VLA / 视觉-语言-动作模型

Drive My Way: Preference Alignment of Vision-Language-Action Model for Personalized Driving

Drive My Way: 为个性化驾驶的视觉-语言-动作模型偏好对齐

Zehao Wang, Huaide Jiang, Shuaiwu Dong, Yuping Wang, Hang Qiu, Jiachen Li

机构 * University of California, Riverside（加州大学河滨分校） ； University of Michigan（密歇根大学） 纠错

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

AI总结 本文提出Drive My Way框架，通过学习用户驾驶习惯和自然语言指令，实现个性化驾驶，提升对用户意图的适应能力。

Comments IEEE/CVF Conference on Computer Vision and Pattern Recognition (CVPR 2026); Project website: https://dmw-cvpr.github.io/

Beyond Attention Magnitude: Leveraging Inter-layer Rank Consistency for Efficient Vision-Language-Action Models

超越注意力幅度：利用层间排名一致性提升高效视觉-语言-动作模型

Peiju Liu, Jinming Liu, Xipeng Qiu, Xuanjing Huang

机构 * Fudan University（复旦大学） 纠错

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

AI总结 本文提出TIES框架，通过层间排名一致性动态平衡注意力幅度，提升视觉-语言-动作模型的效率，实现在CogACT+SIMPLER基准上成功率提升6%并减少78%的token使用。

Comments 10 pages, 7 figures, preprint

$π$, But Make It Fly: Physics-Guided Transfer of VLA Models to Aerial Manipulation

$π$, 但使其飞行：基于物理的VLA模型向空中操作的转移

Johnathan Tucker, Denis Liu, Aiden Swann, Allen Ren, Javier Yu, Jiankai Sun, Brandon Kim, Lachlain McGranahan, Quan Vuong, Mac Schwager

机构 * Stanford University（斯坦福大学） ； Physical Intelligence 纠错

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

AI总结 本文提出AirVLA系统，研究预训练VLA模型在空中抓取任务中的迁移性，通过引入负载感知指导机制和高斯点扩散管道合成数据，提升空中操作性能，实现导航任务100%成功和抓取任务50%成功。

Deep Reinforcement Learning-Based Cooperative Rate Splitting for Satellite-to-Underground Communication Networks

基于深度强化学习的卫星到地下通信网络协作速率分割

Kaiqiang Lin, Kangchun Zhao, Yijie Mao

专题命中 VLA模型 ：action model(abstract)

AI总结 本文提出一种基于协作速率分割的传输框架，通过地面中继解码并转发公共流至地下设备，解决地下通信中的信号衰减问题，采用深度强化学习优化功率分配、信息分割和时间槽调度以提升最小可实现速率。

Comments 6 pages, 3 figures, 1 table, and submitted to IEEE TVT

Detonation propagation in weakly confined gases

弱约束气体中的爆轰传播

Youssef K. Wahba, XiaoCheng Mi, Charles B. Kiyanda, Andrew J. Higgins

专题命中 VLA模型 ：action model(abstract)

AI总结 研究弱约束气体中爆轰在分层结构中的传播，通过CFD模拟分析声学阻抗比和层厚对爆轰行为的影响，提出解析模型解释不同驱动状态下的爆轰特性。

LILAC: Language-Conditioned Object-Centric Optical Flow for Open-Loop Trajectory Generation

LILAC：基于语言的物体中心光学流用于开环轨迹生成

Motonari Kambara, Koki Seno, Tomoya Kaichi, Yanan Wang, Komei Sugiura

机构 * Keio University（庆应义塾大学） ； KDDI Research Inc.（KDDI研究所） 纠错

专题命中 语言条件控制 ：vision-language-action(abstract)；VLA(abstract)；action model(abstract)；language-conditioned robot(abstract)

AI总结 本文提出LILAC模型，通过结合视觉与语言信息生成物体中心光学流，并转化为6自由度机械臂轨迹，实验显示其在多个基准和实际物体操作中表现更优。

Comments Accepted to IEEE RA-L

Diagnose, Correct, and Learn from Manipulation Failures via Visual Symbols

通过视觉符号诊断、纠正并学习操纵失败

Xianchao Zeng, Xinyu Zhou, Youcheng Li, Jiayou Shi, Tianle Li, Liangming Chen, Lei Ren, Yong-Lu Li

机构 * Beihang University（北京航空航天大学） ； Shanghai Innovation Institute（上海创新研究院） ； Southern University of Science and Technology（南方科技大学） ； Shanghai Jiao Tong University（上海交通大学） 纠错

专题命中 数据集与评测 ：vision-language-action(abstract)；VLA(abstract)；分类 cs.RO、cs.CV

AI总结 本文提出ViFailback框架，通过视觉符号提升标注效率，并释放大规模数据集和基准测试，验证了框架在故障诊断和纠正中的有效性。

Comments Accepted by CVPR 2026. Project Website: https://x1nyuzhou.github.io/vifailback.github.io/