VLA / 视觉-语言-动作模型

Tex3D: Objects as Attack Surfaces via Adversarial 3D Textures for Vision-Language-Action Models

Tex3D: 通过对抗性3D纹理将物体作为攻击面用于视觉-语言-动作模型

Jiawei Chen, Simin Huang, Jiawei Du, Shuaihang Chen, Yu Tian, Mingjie Wei, Chao Yu, Zhaoxia Yin

机构 * East China Normal University（华东师范大学） ； Zhongguancun Academy（中关村学院） ； CFAR, A*STAR, Singapore（新加坡科技研究局CFAR） ； Tsinghua University（清华大学） ； Harbin Institute of Technology（哈尔滨工业大学） 纠错

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

AI总结 本文提出Tex3D框架，通过对抗性3D纹理攻击视觉-语言-动作模型，揭示其在物理环境中面临的关键漏洞，展示了在仿真和真实机器人任务中显著降低模型性能的实验结果。

DriveDreamer-Policy: A Geometry-Grounded World-Action Model for Unified Generation and Planning

DriveDreamer-Policy: 一种基于几何的世界-动作模型用于统一生成与规划

Yang Zhou, Xiaofeng Wang, Hao Shao, Letian Wang, Guosheng Zhao, Jiangnan Shao, Jiagang Zhu, Tingdong Yu, Zheng Zhu, Guan Huang, Steven L. Waslander

机构 * GigaAI ； University of Toronto（多伦多大学） ； CUHK MMLab（香港中文大学多媒体实验室） 纠错

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

AI总结 本文提出DriveDreamer-Policy，结合深度生成、未来视频生成与运动规划，通过几何感知的世界表示提升生成与规划的连贯性与准确性。

Comments 11 pages, 4 figures; Project Website: https://drivedreamer-policy.github.io/

Causal Scene Narration with Runtime Safety Supervision for Vision-Language-Action Driving

基于运行时安全监督的因果场景叙述用于视觉-语言-动作驾驶

Yun Li, Yidu Zhang, Simon Thompson, Ehsan Javanmardi, Manabu Tsukada

机构 * Graduate School of Information Science and Technology, The University of Tokyo（东京大学信息科学与技术研究生院） ； TIER IV, Inc.（TIER IV 公司） 纠错

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

AI总结 本文提出CSN方法，通过意图约束对齐、定量 grounding 和结构分离重构VLA文本输入，提升驾驶评分并增强安全性。

Comments 18 pages, 6 figures, 4 tables

Boosting Vision-Language-Action Finetuning with Feasible Action Neighborhood Prior

通过可行动作邻域先验提升视觉-语言-动作微调

Haochen Niu, Kanyu Zhang, Shuyu Yin, Qinghai Guo, Peilin Liu, Fei Wen

机构 * Shanghai Jiao Tong University（上海交通大学） ； Huawei Technologies（华为技术有限公司） 纠错

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

AI总结 本文提出FAN引导正则化方法，通过调整模型输出分布以匹配FAN几何特性，提升VLA适应的样本效率和泛化能力。

Comments Accepted by CVPR 2026

UniDriveVLA: Unifying Understanding, Perception, and Action Planning for Autonomous Driving

UniDriveVLA: 联合理解、感知与行动规划以实现自动驾驶

Yongkang Li, Lijun Zhou, Sixu Yan, Bencheng Liao, Tianyi Yan, Kaixin Xiong, Long Chen, Hongwei Xie, Bing Wang, Guang Chen, Hangjun Ye, Wenyu Liu, Haiyang Sun, Xinggang Wang

机构 * Huazhong University of Science and Technology（华中科技大学） ； SKL-IOTSC, University of Macau（澳门大学智慧城市物联网国家重点实验室） 纠错

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

AI总结 UniDriveVLA通过专家解耦和三阶段训练策略，解决自动驾驶中感知与推理的冲突，实现空间感知与语义推理的统一，取得nuScenes和Bench2Drive的优异性能。

Comments code has been released at https://github.com/xiaomi-research/unidrivevla

AffordTissue: Dense Affordance Prediction for Tool-Action Specific Tissue Interaction

AffordTissue: 密集的工具-动作特定组织交互 affordance 预测

Aiza Maksutova, Lalithkumar Seenivasan, Hao Ding, Jiru Xu, Chenhao Yu, Chenyan Jing, Yiqing Shen, Mathias Unberath

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

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

AI总结 本文提出AffordTissue框架，通过多模态方法预测手术中工具-动作特定的组织affordance区域，改进了视觉语言模型在密集手术affordance预测中的表现，为安全手术自动化提供空间推理。

AnchorVLA: Anchored Diffusion for Efficient End-to-End Mobile Manipulation

AnchorVLA：基于锚定扩散的高效端到端移动操作

Jia Syuen Lim, Zhizhen Zhang, Peter Bohm, Brendan Tidd, Zi Huang, Yadan Luo

机构 * UQMM Lab, The University of Queensland（昆士兰大学UQMM实验室） ； Robotics and Autonomous Systems Group, CSIRO（CSIRO机器人与自主系统组） 纠错

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

AI总结 本文提出AnchorVLA，一种基于扩散的VLA策略，通过锚定扩散头在局部去噪以保留多模态动作生成，减少推理成本并提高移动操作的稳定性和鲁棒性。

A Review of Neural Networks in Precipitation Prediction

神经网络在降水预测中的应用综述

Yugong Zeng, Jiayuan Wang, Jonathan Wu

机构 * University of Windsor（温莎大学） 纠错

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

AI总结 本文综述了传统降水预报方法及神经网络在降水预测中的发展，分析了各种模型的优缺点，并探讨了未来多源数据融合和混合物理-数据驱动模型的应用前景。

Distribution of Bell State Entanglement in Qubit Networks via Collision Models

量子比特网络中贝尔态纠缠分布的碰撞模型研究

Mert Doğan, Öner Faruk Ödemiş, Elif Yunt, Özgür E. Müstecaplıoğlu

专题命中 VLA模型 ：action model(abstract)

AI总结 本文提出利用碰撞模型在量子比特网络中可控分布纠缠，通过环境辅助量子比特与网络节点的可调哈密顿交互，实现不同量子比特对的纠缠生成，包括非相邻节点。

Comments 9 pages, 6 figures

Physical Optics Model to Evaluate Mid-Spatial Frequency Errors on the Point Spread Function

物理光学模型用于评估点扩散函数中的中空间频率误差

Luuk Zonneveld, Paul Urbach, Aurèle Adam

专题命中 VLA模型 ：action model(abstract)

AI总结 本文通过物理光学模型评估中空间频率误差对点扩散函数的影响，对比了理论计算与实验结果。

Pixel Motion Diffusion is What We Need for Robot Control

我们为机器人控制需要像素运动扩散

E-Ro Nguyen, Yichi Zhang, Kanchana Ranasinghe, Xiang Li, Michael S. Ryoo

机构 * Stony Brook University（石溪大学） 纠错

专题命中 动作表示与策略 ：language-conditioned robot(abstract)；分类 cs.RO、cs.CV

AI总结 DAWN框架通过结构化像素运动表示连接高层运动意图与底层机器人动作，实现端到端可训练系统，展示多任务性能和现实迁移能力。

Comments Accepted to CVPR 2026. Project page: https://eronguyen.github.io/DAWN

Posterior Optimization with Clipped Objective for Bridging Efficiency and Stability in Generative Policy Learning

后验优化与截断目标：在生成策略学习中平衡效率与稳定性

Yuhui Chen, Haoran Li, Zhennan Jiang, Yuxing Qin, Yuxuan Wan, Weiheng Liu, Dongbin Zhao

机构 * Institute of Automation, Chinese Academy of Sciences（中国科学院自动化研究所） ； School of Artificial Intelligence, University of Chinese Academy of Sciences（中国科学院大学人工智能学院） ； CFCS, School of Computer Science, Peking University（北京大学计算机学院前沿计算研究中心） ； Beijing Academy of Artificial Intelligence（北京人工智能研究院） 纠错

专题命中 动作表示与策略 ：VLA(abstract)；分类 cs.RO

AI总结 本文提出POCO框架，通过后验推断方法改进策略，结合离线到在线范式，提升生成模型在机器人操控中的稳定性和效率，实验证明其在多个任务中表现优异。