VLA / 视觉-语言-动作模型

SaPaVe: Towards Active Perception and Manipulation in Vision-Language-Action Models for Robotics

SaPaVe：迈向视觉-语言-动作模型中的主动感知与操作

Mengzhen Liu, Enshen Zhou, Cheng Chi, Yi Han, Shanyu Rong, Liming Chen, Pengwei Wang, Zhongyuan Wang, Shanghang Zhang

机构 * State Key Laboratory of Multimedia Information Processing, School of Computer Science, Peking University（信息多媒体国家重点实验室，计算机科学学院，北京大学） ； School of Software, Beihang University（软件学院，北航） ； Beijing Academy of Artificial Intelligence（北京人工智能研究院） 纠错

专题命中 VLA模型 ：vision-language-action(title,abstract)；action model(title,abstract)；分类 cs.RO、cs.CV

AI总结 SaPaVe通过解耦相机与操作动作，结合自下而上训练策略，实现高效且可推广的主动感知与操作，在现实任务中成功率达31.25%。

Comments Accepted to CVPR 2026. See project page at https://lmzpai.github.io/SaPaVe

ReViP: Mitigating False Completion in Vision-Language-Action Models with Vision-Proprioception Rebalance

ReViP: 通过视觉-本体感知再平衡缓解视觉语言动作模型中的虚假完成

Zhuohao Li, Yinghao Li, Jian-Jian Jiang, Lang Zhou, Tianyu Zhang, Jiadong Yin, Mu Lin, Yi-Lin Wei, Wei-Shi Zheng

专题命中 VLA模型 ：vision-language-action(title,abstract)；action model(title)；VLA(abstract)；分类 cs.RO、cs.CV

AI总结 ReViP通过引入视觉-本体感知再平衡机制，缓解视觉语言动作模型中的虚假完成问题，提升模型在扰动下的鲁棒性和任务成功率。

SELF-VLA: A Skill Enhanced Agentic Vision-Language-Action Framework for Contact-Rich Disassembly

SELF-VLA: 一种增强技能的代理视觉-语言-动作框架用于接触丰富的拆解

Chang Liu, Sibo Tian, Xiao Liang, Minghui Zheng

专题命中 VLA模型 ：vision-language-action(title,abstract)；VLA(title,abstract)；分类 cs.RO

AI总结 SELF-VLA是一种整合显式拆解技能的代理视觉-语言-动作框架，通过实验在接触丰富的拆解任务中优于现有端到端VLA模型。

LaST-VLA: Thinking in Latent Spatio-Temporal Space for Vision-Language-Action in Autonomous Driving

LaST-VLA: 在自动驾驶的视觉-语言-动作中思考于潜在的空间-时间空间

Yuechen Luo, Fang Li, Shaoqing Xu, Yang Ji, Zehan Zhang, Bing Wang, Yuannan Shen, Jianwei Cui, Long Chen, Guang Chen, Hangjun Ye, Zhi-Xin Yang, Fuxi Wen

专题命中 VLA模型 ：vision-language-action(title,abstract)；VLA(title,abstract)；分类 cs.CV

AI总结 LaST-VLA通过潜在空间-时间推理框架，结合双特征对齐机制和渐进式SFT训练策略，提升自动驾驶中的视觉-语言-动作处理能力，实现更安全的物理基础推理。

RAPID: Redundancy-Aware and Compatibility-Optimal Edge-Cloud Partitioned Inference for Diverse VLA Models

RAPID: 为多样化VLA模型设计的冗余感知且兼容最优的边缘-云分区推理

Zihao Zheng, Sicheng Tian, Hangyu Cao, Chenyue Li, Jiayu Chen, Maoliang Li, Xinhao Sun, Hailong Zou, Guojie Luo, Xiang Chen

机构 * School of Computer Science, Peking University（北京大学计算机科学学院） ； School of Artificial Intelligence, Beijing Normal University（北京师范大学人工智能学院） ； School of Software Engineering, South China University of Technology（华南理工大学软件工程学院） ； School of Electronics Engineering and Computer Science, Peking University（北京大学电子工程与计算机科学学院） 纠错

专题命中 VLA模型 ：VLA(title,abstract)；vision language action(abstract)；分类 cs.RO

AI总结 RAPID框架通过优化边缘-云分区策略，有效解决VLA模型在边缘计算中的冗余问题和噪声干扰，实现高效推理与低开销的性能提升。

RC-NF: Robot-Conditioned Normalizing Flow for Real-Time Anomaly Detection in Robotic Manipulation

RC-NF：基于机器人条件的归一化流用于机器人操作中的实时异常检测

Shijie Zhou, Bin Zhu, Jiarui Yang, Xiangyu Zhao, Jingjing Chen, Yu-Gang Jiang

机构 * Institute of Trustworthy Embodied AI（可信具身人工智能研究院） ； Shanghai Key Laboratory of Multimodal Embodied AI（上海多模态具身人工智能重点实验室） ； Singapore Management University（新加坡国立大学） 纠错

专题命中 VLA模型 ：vision-language-action(abstract)；VLA(abstract)；分类 cs.RO、cs.CV

AI总结 RC-NF通过实时监控机器人状态和物体运动轨迹，提升VLA系统在动态环境中的鲁棒性和适应性，实现异常检测与干预。

Comments Accepted to the IEEE/CVF Conference on Computer Vision and Pattern Recognition (CVPR) 2026

AgentOS: From Application Silos to a Natural Language-Driven Data Ecosystem

AgentOS: 从应用孤岛到由自然语言驱动的数据生态系统

Rui Liu, Tao Zhe, Dongjie Wang, Zijun Yao, Kunpeng Liu, Yanjie Fu, Huan Liu, Jian Pei

机构 * University of Kansas（堪萨斯大学） ； Clemson University（克莱姆森大学） ； Arizona State University（亚利桑那州立大学） ； Duke University（杜克大学） 纠错

专题命中 VLA模型 ：action model(abstract)；分类 cs.AI

AI总结 本文提出AgentOS，通过自然语言驱动的数据生态系统，解决传统操作系统与智能代理的适配问题，构建持续的数据挖掘管道。

\HI 21-cm Line Properties of the Nearby LIRG IRAS 04296+2923

IRAS 04296+2923 邻近高光度红外星系的 21 厘米 HI 线性质

Guixiang Feng, Zhongzu Wu, Chuanpeng Zhang, Ming Zhu

专题命中 VLA模型 ：VLA(abstract)

AI总结 研究发现IRAS 04296+2923与HI 0432+2926形成引力束缚的绕行星系对，而非并合，其高光度红外性质由内部过程驱动。

Comments 22 pages, 19 figures, Accepted by A&A

Bridging the Cognitive Gap: Co-Designing and Evaluating a Voice-Enabled Community Chatbot for Older Adults

弥合认知鸿沟：为老年人设计和评估一个语音启用的社区聊天机器人

Feng Chen, Luna Xingyu Li, Ray-Yuan Chung, Wenyu Zeng, Yein Jeon, Yizhou Hu, Oleg Zaslavsky

专题命中 VLA模型 ：action model(abstract)

AI总结 本文提出了一种语音启用的社区聊天机器人，通过共设计和教育工作坊，提升老年人对AI的认知和透明度，同时探索零触控导航对年龄包容性AI的重要性。

Preformed Cooper pairing and the uncondensed normal-state component in phase-fluctuating monolayer cuprate superconductivity

预形成库珀配对与相波动单层铜基超导体中非凝聚正常态成分

F. Yang, Y. Shi, L. Q. Chen

专题命中 VLA模型 ：action model(abstract)

AI总结 该研究提出了一种超越平均场理论的微观框架，用于分析单层铜基超导体中预形成库珀配对、非凝聚正常态成分及相波动的作用。

ResWM: Residual-Action World Model for Visual RL

ResWM：基于视觉强化学习的残差动作世界模型

Jseen Zhang, Gabriel Adineera, Jinzhou Tan, Jinoh Kim

机构 * University of California, San Diego（加州大学圣地亚哥分校） ； Texas A&M University-Commerce（德克萨斯A&M大学-科摩斯） 纠错

专题命中 动作表示与策略 ：action model(abstract)；分类 cs.RO、cs.AI

AI总结 ResWM通过将控制变量从绝对动作转换为残差动作，提升了视觉强化学习中世界模型的预测能力和稳定性，实现了更高效的样本利用和更平滑的控制策略。

Comments Submit KDD2026