机器人 / 具身智能

Turning Video Models into Generalist Robot Policies

将视频模型转化为通用机器人策略

Sizhe Lester Li, Evan Kim, Xingjian Bai, Tong Zhao, Tao Pang, Max Simchowitz, Vincent Sitzmann

机构 * MIT（麻省理工学院） ； CMU（卡内基梅隆大学） ； Amazon FAR（亚马逊公司） 纠错

专题命中 机器人基础模型 ：robotics(abstract)；manipulation(abstract)；world model(abstract)；robot foundation model(abstract)

AI总结 提出一种解耦的视频到动作策略VERA，利用无动作视频世界模型和基于机器人雅可比矩阵的逆动力学模型，实现跨本体的零样本机器人控制。

Comments project page: https://vera.csail.mit.edu

How VLAs Fail Differently: Black-Box Action Monitoring Reveals Architecture-Specific Failure Signatures

VLA如何以不同方式失败：黑盒动作监控揭示架构特定的失败特征

Krishnam Gupta

机构 * Independent Research（独立研究） 纠错

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

AI总结 本文通过黑盒动作监控发现，视觉-语言-动作（VLA）架构在电机指令层面以根本不同且可预测的方式失败，并证明架构匹配的监控器选择至关重要。

Comments Accepted at IEEE ICRA 2026 Workshop "From Data to Decisions: VLA Pipelines for Real Robots", Vienna, June 2026. Non-archival workshop. 5 pages, 2 figures, 22 references

MVP-LAM: Learning Action-Centric Latent Action via Cross-Viewpoint Reconstruction

MVP-LAM：通过跨视角重建学习以动作为中心的潜在动作

Jung Min Lee, Dohyeok Lee, Seokhun Ju, Taehyun Cho, Jin Woo Koo, Li Zhao, Sangwoo Hong, Jungwoo Lee

机构 * Seoul National University, Seoul, South Korea（首尔国立大学，首尔，韩国） ； Konkuk University, Seoul, South Korea（韩国konkuk大学，首尔，韩国） ； Microsoft Research Asia, Beijing, China（微软亚洲研究院，北京，中国） ； HodooAI Labs, Seoul, South Korea（HodooAI实验室，首尔，韩国） 纠错

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

AI总结 提出MVP-LAM模型，利用多视角视频通过跨视角重建目标学习与真实动作高度相关的潜在动作，提升动作预测和下游操作性能。

CogVLA: Cognition-Aligned Vision-Language-Action Model via Instruction-Driven Routing & Sparsification

CogVLA: 通过指令驱动路由与稀疏化实现认知对齐的视觉-语言-动作模型

Wei Li, Renshan Zhang, Rui Shao, Jie He, Liqiang Nie

机构 * School of Computer Science and Technology, Harbin Institute of Technology, Shenzhen（哈尔滨工业大学深圳校区计算机科学与技术学院） 纠错

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

AI总结 提出CogVLA框架，通过指令驱动路由和稀疏化机制，在LIBERO基准和真实机器人任务上以2.5倍训练成本降低和2.8倍推理延迟降低实现97.4%和70.0%的成功率。

Comments Accepted to NeurIPS 2025, Project Page: https://jiutian-vl.github.io/CogVLA-page

What Frozen VLAs Already Know About Success: A Probing Study of Value-Like Structure in Foundation Robot Policies

冻结的VLA已经知道关于成功的信息：对基础机器人策略中价值类结构的探测研究

Jiachen Zhang, Junnan Nie, Junyi Lao, Wei Cheng, Chenghao Liu, Jiaxin Jiang, Songfang Huang

机构 * Peking University（北京大学） ； China Agricultural University（中国农业大学） 纠错

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

AI总结 通过线性探测从冻结的VLA特征中预测蒙特卡洛结果目标，发现其编码了成功信息，并可用于测试时动作选择提升成功率。

Comments 14 pages, 1 figure, 11 tables. Equal contribution: Jiachen Zhang, Junnan Nie, and Junyi Lao. Corresponding author: Songfang Huang. Preprint

VLA-Hijack: A Transferable Patch Attack against Vision-Language-Action Models via Visual Proprioception Hijacking

VLA-Hijack: 通过视觉本体感觉劫持实现针对视觉-语言-动作模型的可迁移补丁攻击

Jiyuan Fu, Kaixun Jiang, Jingkai Jia, Zhaoyu Chen, Xueyao Chen, Lingyi Hong, Shuyong Gao, Chenzhi Tan, Dingkang Yang, Wenqiang Zhang

机构 * Fudan University（复旦大学） ； The Hong Kong Polytechnic University（香港理工大学） 纠错

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

AI总结 提出VLA-Hijack框架，通过注意力引导的本体感觉抑制和多模态本体感觉注入攻击视觉自定位过程，实现跨架构黑盒迁移攻击。

A Factory-Floor Deployment Case Study of VLA Pipelines for Industrial Packaging Task: Workflow, Failures, and Lessons

工业包装任务的VLA流水线工厂部署案例研究：工作流、故障与经验教训

Brian Zhu, Philipp Schmitt, Philine Meister, Lukas Gensler, Momen Khalil, Emmanuele Poggi, Johannes Hechtl, Carsten Braunroth, Kai Wurm, Gokul Narayanan, Eugen Solowjow, Georg von Wichert, Andre Scholz, Felix Albrecht, Maxmillian Metzner

机构 * Siemens Corporation（西门子公司） 纠错

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

AI总结 本研究通过在西门子工厂部署预训练Pi0.5策略执行工业包装任务，迭代微调并收集2535个现场数据片段，总结了VLA流水线部署中的常见故障模式与改进工作流的经验教训。

ICR-Drive: Instruction Counterfactual Robustness for End-to-End Language-Driven Autonomous Driving

ICR-Drive：面向端到端语言驱动自动驾驶的指令反事实鲁棒性

Kaiser Hamid, Can Cui, Nade Liang

机构 * Texas Tech University（德克萨斯科技大学） ； Bosch Center for Artificial Intelligence (BCAI)（博世人工智能中心（BCAI）） 纠错

专题命中 机器人基础模型 ：navigation(abstract)；分类 cs.CV

AI总结 提出ICR-Drive框架，通过生成四类扰动指令（改写、歧义、噪声、误导）并基于CARLA仿真评估，揭示语言条件驾驶模型对指令变化的脆弱性。

Journal ref Proceedings of the IEEE/CVF Conference on Computer Vision and Pattern Recognition (CVPR) Workshops, 2026, pp. 872-880