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。

2026-07-28 至 2026-07-28 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

2607.18016 2026-07-28 cs.RO 版本更新 79%

人形机器人视觉语言动作闭环：用于可验证移动操作的持久3D对象令牌

Peng Ren, Haoyang Ge, Jiang Zhao, Cong Huang, Yukun Shi, Pei Chi, Kai Chen

机构 * BUAA（北京航空航天大学）； DeepCybo（深灵机器人）； ZGCI（未提及具体中文译名）

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

AI总结研究人形机器人视觉语言动作中对象状态差异问题，提出持久对象令牌化方法（POT）并实例化为POT-VLA，通过RGB-D观察维护3D对象记录，转换为对象令牌用于动作生成与验证，实验表明该方法提升了任务成功率。

2512.01031 2026-07-28 cs.RO cs.AI cs.LG 版本更新 67%

VLASH: 通过未来状态感知的异步推断实现实时VLAs

Jiaming Tang, Yufei Sun, Yilong Zhao, Shang Yang, Yujun Lin, Zhuoyang Zhang, James Hou, Yao Lu, Zhijian Liu, Song Han

机构 * MIT（麻省理工学院）； NVIDIA（英伟达）； Tsinghua University（清华大学）； UC Berkeley（加州大学伯克利分校）； UCSD（加州大学圣地亚哥分校）； Caltech（加州理工学院）

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

AI总结 VLASH通过未来状态感知的异步推断框架，实现高效、准确的实时VLAs控制，显著提升反应速度和任务执行精度。

2607.24148 2026-07-28 cs.AI 新提交 57%

一种用于高效视觉-语言-动作推理的具有质心重用的运动感知向量量化框架

Zhuoran Song, Haozhe Jiang, Chunyu Qi, Minnan Pei, Gang Li, Xiaoyao Liang, Haibing Guan

机构 * School of Computer Science, Shanghai Jiao Tong University（上海交通大学计算机科学与工程系）； Institute of Automation, Chinese Academy of Sciences（中国科学院自动化研究所）

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

AI总结针对VLA模型推理延迟高问题，提出VQVLA算法-硬件协同设计框架，利用MotionVQ动态调整量化精度，采用合并质心向量量化通用矩阵乘法范式，设计加速器，实验表明其相比多种方法有显著加速且精度损失小。