视觉与机器人

机器人 / 具身智能

机器人、具身智能、机器人学习、操作、导航和具身世界模型。

2026-05-20 至 2026-05-20 共收录 3 篇信号源：cs.RO, cs.AI, cs.CV, cs.LG

1. 机器人基础模型 3 篇

2605.19580 2026-05-20 cs.RO 70%

PAPO-VLA: Planning-Aware Policy Optimization for Vision-Language-Action Models

PAPO-VLA: 为视觉-语言-动作模型进行规划感知的策略优化

Peizheng Guo, Jingyao Wang, Changwen Zheng, Wenwen Qiang

机构 * Institute of Software Chinese Academy of Sciences（软件研究所中国科学院）； University of Chinese Academy of Sciences（中国科学院大学）

专题命中机器人基础模型：manipulation(abstract)；robotic(abstract)；分类 cs.RO

AI总结本文提出PAPO-VLA，一种针对视觉-语言-动作模型的规划感知策略优化方法，通过识别和优化规划动作以提高VLA策略的可靠性。

2605.19678 2026-05-20 cs.RO 57%

RoVLA: Multi-Consistency Constraints for Robust Vision-Language-Action Models

RoVLA: 多一致性约束用于鲁棒的视觉-语言-动作模型

Jingzhou Luo, Yifan Wen, Yongjie Bai, Xinshuai Song, Yang Liu, Liang Lin

机构 * Sun Yat-sen University（中山大学）； Peng Cheng Laboratory（鹏城实验室）； Guangdong Key Laboratory of Big Data Analysis and Processing（广东大数据分析与处理重点实验室）； X-Era AI Lab（X-Era AI实验室）

专题命中机器人基础模型：manipulation(abstract)；分类 cs.RO

AI总结本文提出RoVLA框架，通过多一致性约束提升视觉-语言-动作模型的鲁棒性，通过指令语义、轨迹演变和观察扰动三种互补变换增强模型的稳定性和泛化能力。

2605.08879 2026-05-20 cs.RO 57%

Preserving Foundational Capabilities in Flow-Matching VLAs through Conservative SFT

通过保守监督微调在流匹配视觉-语言-动作中保持基础能力

Tianyi Zhang, Shaopeng Zhai, Haoran Zhang, Fuxian Huang, Qi Zhang

机构 * Shanghai Artificial Intelligence Laboratory（上海人工智能实验室）

专题命中机器人基础模型：robotic(abstract)；分类 cs.RO

AI总结本文提出保守监督微调（ConSFT）方法，旨在通过动态调整学习信号来减少流匹配视觉-语言-动作模型在微调过程中对预训练能力的损害，从而在不依赖先验数据或架构开销的情况下提升模型在目标分布上的适应性和能力保留。

Comments 20 pages, 9 figures