VLA / 视觉-语言-动作模型

PhysCaP: Grounding Code-as-Policy Agent with Physics-Informed Exploration

PhysCaP：基于物理引导探索的代码即策略智能体

Chen-Yu Lin, Jing-Wen Chen, Hsueh-En Chang, Hung-An Chen, Sheng-Hsun Chang, Chi-Pin Huang, Fu-En Yang, Min-Hung Chen, Yi-Ting Chen, Yu-Chiang Frank Wang, Shao-Hua Sun

机构 * National Taiwan University（台湾大学） ； NVIDIA Research（英伟达研究院） ； National Yang Ming Chiao Tung University（国立阳明交通大学） 纠错

专题命中 动作表示与策略 ：vision-language-action(abstract)；分类 cs.RO

AI总结 PhysCaP是一种带物理引导探索层的代码即策略智能体，采用双智能体设计，可高效估算物体物理属性，在桌面操纵及LIBERO模拟任务中性能优于基线方法。

EndoLIFT: Language-Disambiguated Latent-Conditioned Rectified Flow for Bidirectional Endoscopic Control

EndoLIFT：用于双向内镜控制的语言消歧潜在条件修正流

Chi Kit Ng, Yidong Zhang, Lui Siu Hing, Jinsong Lin, Tianchun Wu, Ho Yin Chim, Zhiqing Tang, Tao Yang, Huxin Gao, Trevor Yeung, Raymond Shing-Yan Tang, Hongliang Ren

机构 * The Chinese University of Hong Kong（香港中文大学） ； The Sixth Affiliated Hospital, Sun Yat-sen University（中山大学附属第六医院） 纠错

专题命中 动作表示与策略 ：vision-language-action(abstract)；分类 cs.RO

AI总结 EndoLIFT是一种视觉-语言-动作策略，通过结合语言意图条件与潜在条件修正流，解决双向内镜控制的意图混叠问题，在导航准确率、错误方向减少及多 phantom 试验中均取得显著提升。