VLA [中科院]
T-WLA: Bridging Slow Vision and Fast Touch
Kaichen Zhou et al. · 针对接触状态变化快于视觉策略更新频率的问题，提出视觉慢环 + 触觉快环的双速率 VLA 结构，用触觉在线修正进行中的动作而非重算整段规划。可直接复用到高频触觉反馈的接触丰富操作策略设计。
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
- T-WLA: Bridging Slow Vision and Fast Touch [中科院] Kaichen Zhou et al. · 针对接触状态变化快于视觉策略更新频率的问题，提出视觉慢环 + 触觉快环的双速率 VLA 结构，用触觉在线修正进行中的动作而非重算整段规划。可直接复用到高频触觉反馈的接触丰富操作策略设计。 CS.RO
- Real2Sem2Real: 3D Semantic Augmentations for Robot Learning from a Single Human RGB Demonstration [Stanford] Matthew Strong et al. · 仅用单条人类 RGB 视频做 real→semantic→real 增强来扩充机器人演示数据，省去深度传感与 2D 叠加流程；思路对数据增广有用，但缺少策略层面的量化对比。 CS.RO
- Learning to Absorb Corrections: Critic-Weighted Residual Flow for Vision-Based Insertion [TermiTech , Shenzhen , China] Yiqing Yuan et al. · 将 ACT 与条件残差流耦合，用 critic 加权在线吸收人类修正以提升视觉插孔的装配对齐精度；思路适用于精密插入，但仅针对单一任务族，通用性未验证。 CS.RO
- SimPT: An Automated Simulation Framework for Intervention-Based VLA Post-Training [Harbin Institute of Technology] Caicheng Wang et al. · 把人工干预式 VLA 后训练搬到仿真中自动化，用仿真替代昂贵真机 HIL 修正与重复评估，让后训练算法可以大规模试错。无真机也能复现，适合本周搭 post-training baseline。 CS.RO
- NavBind: Diagnosing Instruction-Action Binding at Route Forks in Navigation VLAs [Eastern Institute of Technology, Ningbo] Josh Qixuan Sun et al. · 指出导航 VLA 的到达成功率掩盖了指令-动作绑定失败，并用岔路口的诊断基准分离“真听懂指令”与“碰巧到达”。对导航 VLA 评测设计有参考价值，但不涉及操作。 CS.RO
- DepState-JEPA: Learning Depth-Grounded State Representation for Visual Perception and Manipulation [HKUST] Xiujian Liang et al. · 用深度对齐的预测式表征把场景几何与动作引起的状态变化绑定起来，替代纯 RGB 预测表征。属于操作表征学习方向，尚不清楚能否直接接入现有 VLA 主干。 CS.RO
- Training in Deployment: Human-in-the-loop Online Post-Training for Robot Manipulation [复旦] Chun Gu et al. · 针对离线遥操作数据覆盖不到接触丰富与恢复状态的问题，提出部署期在线 HIL 后训练，让机器人在真实任务执行中持续吸收人类干预。可与 SimPT 互补，构成从仿真到在线的 VLA 后训练路线。 CS.RO
- Relational Geometry Forcing for World Action Models [Hunan Institute of Science and Technology] Yuan Xu et al. · 指出世界动作模型的视频/动作目标缺少显式 3D 几何约束，提出关系几何强制项来提升精确操作下的空间一致性。对 WAM 训练目标设计有启发，但需看实际精度收益。 CS.RO
- Plan First, Act Later: Streaming Reasoning for Executable Memory in Robot Control [China Mobile (Hangzhou) Information Technology Co., Ltd. , Hangzhou , China] Qinghang Liu et al. · 把长程记忆从执行时的检索-推理改造为“先规划、后执行”的流式推理记忆，缓解超出观测窗口的任务信息遗忘。属长程操作记忆机制，尚未与 VLA 主干联调验证。 CS.RO
- From VLM Planners to Robotic Agents: Self-Evolving Harnesses for History-Dependent Manipulation [Jiangnan University] Tingwen Du et al. · 用自演化的 agent harness 包裹 VLA，处理长程任务中的非马尔可夫依赖，把历史相关信息显式维护在策略外。是 agentic 控制路线的一种实现，细节与增益待正文确认。 CS.RO
- Toward Recursive Self-Improvement in Physical AI [National University of Singapore] Meng Luo et al. · 讨论把数字智能体的“自我改写代码 + 可执行测试校验”闭环迁移到物理 AI，让系统改进自身的改进流程。属观点/框架层面，摘要未给出具体算法与量化结果。 CS.RO
- FlowVLA: Learning Flow-Aware Physical Completion for Quantitative Robotic Pouring [清华] Liwen Yang et al. · 针对倒水过程中图像与位姿几乎不变、转移质量却持续累积的“视觉静默”问题，把流量感知的物理完成度从动作生成中解耦出来，用于判断何时停止。定量倒水场景较窄，但可借鉴其“任务进度状态”建模思路。 CS.RO
VLA 研究日報VLA 研究日报
共 28 篇
🔧 技術技术
VLA [Harbin Institute of Technology]
SimPT: An Automated Simulation Framework for Intervention-Based VLA Post-Training
Caicheng Wang et al. · 把人工干预式 VLA 后训练搬到仿真中自动化，用仿真替代昂贵真机 HIL 修正与重复评估，让后训练算法可以大规模试错。无真机也能复现，适合本周搭 post-training baseline。
cs.RO
閱讀原文
VLA [复旦]
Training in Deployment: Human-in-the-loop Online Post-Training for Robot Manipulation
Chun Gu et al. · 针对离线遥操作数据覆盖不到接触丰富与恢复状态的问题，提出部署期在线 HIL 后训练，让机器人在真实任务执行中持续吸收人类干预。可与 SimPT 互补，构成从仿真到在线的 VLA 后训练路线。
cs.RO
閱讀原文
VLA [Cornell]
Reconstruction-Augmented Visuomotor Pre-Training of 3D-Grounded Bimanual Dexterity from RGB-Only Human Videos
Xingyi He et al. · 只用 RGB 人类视频，通过重建增强把人类行为与其空间上下文一起预训练成 3D 接地的双臂灵巧视动策略，摆脱深度传感与机器人硬件依赖。为“人类视频→双臂灵巧”预训练范式提供了可复制流程。
cs.RO
閱讀原文
VLA [Technische Universität Darmstadt]
Multi-Resolution Tactile Imitation Learning for Contact-Rich Robotic Manipulation
Rickmer Krohn et al. · 研究异构多分辨率触觉传感器（不同频率/空间精度）如何融合用于接触丰富操作模仿学习，给出多传感器触觉融合的具体做法与任务收益。做触觉 VLA 时可直接借鉴其融合与表征方案。
cs.RO
閱讀原文
📖 背景閱讀背景阅读
VLA [Stanford]
Real2Sem2Real: 3D Semantic Augmentations for Robot Learning from a Single Human RGB Demonstration
Matthew Strong et al. · 仅用单条人类 RGB 视频做 real→semantic→real 增强来扩充机器人演示数据，省去深度传感与 2D 叠加流程；思路对数据增广有用，但缺少策略层面的量化对比。
cs.RO
閱讀原文
VLA [TermiTech , Shenzhen , China]
Learning to Absorb Corrections: Critic-Weighted Residual Flow for Vision-Based Insertion
Yiqing Yuan et al. · 将 ACT 与条件残差流耦合，用 critic 加权在线吸收人类修正以提升视觉插孔的装配对齐精度；思路适用于精密插入，但仅针对单一任务族，通用性未验证。
cs.RO
閱讀原文
VLA [Eastern Institute of Technology, Ningbo]
NavBind: Diagnosing Instruction-Action Binding at Route Forks in Navigation VLAs
Josh Qixuan Sun et al. · 指出导航 VLA 的到达成功率掩盖了指令-动作绑定失败，并用岔路口的诊断基准分离“真听懂指令”与“碰巧到达”。对导航 VLA 评测设计有参考价值，但不涉及操作。
cs.RO
閱讀原文
VLA [HKUST]
DepState-JEPA: Learning Depth-Grounded State Representation for Visual Perception and Manipulation
Xiujian Liang et al. · 用深度对齐的预测式表征把场景几何与动作引起的状态变化绑定起来，替代纯 RGB 预测表征。属于操作表征学习方向，尚不清楚能否直接接入现有 VLA 主干。
cs.RO
閱讀原文
VLA [Hunan Institute of Science and Technology]
Relational Geometry Forcing for World Action Models
Yuan Xu et al. · 指出世界动作模型的视频/动作目标缺少显式 3D 几何约束，提出关系几何强制项来提升精确操作下的空间一致性。对 WAM 训练目标设计有启发，但需看实际精度收益。
cs.RO
閱讀原文
VLA [China Mobile (Hangzhou) Information Technology Co., Ltd. , Hangzhou , China]
Plan First, Act Later: Streaming Reasoning for Executable Memory in Robot Control
Qinghang Liu et al. · 把长程记忆从执行时的检索-推理改造为“先规划、后执行”的流式推理记忆，缓解超出观测窗口的任务信息遗忘。属长程操作记忆机制，尚未与 VLA 主干联调验证。
cs.RO
閱讀原文
VLA [Jiangnan University]
From VLM Planners to Robotic Agents: Self-Evolving Harnesses for History-Dependent Manipulation
Tingwen Du et al. · 用自演化的 agent harness 包裹 VLA，处理长程任务中的非马尔可夫依赖，把历史相关信息显式维护在策略外。是 agentic 控制路线的一种实现，细节与增益待正文确认。
cs.RO
閱讀原文
VLA [National University of Singapore]
Toward Recursive Self-Improvement in Physical AI
Meng Luo et al. · 讨论把数字智能体的“自我改写代码 + 可执行测试校验”闭环迁移到物理 AI，让系统改进自身的改进流程。属观点/框架层面，摘要未给出具体算法与量化结果。
cs.RO
閱讀原文
VLA [清华]
FlowVLA: Learning Flow-Aware Physical Completion for Quantitative Robotic Pouring
Liwen Yang et al. · 针对倒水过程中图像与位姿几乎不变、转移质量却持续累积的“视觉静默”问题，把流量感知的物理完成度从动作生成中解耦出来，用于判断何时停止。定量倒水场景较窄，但可借鉴其“任务进度状态”建模思路。
cs.RO
閱讀原文
VLA [Shanxi University]
CausGround: Causal Interaction Grounding for Adaptive Embodied Planning
Yijun Shen et al. · 为 MLLM 规划器补上动作可执行前提与世界状态变化的因果接地，减少不可执行计划。属高层规划增强，未涉及动作空间生成。
cs.RO
閱讀原文
VLA [Hunan Institute of Science and Technology]
Post-hoc Epistemic Uncertainty for Vision-Language-Action Policies
Johannes Keller et al. · 用事后认知不确定性（集成分歧等）让 VLA 识别训练知识盲区，从而主动请求演示或人工协助。对部署期数据采集策略有实用价值，但本身不改变策略能力。
cs.RO
閱讀原文
VLA [CUHK]
SP-HLM: Sparse-Pose-Driven Motion Generation and Whole-Body Control for Humanoid Loco-Manipulation
Zhaohui Yang et al. · 用稀疏位姿作为高层任务策略与全身控制之间的统一接口，缓解人形移动操作中意图与全身协调共用单一动作表示的负担。属人形全身控制方向，非 VLA 架构。
cs.RO
閱讀原文
VLA [LIBERO Team]
From Reasoning to Action: Benchmarking Frontier AI Models on LIBERO-10 Robot Manipulation Tasks
May Espinola et al. · 系统评测前沿通用大模型在 LIBERO-10 长程操作上的直接可用性，考察视觉理解/推理能力能否零样本转化为动作。属评测类工作，可作为基线参考但不提供新方法。
cs.RO
閱讀原文
VLA [Wuhan University of Technology]
AtomicRL: Atomic Reinforcement Learning for Long-Horizon Robotic Manipulation
Likui Zhang et al. · 在 VLA 模仿学习之上引入原子技能级 RL 精调，缓解 IL 难以掌握长程复杂技能的问题。RL 精调 VLA 路线已有较多同类工作，需看具体技能分解与稀疏奖励设计是否带来实质增益。
cs.RO
閱讀原文
VLA
Asymmetric On-Policy Distillation Learns In-Context Exploration
Sriyash Poddar et al. · 在部分可观测序列决策中，用非对称 on-policy 蒸馏让学生策略获得“先探明隐藏信息再行动”的上下文探索行为，替代 tabula rasa 在线 RL。方法偏通用决策理论，未见机器人操作实验。
cs.RO
閱讀原文
VLA [Nanjing University of Chinese Medicine]
Agentic World Action Models
Zhuoyang Liu et al. · 把代码式规划与可复用技能库接入世界动作模型，补上 WAM 缺失的组合式技能复用机制。思路是 world model + agentic 的拼接，摘要未见量化验证其相对纯 WAM 的收益。
cs.RO
閱讀原文
VLA [Robotics Research (United States)]
AgiBot World Colosseo: A Large-scale Manipulation Platform for Scalable and Intelligent Embodied Systems
AgiBot World Contributors et al. · AgiBot World 数据集/平台更新版：百万级轨迹、217 任务、五类部署场景，是当前最大规模真机操作数据资源之一。数据集重要但非新方法，团队应追踪其数据协议与模型释放情况。
cs.RO
閱讀原文
VLA [Banasthali University]
AFFORD2ACT: How Far Can Sparse Keypoints Go for Robot Manipulation?
Anukriti Singh et al. · 系统探究稀疏关键点替代稠密全分辨率视觉特征做操作策略的极限，回答“到底需要多少视觉信息”。对轻量化视觉表征设计有参考意义，但非 VLA 架构创新。
cs.RO
閱讀原文
VLA [North University of China]
Safe-Night VLA: Seeing the Unseen via Thermal-Perceptive Vision-Language-Action Models for Safety-Critical Manipulation
Dian Yu et al. · 给 VLA 引入热成像模态，解决 RGB 无法感知温度/热源的安全关键操作问题，并补上端到端生成策略缺失的可解释性。属新感知模态扩展，评测规模与泛化性待确认。
cs.RO
閱讀原文
VLA [The University of Queensland]
WARPED: Wrist-Aligned Rendering for Robot Policy Learning from Egocentric Human Demonstrations
Harry Freeman et al. · 通过腕部对齐渲染把第一视角人类演示转成机器人可用的视动策略训练数据，缓解人类-机器人视角与本体差异。属人类视频迁移数据管线工作，与已有重投影方法思路相近。
cs.RO
閱讀原文
VLA [Chongqing Normal University]
Move-Then-Operate: Behavioral Phasing for Human-Like Robotic Manipulation
Haoming Xu et al. · 把 VLA 策略显式解耦为粗定位“移动”与接触关键“操作”两个阶段，避免单体策略在两类行为间相互干扰。属于对现有 VLA 的阶段化改造，增益需看跨任务泛化实验。
cs.RO
閱讀原文
VLA [Nanyang Technological University]
Feedback World Model Enables Precise Guidance of Diffusion Policy
Tuo An et al. · 指出世界模型在分布外状态预测不可靠，引入反馈式世界模型来修正预测并指导扩散策略。对世界模型 + 扩散策略的组合有改进意义，但非 VLA 层面贡献。
cs.RO
閱讀原文
VLA [SNU]
$\mu_0$: A Scalable 3D Interaction-Trace World Model
Seungjae Lee et al. · 构建以 3D 交互痕迹而非像素外观为核心的世界模型，避免把容量浪费在稠密外观重建上，从而摆脱对本体相关动作标签的依赖。对可扩展世界模型预训练有参考价值，非 VLA 策略架构。
cs.RO
閱讀原文