VLA / 视觉-语言-动作模型

VISTA: Enhancing Visual Conditioning via Track-Following Preference Optimization in Vision-Language-Action Models

VISTA: 通过视觉跟踪偏好优化增强视觉条件化在视觉-语言-动作模型中

Yiye Chen, Yanan Jian, Xiaoyi Dong, Shuxin Cao, Jing Wu, Patricio Vela, Benjamin E. Lundell, Dongdong Chen

机构 * Nvidia（Nvidia公司） ； Microsoft（微软公司） ； University of Oxford（牛津大学） 纠错

专题命中 VLA模型 ：vision-language-action(title,abstract)；action model(title)；VLA(abstract,comments)；分类 cs.RO、cs.CV、cs.AI

AI总结 VISTA通过视觉跟踪偏好优化提升视觉条件化，增强VLA模型在视觉-动作对齐和任务性能上的表现。

Comments In submission. Project website: https://vista-vla.github.io/

LSA: Localized Semantic Alignment for Enhancing Temporal Consistency in Traffic Video Generation

LSA：局部语义对齐用于增强交通视频生成中的时间一致性

Mirlan Karimov, Teodora Spasojevic, Markus Braun, Julian Wiederer, Vasileios Belagiannis, Marc Pollefeys

机构 * Mercedes-Benz AG（梅赛德斯-奔驰集团） ； ETH Zurich（苏黎世联邦理工学院） ； Friedrich-Alexander University Erlangen-Nuremberg（埃朗根-纽伦堡弗里德里希-亚历山大大学） 纠错

专题命中 VLA模型 ：action model(abstract)；分类 cs.CV、cs.AI

AI总结 LSA通过局部语义对齐提升交通视频生成的时间一致性，无需外部控制信号。

Comments Accepted to IEEE IV 2026. 8 pages, 3 figures. Code available at https://github.com/mirlanium/LSA

Depth estimation of a monoharmonic source using a vertical linear array at fixed distance

利用垂直线阵在固定距离上估计单谐源深度

Yangjin Xu, Wei Gao, Xiaolei Li, Qinghang Zeng

专题命中 VLA模型 ：VLA(abstract)

AI总结 本文提出了一种基于正交约束模态搜索的深度估计方法，用于在未知海床参数条件下利用垂直线阵估计单谐源深度，并通过实验验证了其有效性。

SynAT: Enhancing Security Knowledge Bases via Automatic Synthesizing Attack Tree from Crowd Discussions

SynAT: 通过自动合成 crowds 的攻击树来增强安全知识库

Ziyou Jiang, Lin Shi, Guowei Yang, Xuyan Ma, Fenglong Li, Qing Wang

专题命中 VLA模型 ：action model(abstract)

AI总结 SynAT通过自动合成攻击树提升安全知识库，利用LLM和提示学习提取安全讨论中的事件和关系，有效增强安全防护能力。

Comments 28 pages, 8 figures

V-Reactor Dynamics: Dual Chaotic Systems and Synchronizing Human Defenses with Viral Evolution

V-Reactor Dynamics: 双重混沌系统与通过病毒进化同步人类防御

Yong-Shou Chen

专题命中 VLA模型 ：action model(abstract)

AI总结 V-Reactor Dynamics通过构建双重混沌系统，利用反应参数ρ预测病毒传播动态，实现提前预警和主动防御大流行病。

Comments 6 pages, 4 figures

Exclusive photoproduction of light and heavy vector mesons: thresholds to very high energies

轻重向量介子的独占光电产生：从阈值到极高能级

Lin Tang, Hui-Yu Xing, Minghui Ding, Craig D. Roberts

专题命中 VLA模型 ：action model(abstract)

AI总结 本文提出了一种模型，用于描述γ + p → V + p反应，统一了不同介子的截面数据，并探讨了其在高能下的行为及与胶子分布等物理量的联系。

Comments 22 pages, 19 figures, 4 tables

Benchmarking Affordance Generalization with BusyBox

通过BusyBox评估具身泛化能力

Dean Fortier, Timothy Adamson, Tess Hellebrekers, Teresa LaScala, Kofi Ennin, Michael Murray, Andrey Kolobov, Galen Mullins

机构 * Microsoft Research（微软研究院） ； Mississippi State University（密苏里州立大学） 纠错

专题命中 部署与泛化 ：vision-language-action(abstract)；VLA(abstract)；分类 cs.RO、cs.AI

AI总结 本文提出BusyBox基准，用于评估VLA模型在具身泛化能力上的表现，通过模块化设计挑战模型对新物体的操作能力。