VLA [UC Berkeley]
Embodiment-Classifier Guidance: Transferring Frozen VLAs Across Robot Dynamics without Demonstrations
Devin Han et al. · 用轻量 embodiment 分类器引导冻结的 π0 flow policy，在无新演示、不更新参数的情况下迁移到新机器人动力学；是跨本体部署可即插即用的低成本方案。
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
- Has GPT-6-Astra Achieved Embodied Intelligence? SenseNova et al. · 对 GPT-6-Astra 的机器人操作与导航能力做测评与讨论，质疑专用模型的传统范式；属闭源模型能力报告，无新方法与可复现实验。 CS.RO
- Scaling Online Exploration for Robot Agents [清华] Runhan Huang et al. · 主张用规模化在线探索突破模仿数据分布限制，减少新本体/新任务对专用遥操作语料的依赖；摘要未给出具体算法与 VLA 结合细节。 CS.RO
- When Plans Change, Remember: Replanning-Guided Visual Memory for Vision-Language-Action Models Victoria Smelova et al. · 提出重规划引导的视觉记忆选择机制，让长程多阶段 VLA 只保留与当前子目标相关的历史观测，避免全历史存储的冗余开销。 CS.RO
- Embodiment-Classifier Guidance: Transferring Frozen VLAs Across Robot Dynamics without Demonstrations [UC Berkeley] Devin Han et al. · 用轻量 embodiment 分类器引导冻结的 π0 flow policy，在无新演示、不更新参数的情况下迁移到新机器人动力学；是跨本体部署可即插即用的低成本方案。 CS.RO
- Pedicel-Targeted Strawberry Harvesting via Imitation Learning on a Low-Cost Teleoperated Robotic Arm [University of Florida] Nitin Rai et al. · 低成本遥操作臂+模仿学习实现 1.3-3mm 草莓果柄的精准抓取与力控分离，属特定农业场景应用，方法层面无通用迁移价值。 CS.RO
- Ego2Contact: Predicting Touch from Egocentric Human Video for Contact-Rich Robot Manipulation [浙大] Qianqian Yang et al. · 从第一视角人类视频预测接触位置与交互力，绕开触觉硬件与平台专属采集，为接触密集操作提供可扩展的触觉监督来源，触觉 VLA 可直接用作数据增强。 CS.RO
- MambaAct: Efficient Mamba Action Experts for Flow-Matching Vision-Language-Action Models [Mohamed bin Zayed University of Artificial Intelligence] Khuyen Pham et al. · 用 Mamba 结构替换 flow-matching VLA（π0 类）的去噪动作专家，显著压低推理开销以满足实时控制；可作为 action head 直接替换复用。 CS.RO
- GR-VIP: Geometric representation conditioning for precise visuomotor policy [Pohang University of Science and Technology] Chanhwi Lee et al. · 用几何表征条件化视觉运动策略，提升移动机器人终点位置与朝向对齐精度及未见目标泛化，属移动机器人控制而非 VLA 架构贡献。 CS.RO
- VLA-Fabric: Learning Interaction for Composable Multi-Arm VLA Agents [HKUST] Chenglong Zhang et al. · 把多机械臂协调组织为可组合的交互技能，构建多臂 VLA 系统以应对单臂难以完成的任务；双臂/多臂协作方向值得对照阅读。 CS.RO
- Unifying Embodied Foundation Models via a Model-to-Policy Formulation [上交] Xinyi Hong et al. · 提出 model-to-policy 形式化，试图统一 VLA 与 world-action model 的架构与输出表示差异；偏概念性统一框架，具体实证有限。 CS.RO
- GRASP: Global-Local Representation Alignment and Spatial-Physical Grounding for Bimanual Robotic Manipulation Zeyuan Ren et al. · 针对直接回归关节空间的双臂 VLA，指出关节损失与任务成功不对齐，用全局-局部表征对齐与空间-物理 grounding 修正训练目标。 CS.RO
- ORD-WM: Learning Object-Centric Rigid Dynamics for 3D World Modeling in Robotic Manipulation [School of Inteligence Science and Engineering , the Harbin Institute of Technology Shenzhen , 518055 , China] Yueyang Weng et al. · 构建以物体为中心的 3D 世界模型，显式施加刚体运动约束来修正图像/稠密 3D 世界模型中缺失的刚性先验；世界模型方向可参考。 CS.RO
VLA 研究日報VLA 研究日报
共 30 篇
🔧 技術技术
VLA [浙大]
Ego2Contact: Predicting Touch from Egocentric Human Video for Contact-Rich Robot Manipulation
Qianqian Yang et al. · 从第一视角人类视频预测接触位置与交互力，绕开触觉硬件与平台专属采集，为接触密集操作提供可扩展的触觉监督来源，触觉 VLA 可直接用作数据增强。
cs.RO
閱讀原文
VLA [Mohamed bin Zayed University of Artificial Intelligence]
MambaAct: Efficient Mamba Action Experts for Flow-Matching Vision-Language-Action Models
Khuyen Pham et al. · 用 Mamba 结构替换 flow-matching VLA（π0 类）的去噪动作专家，显著压低推理开销以满足实时控制；可作为 action head 直接替换复用。
cs.RO
閱讀原文
VLA [Language Technologies Institute , Carnegie Mellon University]
EmbodiedMidtrain: Bridging the Gap between Vision-Language Models and Vision-Language-Action Models via Mid-training
Yiyang Du et al. · 在通用 VLM 与 VLA 之间插入具身 mid-training 阶段，用机器人数据继续预训练以缩小具身域差距；给自建 VLA 提供可直接套用的预训练配方。
cs.RO
閱讀原文
VLA [Hunan Institute of Science and Technology]
FELT: Generating Tactile Signals from Vision for Visuo-Tactile Manipulation
Zinan Li et al. · 用视觉特征提取的潜变量触觉信号替代真实触觉反馈，让无触觉硬件的平台也能训练触觉增强策略，降低触觉操作的数据门槛。
cs.RO
閱讀原文
📖 背景閱讀背景阅读
VLA
Has GPT-6-Astra Achieved Embodied Intelligence?
SenseNova et al. · 对 GPT-6-Astra 的机器人操作与导航能力做测评与讨论，质疑专用模型的传统范式；属闭源模型能力报告，无新方法与可复现实验。
cs.RO
閱讀原文
VLA [清华]
Scaling Online Exploration for Robot Agents
Runhan Huang et al. · 主张用规模化在线探索突破模仿数据分布限制，减少新本体/新任务对专用遥操作语料的依赖；摘要未给出具体算法与 VLA 结合细节。
cs.RO
閱讀原文
VLA
When Plans Change, Remember: Replanning-Guided Visual Memory for Vision-Language-Action Models
Victoria Smelova et al. · 提出重规划引导的视觉记忆选择机制，让长程多阶段 VLA 只保留与当前子目标相关的历史观测，避免全历史存储的冗余开销。
cs.RO
閱讀原文
VLA [University of Florida]
Pedicel-Targeted Strawberry Harvesting via Imitation Learning on a Low-Cost Teleoperated Robotic Arm
Nitin Rai et al. · 低成本遥操作臂+模仿学习实现 1.3-3mm 草莓果柄的精准抓取与力控分离，属特定农业场景应用，方法层面无通用迁移价值。
cs.RO
閱讀原文
VLA [Pohang University of Science and Technology]
GR-VIP: Geometric representation conditioning for precise visuomotor policy
Chanhwi Lee et al. · 用几何表征条件化视觉运动策略，提升移动机器人终点位置与朝向对齐精度及未见目标泛化，属移动机器人控制而非 VLA 架构贡献。
cs.RO
閱讀原文
VLA [HKUST]
VLA-Fabric: Learning Interaction for Composable Multi-Arm VLA Agents
Chenglong Zhang et al. · 把多机械臂协调组织为可组合的交互技能，构建多臂 VLA 系统以应对单臂难以完成的任务；双臂/多臂协作方向值得对照阅读。
cs.RO
閱讀原文
VLA [上交]
Unifying Embodied Foundation Models via a Model-to-Policy Formulation
Xinyi Hong et al. · 提出 model-to-policy 形式化，试图统一 VLA 与 world-action model 的架构与输出表示差异；偏概念性统一框架，具体实证有限。
cs.RO
閱讀原文
VLA
GRASP: Global-Local Representation Alignment and Spatial-Physical Grounding for Bimanual Robotic Manipulation
Zeyuan Ren et al. · 针对直接回归关节空间的双臂 VLA，指出关节损失与任务成功不对齐，用全局-局部表征对齐与空间-物理 grounding 修正训练目标。
cs.RO
閱讀原文
VLA [School of Inteligence Science and Engineering , the Harbin Institute of Technology Shenzhen , 518055 , China]
ORD-WM: Learning Object-Centric Rigid Dynamics for 3D World Modeling in Robotic Manipulation
Yueyang Weng et al. · 构建以物体为中心的 3D 世界模型，显式施加刚体运动约束来修正图像/稠密 3D 世界模型中缺失的刚性先验；世界模型方向可参考。
cs.RO
閱讀原文
VLA
NestedVLA: Learning to Consolidate and Generate Skills for Vision-Language-Action Models
Guodong Du et al. · 用嵌套式技能巩固+生成缓解跨平台碎片化数据的多任务训练冲突，让 VLA 能累积异构任务技能；偏训练策略层面改进。
cs.RO
閱讀原文
VLA [CUHK]
CoEvolve: Self-Evolving Code Policies from Skills to Strategies for Humanoid Robots
Zicheng Liu et al. · 在类人机器人上让 VLM 驱动代码策略从底层技能自演化到高层策略，配合 VLA/WAM 完成单机难以胜任的组合任务；偏 agentic 代码生成路线。
cs.RO
閱讀原文
VLA [Nankai University]
From Sliding Windows to Self-evolving Lifelong Memory: A Dual-perspective Survey of Memory Paradigms for Long-Horizon Robotics VLA Models
Yong Wang et al. · 综述长程 VLA 的记忆范式，从滑动窗口到自演化终身记忆，梳理时序上下文受限这一核心瓶颈的现有解法，适合做方向入门与选型。
cs.RO
閱讀原文
VLA [Physical Intelligence]
LAW: Unifying Language, Action, and World Modeling for Agentic Physical Intelligence
Jiajun Cao et al. · 闭环 VLM 同时做语言子任务推理、动作生成与未来状态预测，用于长程操作的进度判断与动作选择；标题中的 physical intelligence 为术语非公司名。
cs.RO
閱讀原文
VLA
Beyond Success Rate: Interventional Evaluation of Memory in Vision-Language-Action Systems
Keyuan Luo et al. · 用干预式评测检验 VLA 的记忆是否真被使用，指出成功率消融会同时改变信息与计算、掩盖互补增益；做记忆机制时值得引用的评测方法论。
cs.RO
閱讀原文
VLA [LIBERO Team]
Look Before You Act: Bridging Active Perception and Vision-Language-Action Models via Observation-Aligned Data Adaptation
Jiawei Geng et al. · 用观测对齐的数据适配把主动相机运动接入 VLA，解决主动视角造成初始观测分布偏移、与操作阶段不匹配的问题。
cs.RO
閱讀原文
VLA [复旦]
AWAM: Active Trajectory-Conditioned View Imagination for Robust Robot Manipulation
Jiawei Geng et al. · 以候选轨迹为条件主动想象未来视角，提升开放世界遮挡与分布外条件下的操作鲁棒性；世界模型+主动感知的组合探索。
cs.RO
閱讀原文
VLA
HexaShell: A Thin Harness for Exploring the Limits of VLM Agents as Robot Coding Agents
Hongcheng Gao et al. · 用极薄封装让 VLM 编码 agent 直接控制机器人，系统探究代码 agent 在操作基准上能走多远、在哪里失效；agentic 控制方向参考。
cs.RO
閱讀原文
VLA [Sun Yat-sen University]
Enhancing Visual Task-Redirection Attacks on Vision-Language-Action Models via Closed-Loop Optimization
Chunjin Ye et al. · 改用闭环优化生成视觉扰动，提升任务重定向攻击在 VLA 上的有效性，暴露语言-视觉控制链路的安全弱点；属安全性分析。
cs.RO
閱讀原文
VLA [Sichuan University]
Not All Actions Contribute Equally: Learning Precise Progress Estimation from Imprecise Demonstrations
Huanqian Wang et al. · 针对进度估计器对专家数据依赖强、动作等权聚合的问题，从非精确演示中学细粒度任务进度，为操作 RL 提供更稠密的奖励信号。
cs.RO
閱讀原文
VLA
Confidence Calibration in Vision-Language-Action Models
Thomas P Zollo et al. · 首个系统研究 VLA 置信度校准的工作，让策略能可靠量化任务成功概率，支撑下游可信决策与失败检测。
cs.RO
閱讀原文
VLA [上交]
OxyGen: Unified KV Cache Management for VLA Inference under Multi-Task Parallelism
Xiangyu Li et al. · 针对 MoT 类 VLA 多任务并行（操作/对话/记忆构建）场景统一管理 KV cache，缓解共享观测下的显存与延迟冲突；属部署侧系统优化。
cs.RO
閱讀原文
VLA [CMU]
Learning What to Say to Your VLA: Mostly Harmless Vision Language Action Model Steering
Hyun Joe Jeong et al. · 研究语义相近指令引发 VLA 行为剧变的问题，学习如何生成/选择稳健的语言指令来引导策略；语言接口鲁棒性方向。
cs.RO
閱讀原文
VLA [Ministry of Education]
WireCraft: A Simulation Benchmark for Industrial DLO Manipulation
Chongyu Zhu et al. · 面向上业线缆等可变形线性物体的仿真 benchmark，处理无限维构型与连续形变下的操作评测，填补 DLO 操作缺乏统一评测的空白。
cs.RO
閱讀原文
VLA [Harbin Engineering University]
NativeMEM: Native Memory Compression for Long-Horizon Robotic Manipulation
Ziye Wang et al. · 把长程视觉历史压缩进 VLA 内部而非依赖外部记忆管理，在高频更新下兼顾记忆跨度与推理效率。
cs.RO
閱讀原文
VLA [College of Intelligent Robotics and Advanced Manufacturing, Fudan University, Shanghai, China]
EDAR: Learning Environment-Dependent Action Representations for Robotic Manipulation
Yuecheng Xu et al. · 指出仅编码动作流结构不足，改为学习依赖环境观测的动作表征，以抑制原始控制轨迹的噪声与冗余。
cs.RO
閱讀原文