机器人 / 具身智能 - arXivDaily 专题

2604.04834 2026-07-01 cs.CV cs.MM cs.RO eess.IV 版本更新 73%

E-VLA: Event-Augmented Vision-Language-Action Model for Dark and Blurred Scenes

E-VLA：事件增强的视觉-语言-动作模型用于暗光和模糊场景

Jiajun Zhai, Hao Shi, Shangwei Guo, Kailun Yang, Kaiwei Wang

机构 * Zhejiang University（浙江大学）； Ant Group（蚂蚁集团）； Hunan University（湖南大学）

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

AI总结 E-VLA通过事件流中的运动和结构线索提升暗光和模糊场景下的操控鲁棒性，利用事件驱动感知增强视觉-语言-动作模型的性能。

Comments Accepted to ECCV 2026. Code and dataset will be available at https://github.com/JJayzee/E-VLA

2603.25399 2026-07-01 cs.CV cs.RO 版本更新 73%

LaMP: Learning Vision-Language-Action Policy with 3D Scene Flow as Latent Motion Prior

LaMP: 以3D场景流作为潜在运动先验的视觉-语言-动作策略学习

Xinkai Wang, Chenyi Wang, Yifu Xu, Mingzhe Ye, Fucheng Zhang, Jialin Tian, Xinyu Zhan, Lifeng Zhu, Cewu Lu, Lixin Yang

机构 * Southeast University（东南大学）； School of Artificial Intelligence, Shanghai Jiao Tong University（上海交通大学人工智能学院）； Zhejiang University（浙江大学）； Beihang University（北京航空航天大学）； Shanghai Innovation Institute（上海创新研究院）

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

AI总结提出LaMP框架，通过门控融合将3D场景流作为潜在运动先验，对齐运动专家与动作专家，提升VLA策略在复杂空间交互中的鲁棒性，在LIBERO等基准上取得最高平均成功率。

Comments Accepted to ECCV2026

2606.31167 2026-07-01 cs.RO cs.AI 新提交 62%

MIRTH: Mutual-Information Reasoning with Temporal Hubs for Vision-Language-Action Agents

MIRTH：面向视觉-语言-动作智能体的基于互信息推理的时间枢纽

Hao Sun, Yu Song, Shiyu Teng, Ziwei Niu, Yen-Wei Chen

机构 * College of Information Science and Engineering, Ritsumeikan University（立命馆大学信息科学与工程学院）； College of Computer Science and Technology, Zhejiang University（浙江大学计算机科学与技术学院）

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

AI总结提出MIRTH框架，通过双尺度时间记忆枢纽、互信息优化的潜在推理令牌和并行动作解码，解决VLA模型的时间短视、推理鸿沟和推理低效问题，在LIBERO和真实机器人上达到SOTA并展现错误恢复能力。

Comments Accepted as main conference paper at ACL 2026

2606.31382 2026-07-01 cs.RO 新提交 57%

Revisiting Parameter Redundancy in Vision-Language-Action Models: Insights from VLM-to-VLA Adaptation

重新审视视觉-语言-动作模型中的参数冗余：从VLM到VLA适配的见解

Fengnian Zhang, Tao Huang, Siyu Xu, Zhong Jin, Chang Xu

机构 * Computer Network Information Center, Chinese Academy of Sciences（中国科学院计算机网络信息中心）； University of Chinese Academy of Sciences（中国科学院大学）； School of Computer Science, Shanghai Jiao Tong University（上海交通大学计算机科学与工程学院）； School of Computer Science, The University of Sydney（悉尼大学计算机科学学院）

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

AI总结通过分析VLM到VLA适配中参数差异的空间分布，设计多模块联合剪枝方案，在无需微调恢复的情况下减少12%-30%参数并保持约90%性能。

Comments 22 pages, 3 figures, ECCV 2026 Conference

1. 机器人基础模型 4 篇

E-VLA: Event-Augmented Vision-Language-Action Model for Dark and Blurred Scenes

LaMP: Learning Vision-Language-Action Policy with 3D Scene Flow as Latent Motion Prior

MIRTH: Mutual-Information Reasoning with Temporal Hubs for Vision-Language-Action Agents

Revisiting Parameter Redundancy in Vision-Language-Action Models: Insights from VLM-to-VLA Adaptation