VLA / 视觉-语言-动作模型

PointAction: 3D Points as Universal Action Representations for Robot Control

PointAction: 3D点作为机器人控制的通用动作表示

Mutian Tong, Han Jiang, Qiao Feng, Lingjie Liu, Jiatao Gu

机构 * University of Pennsylvania（宾夕法尼亚大学） 纠错

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

AI总结 提出PointAction框架，通过微调视频生成模型联合预测未来RGB帧和动态3D点图，将点动力学作为与具体本体无关的动作接口，再由扩散动作解码器映射为可执行动作，以减少RGB动作歧义并跨任务/本体迁移。

Comments Project page: https://oriontmt.github.io/pointaction/

Real-time Error Control for Surgical Simulation

手术模拟中的实时误差控制

Huu Phuoc Bui, Satyendra Tomar, Hadrien Courtecuisse, Stéphane Cotin, Stéphane Bordas

专题命中 动作表示与策略 ：action model(abstract)

AI总结 本文提出了一种实时后验误差驱动的自适应有限元方法，用于实时模拟，并在针刺问题上进行了演示。该方法结合了旋转弹性体模型和摩擦针-组织相互作用模型，通过SOFA中的有限元方法求解问题，利用六面体基有限元方法和后验误差估计驱动的局部h细化来模拟软组织变形。

Comments 12 pages, 16 figures, change of the title, submitted to IEEE TBME

Journal ref IEEE Transactions on Biomedical Engineering ( Volume: 65 , Issue: 3 , March 2018 )

LDA-1B: Scaling Latent Dynamics Action Model via Universal Embodied Data Ingestion

LDA-1B：通过通用具身数据摄取扩展潜动力学动作模型

Jiangran Lyu, Kai Liu, Xuheng Zhang, Haoran Liao, Yusen Feng, Wenxuan Zhu, Tingrui Shen, Jiayi Chen, Jiazhao Zhang, Yifei Dong, Wenbo Cui, Senmao Qi, Shuo Wang, Yixin Zheng, Mi Yan, Xuesong Shi, Haoran Li, Dongbin Zhao, Ming-Yu Liu, Zhizheng Zhang, Li Yi, Yizhou Wang, He Wang

机构 * Peking University（北京大学） ； Galbot ； CASIA（中国科学院自动化研究所） ； BAAI（北京人工智能研究院） ； Tsinghua University（清华大学） ； Sun Yat-sen University（中山大学） ； NVIDIA 纠错

专题命中 机器人基础模型 ：action model(title)；robot foundation model(abstract)；分类 cs.RO

AI总结 提出LDA-1B机器人基础模型，通过统一格式的具身交互数据集EI-30k和结构化DINO潜空间中的动力学学习，联合建模动力学、策略和视觉预测，在接触丰富、灵巧和长时任务上分别提升高达21%、48%和23%。

Comments Accepted at RSS 2026, Project Page:https://pku-epic.github.io/LDA

How Users Understand Robot Foundation Model Performance through Task Success Rates and Beyond

用户如何通过任务成功率及其他方式理解机器人基础模型性能

Isaac Sheidlower, Jindan Huang, James Staley, Bingyu Wu, Qicong Chen, Reuben Aronson, Elaine Short

机构 * Brown University（布朗大学） ； Tufts University（塔夫茨大学） 纠错

专题命中 机器人基础模型 ：robot foundation model(title,abstract)；分类 cs.RO

AI总结 通过用户研究，探讨非机器人专家如何理解机器人基础模型（RFM）评估中的任务成功率（TSR）及其他信息，发现用户不仅按专家预期使用TSR，还重视未常报告的失败案例，并希望获取历史评估数据和机器人对新任务的性能估计。

Comments Submitted to IJCAI 2026

Evaluation of Automated Vehicles Encountering Pedestrians at Unsignalized Crossings

自动驾驶车辆在无信号交叉口与行人互动的评估

Baiming Chen, Ding Zhao, Huei Peng

专题命中 数据集与评测 ：action model(abstract)；分类 cs.RO

AI总结 本文提出了一种评估自动驾驶车辆在无信号交叉口与行人互动安全性和可行性的新方法，通过分析数据和模拟行人反应，验证了自动驾驶策略的有效性。