VLA / 视觉-语言-动作模型

Behavior-Skill: A Fine-Grained Benchmark for Evaluating Vision-Language-Action Policies in Long-Horizon Tasks

Behavior-Skill：用于评估长 horizon 任务中视觉-语言-动作策略的细粒度基准

Chunyun Ma, Lun Luo, Xingjian Luo, Xiexing Feng, Hang Zhang, Wei Liu, Feng Qiao, Yaonan Wang, Huimin Lu, Xieyuanli Chen

机构 * XPeng Inc.（小鹏汽车） ； The Chinese University of Hong Kong（香港中文大学） ； Hunan University（湖南大学） 纠错

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

AI总结 本研究提出细粒度基准 Behavior-Skill，含 235492 个技能实例，引入轨迹与技能级指标，实验发现接触丰富操作技能是长 horizon VLA 策略瓶颈，可用于分析改进该类策略。

Motus2: A Self-Evolving General World Model for Dexterous Manipulation

Motus2：一种用于灵巧操作的自进化通用世界模型

Hongzhe Bi, Zihao Zhou, Yihang Tang, Jingrui Pang, Shuhe Huang, Haitian Liu, Runqing Wang, Shuai Huang, Yichen Wang, Yiming Cheng, Ruowen Zhao, Zhenghua Li, Hengkai Tan, Xiaolong Liu, Jinhui Wan, Jiabao Liu, Min Zhao, Fan Bao, Jun Zhu

机构 * GensPI ； Tsinghua University（清华大学） ； BUAA（北京航空航天大学） ； BIT（北京理工大学） 纠错

专题命中 动作表示与策略 ：action model(abstract)；分类 cs.RO、cs.CV、cs.AI

AI总结 本文提出Motus2，一种用于灵巧操作的自进化通用世界模型，通过模型缩放与数据缩放构建闭环决策学习循环，结合多模态数据与仿生平台实现通用具身智能体的灵巧操作。

PAVE: Predictive Alignment and Value-Guided Evolution for World-Action Policies

PAVE：面向世界-动作策略的预测对齐与价值引导进化

Botong Zhao, Fang Yu, Tim, Senhua Zhu, Xinyuan Chen, Yue Lu

机构 * East China Normal University（华东师范大学） ； EBKernel Shanghai Artificial Intelligence Laboratory（上海人工智能实验室EBKernel） 纠错

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

AI总结 本研究提出PAVE策略，通过多时间步转换对齐与分布价值评论者优化，在三个模拟基准中实现最优性能，同时保留在线直接动作生成路径。

SmoothRL: Online Reinforcement Learning During Asynchronous Execution

SmoothRL：异步执行期间的在线强化学习

Guang Gao, Yuxuan Nong, Baifu Huang, Jianan Wang

机构 * Astribot Team（Astribot团队） 纠错

专题命中 动作表示与策略 ：robot foundation model(abstract)；分类 cs.RO

AI总结 SmoothRL是一种在异步推理循环内微调预训练策略的在线RL框架，通过显式建模异步推理过程优化策略，在高精度及高度动态机器人任务上实现有效评估。

Drift-Based Policy Optimization: Native One-Step Policy Learning for Online Robot Control

基于漂移的策略优化：面向在线机器人控制的原生一步生成策略

Yuxuan Gao, Yedong Shen, Shiqi Zhang, Wenhao Yu, Yifan Duan, Jia pan, Jiajia Wu, Jiajun Deng, Yanyong Zhang

机构 * University of Science and Technology of China（中国科学技术大学） ； iFLYTEK 纠错

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

AI总结 本文提出一种原生一步生成策略框架，通过将迭代细化移至训练阶段，提升在线机器人控制的效率与稳定性，实验显示其在推理速度和性能上优于多步扩散策略。

Comments Accepted at the 34th ACM International Conference on Multimedia

RLinf-USER: A Unified and Extensible System for Real-World Online Policy Learning in Embodied AI

RLinf-USER: 一个统一且可扩展的系统，用于具身人工智能中的现实世界在线策略学习

Hongzhi Zang, Shu'ang Yu, Hao Lin, Tianxing Zhou, Zefang Huang, Zhen Guo, Xin Xu, Jiakai Zhou, Yuze Sheng, Shizhe Zhang, Feng Gao, Wenhao Tang, Yufeng Yue, Quanlu Zhang, Xinlei Chen, Chao Yu, Yu Wang

专题命中 动作表示与策略 ：VLA(abstract_cn)；分类 cs.RO

AI总结 RLinf-USER是一个统一且可扩展的系统，用于现实世界中的在线策略学习，通过统一硬件抽象层和异步框架实现多机器人协调与长时训练。

Comments Accepted to RSS 2026