VLA / 视觉-语言-动作模型

VLA Models Are More Generalizable Than You Think: Revisiting Physical and Spatial Modeling

VLA模型比你想象的更通用：重新审视物理和空间建模

Weiqi Li, Quande Zhang, Ruifeng Zhai, Liang Lin, Guangrun Wang

机构 * Sun Yat-sen University（中山大学） ； Guangdong Key Laboratory of Big Data Analysis and Processing（广东省大数据分析与处理重点实验室） ； X-Era AI Lab（X-Era AI实验室） 纠错

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

AI总结 研究指出VLA模型在新视角和视觉扰动下表现下降源于空间建模不对齐，提出轻量级一 shot 调整框架，通过FTM和FLA提升模型鲁棒性，验证了少量视觉适应即可恢复视角泛化能力。

CoMaTrack: Competitive Multi-Agent Game-Theoretic Tracking with Vision-Language-Action Models

CoMaTrack: 基于竞争的多智能体博弈跟踪与视觉-语言-动作模型

Youzhi Liu, Li Gao, Liu Liu, Mingyang Lv, Yang Cai

机构 * Amap, Alibaba Group（高德，阿里巴巴集团） 纠错

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

AI总结 本文提出CoMaTrack，一种基于竞争的多智能体强化学习框架，通过动态对抗环境训练，提升跟踪任务的适应性和鲁棒性，并引入首个开源的CoMaTrack-Bench基准测试平台。

X-World: Controllable Ego-Centric Multi-Camera World Models for Scalable End-to-End Driving

X-World: 可控的以自身为中心的多摄像头世界模型用于可扩展的端到端驾驶

Chaoda Zheng, Sean Li, Jinhao Deng, Zhennan Wang, Shijia Chen, Liqiang Xiao, Ziheng Chi, Hongbin Lin, Kangjie Chen, Boyang Wang, Yu Zhang, Xianming Liu

机构 * GWM Team（长城汽车团队） ； XPeng Inc.（小鹏汽车） 纠错

专题命中 VLA模型 ：VLA(abstract)；分类 cs.CV、cs.AI

AI总结 X-World通过可控的多摄像头生成世界模型，实现高质量多视角视频生成，支持跨摄像头一致性、长时间动态稳定性和严格动作遵循，为可扩展的端到端驾驶评估提供基础。

Comments Technical Report

Renal Blood Flow Quantification During Standard Myocardial Perfusion Imaging with Rubidium-82 Positron Emission Tomography

在标准心肌灌注成像中使用 rubidium-82 正电子发射断层扫描量化肾脏血流

Hamid Abdollahi, Robert Doot, Raul Porto, Anthony Young, Abdel K Tahari, Raymond Townsend, Jacob Dubroff, Arman Rahmim, Paco E. Bravo

专题命中 VLA模型 ：action model(abstract)

AI总结 研究探讨了在标准心肌灌注成像中使用 rubidium-82 PET 量化肾脏血流的可行性及生理有效性，发现肾脏 K1 值与肾功能密切相关，且在肾功能下降时显著降低。

Not so-dark: High resolution HI imaging of J0139+4328 and identification of an optical counterpart

并非暗淡：J0139+4328的高分辨率HI成像及其光学对应体的识别

Barbara Šiljeg, Elizabeth A. K. Adams, Tom A. Oosterloo, Filippo Fraternali, Kelley M. Hess, Jin-Long Xu, Ming Zhu

专题命中 VLA模型 ：VLA(abstract)

AI总结 通过VLA高分辨率HI观测，确认J0139+4328的光学对应体，揭示其高气体丰度与恒星-HI质量关系的一致性，强调高灵敏度HI调查对低表面亮度气体丰富星系的探测潜力。

Comments 8 pages, 8 figures, accepted for publication in Astronomy & Astrophysics

Journal ref A&A 708, A40 (2026)

The AIDA-TNG project: dark matter profiles and concentrations in alternative dark matter models

AIDA-TNG项目：替代暗物质模型中的暗物质密度剖面与集中度

Giulia Despali, Carlo Giocoli, Lauro Moscardini, Annalisa Pillepich, Mark Vogelsberger, Massimo Meneghetti

专题命中 VLA模型 ：action model(abstract)

AI总结 本文通过AIDA-TNG模拟研究了替代暗物质物理和恒星形成过程对暗物质晕内部结构的影响，揭示了WDM和SIDM模型中暗物质密度剖面和集中度的关系。

Comments 17 pages, 12 figures, submitted to A&A. Comments welcome. Find more information on AIDA-TNG here: https://gdespali.github.io/AIDA

Journal ref A&A 708, A47 (2026)

Diverse stages of star formation in the IRAS 18162-2048 region. Emergence of UV Feedback

恒星形成不同阶段在IRAS 18162-2048区域中的表现。紫外反馈的出现

R. Fedriani, G. Anglada, A. Caratti o Garatti, J. F. Gómez, J. Masqué, M. Osorio, B. Stecklum, A. R. Rodríguez-Kamenetzky, R. Galván-Madrid, C. Carrasco-González, G. Blázquez-Calero, A. F. Placinta-Mitrea, A. Sanna, R. Cesaroni, L. Moscadelli, T. P. Ray, D. Coffey, G. A. Fuller

专题命中 VLA模型 ：VLA(abstract)

AI总结 研究通过近红外和射电观测揭示了IRAS 18162-2048区域中恒星形成的不同阶段，发现IRS 7/SC是B2/B3零年龄主序星，开始照射其环境，形成PDR和H ii区域。

Comments Accepted in A&A. This version is after language editor corrections

Journal ref A&A 708, A11 (2026)

Late-Time HST UV Detections Reveal Eruptive Mass Loss and Circumstellar Interaction in a Quarter of Stripped-Envelope Supernovae

晚期HST紫外探测揭示了四分之一剥离包层超新星中的爆发性质量损失和星周物质相互作用

C. Fremling, S. Covarrubias, J. Sollerman, K. De, T. X. Chen, T. -W. Chen, R. Dekany, C. Fransson, A. Gal-Yam, S. L. Groom, W. V. Jacobson-Galán, M. M. Kasliwal, R. Lunnan, E. O. Ofek, D. A. Perley, J. N. Purdum, S. Schulze, Y. Sharma, N. Sravan, A. Wei, Lin Yan, Y. Yao

专题命中 VLA模型 ：action model(abstract)

AI总结 研究通过HST观测91个剥离包层超新星，发现13个紫外源，其中6个确认为星周物质相互作用的证据，结合红外数据揭示了尘埃遮蔽的相互作用事件，推导出星周物质的几何参数和爆发性质量损失机制。

Comments 34 pages, 14 figures, 4 tables, submitted to ApJ

Enhancing Policy Learning with World-Action Model

通过世界-动作模型增强策略学习

Yuci Han, Alper Yilmaz

机构 * Photogrammetry and Computer Vision Lab, The Ohio State University（俄亥俄州立大学摄影测量与计算机视觉实验室） 纠错

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

AI总结 本文提出World-Action Model，通过联合推理未来视觉观测和驱动状态转移的动作，提升策略学习效果。在CALVIN基准的八项任务中，WAM通过行为克隆和基于模型的PPO优化，显著提高成功率。

Towards High-Consistency Embodied World Model with Multi-View Trajectory Videos

面向多视角轨迹视频的高一致性具身世界模型

Taiyi Su, Jian Zhu, Yaxuan Li, Chong Ma, Jianjun Zhang, Zitai Huang, Hanli Wang, Yi Xu

机构 * Midea Group（美的集团） ； Tongji University（同济大学） ； East China Normal University（华东师范大学） 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 本文提出MTV-World模型，通过多视角轨迹视频控制实现精准的视觉-运动预测，解决低层次动作与真实物理交互不一致的问题，实验表明其在复杂双臂场景中表现优异。

Comments 12 pages, 5 figures

Face-to-Face: A Video Dataset for Multi-Person Interaction Modeling

面对面：一个多人物交互建模的视频数据集

Ernie Chu, Vishal M. Patel

机构 * Johns Hopkins University（约翰霍普金斯大学） 纠错

专题命中 数据集与评测 ：action model(title)；分类 cs.CV、cs.LG

AI总结 本文提出F2F-JF数据集，用于研究多人物交互建模，通过半自动流程提取对齐的主持人和嘉宾轨迹，并展示基于该数据集的反应式数字虚拟形象任务，验证了扩散模型在跨人物视觉上下文中的表现。

Comments Project Page: https://face2face2026.github.io