: Weaving Visual World Modeling into Multimodal LLMs
Zheyu Fan et al. · 把视觉世界建模作为共享训练原语注入多模态 LLM，改善空间/具身/物理/时序推理；可关注其向 VLA 的迁移。
cs.CV
閱讀原文
VLA [Nanjing University of Chinese Medicine]
LIVIN: Benchmarking Spatial and Embodied Intelligence in Digital Twins of Lived-In Homes
Peijun Xu et al. · 在真实居住家庭的数字孪生上评测空间与具身智能的 benchmark，含真实物品摆放与空间约束；可补充家庭操作评测。
cs.CV
閱讀原文
VLA [Beijing Academy of Artificial Intelligence , Beijing , China]
Fast Pose Tracking of Rigid Objects with Compact Pose Graph Optimization
Xiaojie Zhang et al. · 面向机器人操作/AR 的刚体 6D 位姿快速跟踪，用紧凑位姿图优化免去昂贵引导过程；属感知工具，可服务操作。
cs.CV
閱讀原文
VLA
Learning to Retrieve: Internalizing Memory Retrieval for Video World Models
JiaKui Hu et al. · 为视频世界模型内化记忆检索，缓解长时序生成中的场景漂移；属视频生成方向，非操作策略。
cs.CV
閱讀原文
VLA [University of Science and Technology of China]
IntactWorld: Joint World Modeling with Intact Features
Boming Tan et al. · 用完整特征做联合世界建模以理解真实世界的内在逻辑；属视频世界模型方向，非 VLA。
cs.CV
閱讀原文
VLA [Minnan Normal University]
SplitJEPA: Learning Invariant and Variant Latent Worlds without Reconstruction
Ruijin Hua et al. · 无重建地把潜在世界拆成共享/变化因子，用机器人推方块示例说明；属世界表征学习，非 VLA。
cs.LG
閱讀原文
VLA [Mohamed bin Zayed University of Artificial Intelligence]
CausalDreamer: Learning Predictive World Models with Latent Disentanglement
Prince Jha et al. · 因果解耦的预测世界模型用于控制，区分哪些环境因素响应动作、哪些与奖励相关；属世界模型/RL 方向，非 VLA。
cs.LG
閱讀原文