A Study on Building Efficient Zero-Shot Relation Extraction Models
构建高效零 shot 关系提取模型的研究
专题命中 VLA模型 ：action model(title,abstract)
AI总结 本文研究了构建高效零 shot 关系提取模型的方法，提出多种策略以提高模型在现实场景中的鲁棒性，结果显示 AlignRE 在各项指标上表现最佳。
Comments LREC 2026
视觉与机器人
VLA / 视觉-语言-动作模型
视觉-语言-动作模型、机器人基础模型和语言条件机器人控制。
1. VLA模型 5 篇
PROSPECT: Unified Streaming Vision-Language Navigation via Semantic--Spatial Fusion and Latent Predictive Representation
PROSPECT：通过语义-空间融合和潜在预测表示实现统一的流式视觉-语言导航
机构 * Shanghai Jiao Tong University（上海交通大学） ； Tsinghua University（清华大学） ； University of Adelaide（阿德莱德大学） ； Wuhan University（武汉大学） ； Hong Kong University of Science and Technology (Guangzhou)（香港科技大学（广州）） ； Beijing Jiaotong University（北京交通大学） ； AIR Wuxi Innovation Center, Tsinghua University（清华大学无锡创新中心） ； Lenovo（联想集团）
专题命中 VLA模型 ：vision-language-action(abstract)；VLA(abstract)；分类 cs.CV、cs.AI
AI总结 PROSPECT通过语义-空间融合和潜在预测表示，实现统一的流式视觉-语言导航，提升环境动态和空间结构的预测能力。
H-WM: Robotic Task and Motion Planning Guided by Hierarchical World Model
H-WM：由分层世界模型引导的机器人任务和运动规划
机构 * Huawei Noah’s Ark Lab（华为诺亚实验室） ； University of Toronto（多伦多大学） ； University of British Columbia（不列颠哥伦比亚大学） ； McGill University（麦吉尔大学）
专题命中 VLA模型 ：vision-language-action(abstract)；VLA(abstract)；分类 cs.RO
AI总结 H-WM通过结合逻辑和视觉世界模型，实现机器人任务和运动规划中的鲁棒长视界推理与稳定引导。
Comments 8 pages, 4 figures
Evolution 6.0: Robot Evolution through Generative Design
进化6.0：通过生成设计实现机器人进化
机构 * Skolkovo Institute of Science and Technology（斯克洛夫诺研究所）
专题命中 VLA模型 ：VLA(abstract)；分类 cs.RO
AI总结 进化6.0通过生成式AI实现机器人自主设计工具和执行任务，展示高成功率和泛化能力。
Comments Accepted to HRI
The Epistemological Consequences of Large Language Models: Rethinking collective intelligence and institutional knowledge
大型语言模型的知识论后果：重新思考集体智慧与制度知识
专题命中 VLA模型 ：action model(abstract)；分类 cs.AI
AI总结 本文探讨LLM对集体智慧和制度知识的影响，提出集体知识论理论，强调反思性知识的重要性，并提出三级规范计划以应对LLM带来的知识论风险。
Comments AI & Soc (2025)
2. 动作表示与策略 3 篇
Cognition to Control - Multi-Agent Learning for Human-Humanoid Collaborative Transport
认知到控制 - 多智能体学习用于人-仿人协作运输
机构 * Department of Electrical Engineering, the University of Texas at Arlington（电气工程系，德克萨斯大学阿灵顿分校） ； Department of Mechanical Engineering, Carnegie Mellon University（机械工程系，卡内基梅隆大学）
专题命中 动作表示与策略 ：vision-language-action(abstract)；VLA(abstract)；分类 cs.RO、cs.AI
AI总结 本研究提出认知到控制框架，通过多智能体强化学习实现人-仿人协作运输中的持续推理与稳定控制。
LiteVLA-Edge: Quantized On-Device Multimodal Control for Embedded Robotics
LiteVLA-Edge: 量化在设备上多模态控制用于嵌入式机器人
机构 * Clark Atlanta University（克拉克阿特兰大学） ； Siemens Corporation（西门子公司）
专题命中 动作表示与策略 ：vision-language-action(abstract)；VLA(abstract)；分类 cs.RO、cs.AI
AI总结 LiteVLA-Edge通过量化和GPU加速，在嵌入式机器人中实现低延迟的多模态控制，提供模块化本地执行方案。
SkillVLA: Tackling Combinatorial Diversity in Dual-Arm Manipulation via Skill Reuse
SkillVLA: 通过技能复用解决双臂操作中的组合多样性问题
机构 * National University of Singapore（国立新加坡大学） ； Beijing Zhongguancun Academy（北京中关村学院） ； Shanghai Innovation Institute（上海创新研究院） ； Shanghai AI Laboratory（上海人工智能实验室） ； Shanghai Jiao Tong University（上海交通大学） ； Fudan University（复旦大学） ； Smart Systems Institute, NUS（NUS智能系统研究所）
专题命中 动作表示与策略 ：vision-language-action(abstract)；VLA(abstract)；分类 cs.RO
AI总结 SkillVLA通过技能复用解决双臂操作中的组合多样性问题，提升技能组合成功率至51%并在复杂任务中表现优异。
Comments 16 pages
3. 机器人基础模型 1 篇
RoboCasa365: A Large-Scale Simulation Framework for Training and Benchmarking Generalist Robots
RoboCasa365：一种大规模仿真框架，用于训练和评估通用机器人
机构 * The University of Texas at Austin（德克萨斯大学奥斯汀分校） ； NVIDIA Research（NVIDIA研究）
专题命中 机器人基础模型 ：robot foundation model(abstract)；分类 cs.RO、cs.AI、cs.LG
AI总结 RoboCasa365通过大规模仿真框架提供多样化任务和环境，用于训练和评估通用机器人，分析任务多样性、数据集规模和环境变化对泛化的影响。
Comments ICLR 2026; First three authors contributed equally
