VLA / 视觉-语言-动作模型

ProbeFlow: Training-Free Adaptive Flow Matching for Vision-Language-Action Models

ProbeFlow: 无需训练的自适应流匹配用于视觉-语言-动作模型

Zhou Fang, Jiaqi Wang, Yi Zhou, Qiongfeng Shi

机构 * School of Computer Science and Engineering, Southeast University, China（东南大学计算机科学与工程学院，中国） ； Key Laboratory of New Generation Artificial Intelligence Technology and Its Interdisciplinary Applications, Ministry of Education, China（新一代人工智能技术及其交叉应用国家重点实验室，中华人民共和国教育部，中国） ； School of Electronic Science & Engineering, Southeast University, China（东南大学电子科学与工程学院，中国） 纠错

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

AI总结 ProbeFlow通过动态调度积分步骤减少冗余网络计算，提升动作解码效率和系统延迟，保持动作成功率。

Enabling Dynamic Tracking in Vision-Language-Action Models via Time-Discrete and Time-Continuous Velocity Feedforward

通过时间离散和时间连续速度前馈实现视觉-语言-动作模型中的动态跟踪

Johannes Hechtl, Philipp Schmitt, Georg von Wichert, Wolfram Burgard

机构 * Siemens Foundational Technologies（西门子基础技术） ； Department of Computer Science & Artificial Intelligence, University of Technology Nuremberg（技术大学纽伦堡计算机科学与人工智能系） 纠错

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

AI总结 本文提出两种方法提取VLAs中的速度目标，通过有限差分和连续三次B样条空间，改进VLA策略以解决合规性与响应性之间的权衡，提升任务执行速度和成功率。

Look Before Acting: Enhancing Vision Foundation Representations for Vision-Language-Action Models

先看再行动：增强视觉基础表示以用于视觉-语言-动作模型

Yulin Luo, Hao Chen, Zhuangzhe Wu, Bowen Sui, Jiaming Liu, Chenyang Gu, Zhuoyang Liu, Qiuxuan Feng, Jiale Yu, Shuo Gu, Peng Jia, Pheng-Ann Heng, Shanghang Zhang

机构 * State Key Laboratory of Multimedia Information Processing, School of Computer Science, Peking University（多媒体信息处理国家重点实验室，计算机学院，北京大学） ； Simplexity Robotics（Simplexity机器人公司） ； The Chinese University of Hong Kong（香港中文大学） 纠错

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

AI总结 本文提出DeepVision-VLA框架，通过视觉-语言混合变压器提升视觉表示，引入动作引导视觉剪枝技术，实现在模拟和现实任务中提升9.0%和7.5%的性能。

AnchorVLA4D: an Anchor-Based Spatial-Temporal Vision-Language-Action Model for Robotic Manipulation

AnchorVLA4D: 一种基于锚点的时空视觉-语言-动作模型用于机器人操作

Juan Zhu, Zhanying Shao, Xiaoqi Li, Ethan Morgan, Jiadong Xu, Hongwei Fan, Hao Dong

机构 * PrimeBot ； School of Computer Science, Peking University（北京大学计算机学院） 纠错

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

AI总结 本文提出AnchorVLA4D，通过引入锚点图像和轻量级空间编码器，提升机器人操作中的时空推理能力，实现在Simpler WidowX基准测试中提升13.6%，并在真实任务中达到80%的成功率。

SELF-VLA: A Skill Enhanced Agentic Vision-Language-Action Framework for Contact-Rich Disassembly

SELF-VLA: 一种增强技能的代理视觉-语言-动作框架用于接触丰富的拆解

Chang Liu, Sibo Tian, Xiao Liang, Minghui Zheng

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

AI总结 SELF-VLA是一种整合显式拆解技能的代理视觉-语言-动作框架，通过实验在接触丰富的拆解任务中优于现有端到端VLA模型。

LaST-VLA: Thinking in Latent Spatio-Temporal Space for Vision-Language-Action in Autonomous Driving

LaST-VLA: 在自动驾驶的视觉-语言-动作中思考于潜在的空间-时间空间

Yuechen Luo, Fang Li, Shaoqing Xu, Yang Ji, Zehan Zhang, Bing Wang, Yuannan Shen, Jianwei Cui, Long Chen, Guang Chen, Hangjun Ye, Zhi-Xin Yang, Fuxi Wen

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

AI总结 LaST-VLA通过潜在空间-时间推理框架，结合双特征对齐机制和渐进式SFT训练策略，提升自动驾驶中的视觉-语言-动作处理能力，实现更安全的物理基础推理。

DepthCache: Depth-Guided Training-Free Visual Token Merging for Vision-Language-Action Model Inference

DepthCache: 一种基于深度的无训练视觉标记融合方法，用于视觉-语言-动作模型推理

Yuquan Li, Lianjie Ma, Han Ding, Lijun Zhu

机构 * School of Artificial Intelligence and Automation, Huazhong University of Science and Technology（华中科技大学人工智能与自动化学院） ； School of Mechanical Science and Engineering, Huazhong University of Science and Technology（华中科技大学机械科学与工程学院） 纠错

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

AI总结 DepthCache通过利用深度作为结构先验，实现无训练的视觉标记融合，提升视觉-语言-动作模型推理速度，同时保持较高的任务成功率。

Comments 8 pages, 6 figures

Seeing Space and Motion: Enhancing Latent Actions with Geometric and Dynamic Awareness for Vision-Language-Action Models

感知空间与运动：通过几何和动态意识增强潜在动作以提升视觉-语言-动作模型

Zhejia Cai, Yandan Yang, Xinyuan Chang, Shiyi Liang, Ronghan Chen, Feng Xiong, Mu Xu, Ruqi Huang

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

AI总结 本文提出Farsighted-LAM和SSM-VLA框架，通过几何和动态意识增强视觉-语言-动作模型，提升动作建模的鲁棒性和可解释性。

Comments 8 pages, correct errors, clarify details

StyleVLA: Driving Style-Aware Vision Language Action Model for Autonomous Driving

StyleVLA: 驾驶风格感知的视觉语言动作模型用于自动驾驶

Yuan Gao, Dengyuan Hua, Mattia Piccinini, Finn Rasmus Schäfer, Korbinian Moller, Lin Li, Johannes Betz

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

AI总结 StyleVLA通过引入物理约束和混合损失，生成多样且物理合理的驾驶行为，优于现有专有和先进模型。

Comments 8 pages

RetoVLA: Reusing Register Tokens for Spatial Reasoning in Vision-Language-Action Models

RetoVLA: 通过重用寄存器令牌在视觉-语言-动作模型中实现空间推理

Jiyeon Koo, Taewan Cho, Hyunjoon Kang, Eunseom Pyo, Tae Gyun Oh, Taeryang Kim, Andrew Jaeyong Choi

机构 * School of Computing, Gachon University（高丽大学计算机学院） 纠错

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

AI总结 RetoVLA通过重用注册令牌提升视觉-语言-动作模型的空间推理能力，实验显示在7自由度机械臂任务中平均成功率提升17.1%。

Journal ref 2026 IEEE International Conference on Robotics and Automation (ICRA)

OneTwoVLA: A Unified Vision-Language-Action Model with Adaptive Reasoning

OneTwoVLA：一种具有自适应推理能力的统一视觉-语言-动作模型

Fanqi Lin, Ruiqian Nai, Yingdong Hu, Jiacheng You, Junming Zhao, Yang Gao

机构 * Tsinghua University（清华大学） ； Shanghai Qi Zhi Institute（上海启智研究院） 纠错

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

AI总结 OneTwoVLA通过自适应推理机制实现视觉-语言-动作统一，提升机器人在复杂任务中的规划、交互与执行能力。

HALO: A Unified Vision-Language-Action Model for Embodied Multimodal Chain-of-Thought Reasoning

HALO：一种用于具身多模态推理的统一视觉-语言-动作模型

Quanxin Shou, Fangqi Zhu, Shawn Chen, Puxin Yan, Zhengyang Yan, Yikun Miao, Xiaoyi Pang, Zicong Hong, Ruikai Shi, Hao Huang, Jie Zhang, Song Guo

机构 * The Hong Kong University of Science and Technology（香港科学与技术大学） 纠错

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

AI总结 HALO提出了一种统一的视觉-语言-动作模型，通过结合文本推理、视觉子目标预测和增强的动作预测，实现具身多模态链式推理，提升了机器人在复杂环境中的表现和泛化能力。

Rethinking the Practicality of Vision-language-action Model: A Comprehensive Benchmark and An Improved Baseline

重新审视视觉-语言-动作模型的实用性：一个全面的基准和一个改进的基线

Wenxuan Song, Jiayi Chen, Xiaoquan Sun, Huashuo Lei, Yikai Qin, Wei Zhao, Pengxiang Ding, Han Zhao, Tongxin Wang, Pengxu Hou, Zhide Zhong, Haodong Yan, Donglin Wang, Jun Ma, Haoang Li

机构 * OpenHelix-Team（OpenHelix团队） 纠错

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

AI总结 本文提出CEbench基准和LLaVA-VLA模型，通过轻量级设计和两阶段训练提升视觉-语言-动作模型的实用性，实现在消费级GPU上的实际应用。

Comments Accepted by ICRA 2026

DM0: An Embodied-Native Vision-Language-Action Model towards Physical AI

DM0：一种面向物理AI的具身原生视觉-语言-动作模型

En Yu, Haoran Lv, Jianjian Sun, Kangheng Lin, Ruitao Zhang, Yukang Shi, Yuyang Chen, Ze Chen, Ziheng Zhang, Fan Jia, Kaixin Liu, Meng Zhang, Ruitao Hao, Saike Huang, Songhan Xie, Yu Liu, Zhao Wu, Bin Xie, Pengwei Zhang, Qi Yang, Xianchi Deng, Yunfei Wei, Enwen Zhang, Hongyang Peng, Jie Zhao, Kai Liu, Wei Sun, Yajun Wei, Yi Yang, Yunqiao Zhang, Ziwei Yan, Haitao Yang, Hao Liu, Haoqiang Fan, Haowei Zhang, Junwen Huang, Yang Chen, Yunchao Ma, Yunhuan Yang, Zhengyuan Du, Ziming Liu, Jiahui Niu, Yucheng Zhao, Daxin Jiang, Wenbin Tang, Xiangyu Zhang, Zheng Ge, Erjin Zhou, Tiancai Wang

机构 * DM0 Team（DM0团队） ； Dexmal ； StepFun 纠错

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

AI总结 DM0提出了一种面向物理AI的具身原生视觉-语言-动作模型，通过统一具身操作和导航，结合预训练、中训练和后训练流程，实现对复杂物理任务的高效处理。

Comments Authors are listed in alphabetical order. Code is available at https://github.com/Dexmal/dexbotic

SteerVLA: Steering Vision-Language-Action Models in Long-Tail Driving Scenarios

SteerVLA：在长尾驾驶场景中引导视觉-语言-动作模型

Tian Gao, Celine Tan, Catherine Glossop, Timothy Gao, Jiankai Sun, Kyle Stachowicz, Shirley Wu, Oier Mees, Dorsa Sadigh, Sergey Levine, Chelsea Finn

机构 * Stanford University（斯坦福大学） ； University of California, Berkeley（加州大学伯克利分校） ； Microsoft（微软公司） 纠错

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

AI总结 SteerVLA通过结合视觉-语言模型的推理能力，生成细粒度语言指令以提升驾驶策略的稳健性和长尾场景下的性能。

AutoFly: Vision-Language-Action Model for UAV Autonomous Navigation in the Wild

AutoFly：面向野外无人机自主导航的视觉-语言-动作模型

Xiaolou Sun, Wufei Si, Wenhui Ni, Yuntian Li, Dongming Wu, Fei Xie, Runwei Guan, He-Yang Xu, Henghui Ding, Yuan Wu, Yutao Yue, Yongming Huang, Hui Xiong

机构 * Southeast University（东南大学） ； Purple Mountain Labs（紫金山实验室） ； The Chinese University of Hong Kong（香港中文大学） ； The Hong Kong University of Science and Technology (Guangzhou)（香港科学与技术大学（广州）） ； Fudan University（复旦大学） ； Shanghai Jiao Tong University（上海交通大学） 纠错

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

AI总结 AutoFly是一种面向野外无人机自主导航的视觉-语言-动作模型，通过伪深度编码器和渐进两阶段训练策略，实现自主避障和规划，提升导航成功率。

Comments Acceped by ICLR 2026

Reshaping Action Error Distributions for Reliable Vision-Language-Action Models

重塑动作误差分布以实现可靠的视觉-语言-动作模型

Shuanghao Bai, Dakai Wang, Cheng Chi, Wanqi Zhou, Jing Lyu, Xiaoguang Zhao, Pengwei Wang, Zhongyuan Wang, Lei Xing, Shanghang Zhang, Badong Chen

机构 * Institute of Artificial Intelligence and Robotics（人工智能与机器人研究所） ； Beijing Academy of Artificial Intelligence（北京人工智能研究院） ； Institute of Automation（自动化研究所） ； University of Chinese Academy of Sciences（中国科学院大学） ； School of Artificial Intelligence（人工智能学院） ； Peking University（北京大学） 纠错

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

AI总结 本研究通过重塑动作误差分布，提出基于最小误差熵的VLA模型训练方法，提升模型在不同任务中的成功率与鲁棒性。

CoFreeVLA: Collision-Free Dual-Arm Manipulation via Vision-Language-Action Model and Risk Estimation

CoFreeVLA：通过视觉-语言-动作模型和风险估计实现碰撞-free双臂操作

Xuanran Zhai, Binkai Ou, Qiaojun Yu, Ce Hao, Yaohua Liu

专题命中 VLA模型 ：vision-language-action(title)；action model(title)；vision language action(abstract)；VLA(abstract)

AI总结 CoFreeVLA通过视觉-语言-动作模型和风险估计实现双臂操作的安全性提升，有效减少自我碰撞并提高任务成功率。

AIR-VLA: Vision-Language-Action Systems for Aerial Manipulation

AIR-VLA：面向空中操作的视觉-语言-动作系统

Jianli Sun, Bin Tian, Qiyao Zhang, Chengxiang Li, Zihan Song, Zhiyong Cui, Yisheng Lv, Yonglin Tian

机构 * The Institute of Automation, Chinese Academy of Sciences（中国科学院自动化研究所） ； School of Automation, Beijing Institute of Technology（北京理工大学自动化学院） ； School of Information and Intelligent Engineering, University of Sanya（三亚大学信息与智能工程学院） ； School of Mechanical and Vehicle Engineering, Hunan University（湖南大学机械与车辆工程学院） ； State Key Lab of Intelligent Transportation Systems, School of Transportation Science and Engineering, Beihang University（北京航空航天大学交通科学与工程学院） 纠错

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

AI总结 AIR-VLA提出首个针对空中操作的视觉-语言-动作系统，通过构建仿真环境和多模态数据集，评估主流模型并揭示其在无人机移动、机械臂控制和高层规划中的能力和限制。

Environment-Aware Adaptive Pruning with Interleaved Inference Orchestration for Vision-Language-Action Models

环境感知自适应剪枝与交错推断调度用于视觉-语言-动作模型

Yuting Huang, Leilei Ding, Zhipeng Tang, Zenghuan Zhu, Jiajun Deng, Xinrui Lin, Shuo Liu, Haojie Ren, Jianmin Ji, Yanyong Zhang

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

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

AI总结 EcoVLA通过环境感知自适应剪枝和交错推断调度，实现视觉-语言-动作模型的高效参数稀疏化，提升推理速度并保持高成功率。

Comments 12 pages, 7 figures

Inject Once Survive Later: Backdooring Vision-Language-Action Models to Persist Through Downstream Fine-tuning

一次注入，后期存活：向视觉-语言-动作模型注入后门以在下游微调中持续存在

Jianyi Zhou, Yujie Wei, Ruichen Zhen, Bo Zhao, Xiaobo Xia, Rui Shao, Xiu Su, Shuo Yang

机构 * Harbin Institute of Technology, Shenzhen（哈尔滨工业大学（深圳）） ； Harbin Institute of Technology（哈尔滨工业大学） ； Meituan Academy of Robotics Shenzhen, Meituan（美团机器人深圳研究院） ； Shanghai Jiaotong University（上海交通大学） ； National University of Singapore（新加坡国立大学） ； Central South University（中南大学） 纠错

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

AI总结 本文提出INFUSE框架，首次实现对VLA模型的后门攻击，使其在用户微调后仍能保持有效性，显著提升攻击成功率并保持任务性能。

$π_\texttt{RL}$: Online RL Fine-tuning for Flow-based Vision-Language-Action Models

$π_\ exttt{RL}$: 流基于视觉-语言-动作模型的在线强化学习微调

Kang Chen, Zhihao Liu, Tonghe Zhang, Zhen Guo, Si Xu, Hao Lin, Hongzhi Zang, Xiang Li, Quanlu Zhang, Zhaofei Yu, Guoliang Fan, Tiejun Huang, Yu Wang, Chao Yu

机构 * Tsinghua University（清华大学） ； Peking University（北京大学） ； Institute of Automation, Chinese Academy of Sciences（中国科学院自动化研究所） ； Carnegie Mellon University（卡内基梅隆大学） ； Infinigence AI ； Zhongguancun Academy（中关村学院） 纠错

专题命中 VLA模型 ：vision-language-action(title,abstract)；action model(title)；VLA(abstract)；分类 cs.LG

AI总结 本文提出$π_\ exttt{RL}$方法，通过流噪声和流SDE技术，解决大规模流基于VLA模型中强化学习微调的挑战，提升模型在分布内和分布外任务中的性能。

ActiveVLA: Injecting Active Perception into Vision-Language-Action Models for Precise 3D Robotic Manipulation

ActiveVLA: 向视觉-语言-动作模型注入主动感知以实现精确的3D机器人操控

Zhenyang Liu, Yongchong Gu, Yikai Wang, Xiangyang Xue, Yanwei Fu

机构 * Fudan University（复旦大学） ； Shanghai Innovation Institute（上海创新研究院） ； Nanyang Technological University（南洋理工大学） 纠错

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

AI总结 ActiveVLA通过引入主动感知能力，提升机器人在复杂环境中的高精度3D操控性能。

SOP: A Scalable Online Post-Training System for Vision-Language-Action Models

SOP：一种可扩展的在线后训练系统用于视觉-语言-动作模型

Mingjie Pan, Siyuan Feng, Qinglin Zhang, Xinchen Li, Jianheng Song, Chendi Qu, Yi Wang, Chuankang Li, Ziyu Xiong, Zhi Chen, Yi Liu, Jianlan Luo

机构 * Agibot Research（Agibot研究机构） ； Shanghai Innovation Institute（上海创新研究院） 纠错

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

AI总结 SOP系统通过在线分布式后训练提升视觉-语言-动作模型在现实世界中的性能，实现高效可靠的多任务适应。

Benchmarking the Generality of Vision-Language-Action Models

对视觉-语言-动作模型通用性的基准测试

Pranav Guruprasad, Sudipta Chowdhury, Harsh Sikka, Mridul Sharma, Helen Lu, Sean Rivera, Aryan Khurana, Hangliang Ren, Yangyue Wang

机构 * Manifold Research ； Metarch AI ； Georgia Tech（佐治亚理工学院） ； Tufts University（塔夫茨大学） ； Northeastern University（东北大学） ； Birla Institute of Technology and Science, Pilani（比拉理工学院，帕利尼） ； Institute for Research and Innovation in Intelligent Systems (IRIIS)（智能系统研究与创新研究所） 纠错

专题命中 VLA模型 ：action model(title,abstract)；vision-language-action(title)；vision language action(abstract)；分类 cs.LG

AI总结 本文提出MultiNet v1.0基准，评估视觉-语言-动作模型在六个基础能力领域的跨领域泛化能力，发现现有模型在未见领域和模态转移时表现显著退化。

Comments 23 pages, 7 figures, and 1 table

Token Expand-Merge: Training-Free Token Compression for Vision-Language-Action Models

令牌扩展-合并：面向视觉-语言-动作模型的免训练 令牌压缩

Yifan Ye, Jiaqi Ma, Jun Cen, Zhihe Lu

机构 * College of Science and Engineering, Hamad Bin Khalifa University（1 科学与工程学院，哈马德·本·卡西姆大学） ； Mohamed bin Zayed University of Artificial Intelligence（2 摩萨·本·扎耶德人工智能大学） ； College of Computer Science and Technology, Zhejiang University（3 计算机科学与技术学院，浙江大学） 纠错

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

AI总结 TEAM-VLA通过动态令牌扩展与合并机制，实现无需训练的视觉-语言-动作模型高效推理，提升速度并保持任务性能。

Comments 8 pages, 5 figures

GLaD: Geometric Latent Distillation for Vision-Language-Action Models

GLaD：面向视觉-语言-动作模型的几何潜在蒸馏

Minghao Guo, Meng Cao, Jiachen Tao, Rongtao Xu, Yan Yan, Xiaodan Liang, Ivan Laptev, Xiaojun Chang

机构 * MBZUAI ； University of Illinois Chicago（伊利诺伊大学芝加哥分校） 纠错

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

AI总结 GLaD通过引入几何意识的预训练机制，提升了视觉-语言-动作模型的空间推理和策略泛化能力，无需依赖深度传感器或3D标注。

See Once, Then Act: Vision-Language-Action Model with Task Learning from One-Shot Video Demonstrations

一次观看，随后行动：基于单次视频示范的任务学习视觉-语言-行动模型

Guangyan Chen, Meiling Wang, Qi Shao, Zichen Zhou, Weixin Mao, Te Cui, Minzhao Zhu, Yinan Deng, Luojie Yang, Zhanqi Zhang, Yi Yang, Hua Chen, Yufeng Yue

机构 * Beijing Institute of Technology（北京理工大学） ； LimX Dynamics 纠错

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

AI总结 ViVLA通过单次视频示范高效学习机器人操控任务，实现跨任务和跨身体的显著性能提升。

Vision-Language-Action Models for Selective Robotic Disassembly: A Case Study on Critical Component Extraction from Desktops

面向选择性机器人拆解的视觉-语言-动作模型：以从台式机中提取关键部件的案例研究

Chang Liu, Sibo Tian, Sara Behdad, Xiao Liang, Minghui Zheng

机构 * J. Mike Walker ’66 Department of Mechanical Engineering, Texas A&M University（J. Mike Walker ’66 机械工程系，德克萨斯A&M大学） ； Engineering School of Sustainable Infrastructure & Environment, University of Florida（可持续基础设施与环境工程学院，佛罗里达大学） ； Zachry Department of Civil and Environmental Engineering, Texas A&M University（土木与环境工程系，德克萨斯A&M大学） 纠错

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

AI总结 本文研究了视觉-语言-动作模型在机器人选择性拆解中的应用，通过定制数据集微调两种VLA方法，发现其在复杂拆解任务中存在局限，但结合规则控制器的混合策略能有效完成拆解任务。

FPC-VLA: A Vision-Language-Action Framework with a Supervisor for Failure Prediction and Correction

FPC-VLA：一个带有监督器的视觉-语言-动作框架，用于故障预测和纠正

Yifan Yang, Zhixiang Duan, Tianshi Xie, Fuyu Cao, Pinxi Shen, Peili Song, Piaopiao Jin, Guokang Sun, Shaoqing Xu, Yangwei You, Jingtai Liu

机构 * The Institute of Robotics and Automatic Information System（机器人与自动信息系统研究所） ； Tianjin Key Laboratory of Intelligent Robotics（智能机器人天津重点实验室） ； TBI Center, Nankai University, Tianjin 300350, China（南开大学天津中心） ； Faculty of Robot Science and Engineering, Northeastern University, Shenyang 110819, China（机器人科学与工程学院） ； The State Key Laboratory of Internet of Things for Smart City（智能城市物联网国家重点实验室） ； Centre for Artificial Intelligence（人工智能中心） ； Department of Electromechanical Engineering, University of Macau, Macau SAR, China（机电工程系，澳门大学） 纠错

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

AI总结 FPC-VLA 提出了一种双模型框架，结合视觉-语言-动作模块与监督器，用于预测和纠正机器人操作中的故障，提升了自主系统的可靠性和泛化能力。