VLA / 视觉-语言-动作模型

StageCraft: Execution Aware Mitigation of Distractor and Obstruction Failures in VLA Models

StageCraft: 通过执行意识缓解VLA模型中干扰和障碍故障

Kartikay Milind Pangaonkar, Prabin Rath, Omkar Patil, Nakul Gopalan

机构 * Arizona State University（亚利桑那州立大学） 纠错

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

AI总结 StageCraft通过利用大规模视觉语言模型进行推理，改进预训练VLA策略性能，通过操控环境初始状态避免执行故障，实现在三个真实任务领域中性能提升40%。

Comments Accepted to IEEE International Conference on Intelligent Robots and Systems (IROS) 2026

Think Proprioceptively: State-Grounded Visual Token Selection for VLA Policies

通过本体感知进行思考：用于VLA策略的状态基础视觉令牌选择

Fangyuan Wang, Peng Zhou, Jiaming Qi, Shipeng Lyu, Chengyang He, David Navarro-Alarcon, Guodong Guo

机构 * The Hong Kong Polytechnic University（香港理工大学） ； Eastern Institute of Technology（东区技术研究所） ； Great Bay University（大湾大学） ； Northeast Forestry University（东北林业大学） ； National University of Singapore（新加坡国立大学） 纠错

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

AI总结 研究VLA模型中本体感知应用问题，提出ThinkProprio方法，将本体感知离散化为视觉语言模型（VLM）词汇令牌，与指令共同作用在VLM计算前选视觉补丁，贡献是提升性能、降低延迟。

Verifier-free Test-Time Sampling for Vision-Language-Action Models

视觉语言动作模型的无验证测试时采样

Suhyeok Jang, Dongyoung Kim, Changyeon Kim, Youngsuk Kim, Jinwoo Shin

机构 * KAIST（韩国科学技术院） ； Seoul National University（首尔国立大学） ； RLWRLD 纠错

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

AI总结 针对视觉语言动作模型在高精度任务中的局限，提出无验证测试时缩放框架MG-Select，利用模型内部属性，通过参考动作令牌分布选最优动作，经联合训练改进参考分布，提升模型表现。

Comments Accepted to ICLR 2026. Project page: https://suhyeok-jang.github.io/mg-select/

$M^2$-VLA: Boosting Vision-Language Models for Generalizable Manipulation via Layer Mixture and Meta-Skills

$M^2$-VLA：通过层混合与元技能提升视觉语言模型的通用操控能力

Siyao Xiao, Yuhong Zhang, Zhifang Liu, Zihan Gao, Jingye Zhang, Sinwai Choo, Dake Zhong, Mengzhe Wang, Xiao Lin, Xianfeng Zhou, Jia Jia, Haoqian Wang

机构 * Tsinghua Shenzhen International Graduate School, Tsinghua University, Shenzhen, China（清华大学深圳国际研究生院，清华大学，深圳，中国） ； Peng Cheng Laboratory, Shenzhen, China（鹏城实验室，深圳，中国） ； College of Intelligent Robotics and Advanced Manufacturing, Fudan University, Shanghai, China（智能机器人与先进制造学院，复旦大学，上海，中国） ； Synapath 纠错

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

AI总结 本文提出$M^2$-VLA，通过层混合和元技能模块提升视觉语言模型在机器人操控中的泛化能力，实验验证了其在模拟和现实环境中的有效性。

BioProVLA-Agent: An Affordable, Protocol-Driven, Vision-Enhanced VLA-Enabled Embodied Multi-Agent System with Closed-Loop-Capable Reasoning for Biological Laboratory Manipulation

BioProVLA-Agent：一种经济实惠、基于协议、视觉增强的VLA启用的具身多智能体系统，具备闭环推理能力，用于生物实验室操作

Zhaohui Du, Zhe Wang, Dongzhan Zhou, Minting Pan, Hongmei Fei, Xiwen Cao, Ting Xiao, Qi Wang, Huanbo Jin, Jiaming Gu, Quan Lu, Zhe Liu

机构 * Key Laboratory of Smart Manufacturing in Energy Chemical Process Ministry of Education, East China University of Science and Technology, Shanghai, CN（能源化工过程智能制造教育部重点实验室，东华大学，上海，中国） ； Department of Computer Science and Engineering, East China University of Science and Technology, Shanghai, CN（东华大学计算机科学与工程系，上海，中国） ； Department of Laboratory Medicine, Ruijin Hospital, Shanghai Jiao Tong University School of Medicine, Shanghai, CN（复旦大学附属瑞金医院检验医学科，上海，中国） ； School of Information Science and Technology, Shihezi University, Shihezi, CN（石河子大学信息科学与技术学院，石河子，中国） 纠错

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

AI总结 本文提出BioProVLA-Agent，通过协议驱动和视觉增强，实现生物实验室操作中的具身多智能体系统，具备闭环推理能力，提升在湿实验室环境中的执行稳定性。

Comments 17 pages, 10 figures

HUGE-Bench: A Benchmark for High-Level UAV Vision-Language-Action Tasks

HUGE-Bench: 面向高级无人机视觉-语言-动作任务的基准测试

Jingyu Guo, Ziye Chen, Ziwen Li, Zhengqing Gao, Jiaxin Huang, Hanlue Zhang, Fengming Huang, Yu Yao, Tongliang Liu, Mingming Gong

机构 * The University of Melbourne（墨尔本大学） ； Melsy Tech（Melsy科技） ； MBZUAI ； Navlyn ； The University of Sydney（悉尼大学） 纠错

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

AI总结 提出HUGE-Bench基准，通过4个数字孪生场景和8个高级任务，评估无人机在简洁语言指令下执行安全、过程导向的复杂轨迹能力，并引入过程导向和碰撞感知指标，揭示现有VLA模型在高级语义完成和安全执行上的显著差距。

OpenSPM: An Environment-Transferable Robotic Key Spatial Pose Memory and Closed-Loop High-Frequency Flow-Matching Action Generation Model

OpenSPM：一种环境可迁移的机器人关键空间位姿记忆与闭环高频流匹配动作生成模型

Iok Tong Lei, Qingchen Xie, Yifan Wang, Yap Ying Jie, Zhidong Deng

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

AI总结 提出OpenSPM框架，通过空间位姿记忆和流匹配动作生成模型，实现开放环境桌面机器人操作的高频、精确控制，在LIBERO-GOAL任务中达到85.6%成功率和1033.3 Hz等效控制频率。

Comments Preprint

CorridorVLA: Explicit Spatial Constraints for Generative Action Heads via Sparse Anchors

CorridorVLA：通过稀疏锚点实现生成动作头的显式空间约束

Dachong Li, ZhuangZhuang Chen, Jin Zhang, Jianqiang Li

机构 * College of Computer Science and Software Engineering（计算机科学与软件工程学院） ； National Engineering Laboratory for Big Data System Computing Technology（大数据系统计算技术国家工程实验室） 纠错

专题命中 VLA模型 ：VLA(abstract,abstract_cn)；分类 cs.RO、cs.AI

AI总结 CorridorVLA通过稀疏锚点提供显式空间约束，提升动作生成性能，在LIBERO-Plus基准上改进成功率3.4%-12.4%。

Comments Accepted to the 2026 IEEE/RSJ International Conference on Intelligent Robots and Systems (IROS 2026)

CableTract: A Co-Designed Cable-Driven Field Robot for Low-Compaction, Off-Grid Capable Agriculture

CableTract：一种低压实、离网能力的农业电缆驱动田间机器人

Ozgur Yilmaz

机构 * Adana Science and Technology University（阿达纳科学与技术大学） 纠错

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

AI总结 本文提出CableTract电缆驱动农业机器人，通过共设计电缆架构与实施库，实现低压实和离网作业，结合多种模型分析能量效率与经济性。

CABTO: Context-Aware Behavior Tree Grounding for Robot Manipulation

CABTO：面向机器人操作的上下文感知行为树接地

Yishuai Cai, Xinglin Chen, Yunxin Mao, Kun Hu, Yaodong Yang, Yuanpei Chen, Wenjing Yang, Ji Wang, Minglong Li

机构 * National University of Defense Technology（国防科技大学） ； PsiBot ； Peking University（北京大学） ； PKU-Psibot Lab（北京大学-PsiBot实验室） 纠错

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

AI总结 本文提出CABTO框架，通过预训练大模型和上下文反馈，自动构建完整且一致的行为树系统，解决机器人操作中行为树接地的复杂性问题。

MetricAnything: Scaling Metric Depth Pretraining with Noisy Heterogeneous Sources

MetricAnything：利用噪声异构源扩展度量深度预训练

Baorui Ma, Jiahui Yang, Donglin Di, Xuancheng Zhang, Jianxun Cui, Hao Li, Yan Xie, Wei Chen

机构 * Li Auto Inc（李自动公司） 纠错

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

AI总结 研究针对度量深度估计扩展难题，提出MetricAnything框架，通过随机掩码创建稀疏度量提示解耦空间推理与偏差，用多样3D数据预训练，在多任务中表现出色，推动度量感知发展。

Comments Accepted to ECCV 2026. Project Page: https://metric-anything.github.io/metric-anything-io/

Ask-to-Clarify: Resolving Instruction Ambiguity through Multi-turn Dialogue

Ask-to-Clarify: 通过多轮对话解决指令歧义

Xingyao Lin, Xinghao Zhu, Tianyi Lu, Guojin Zhong, Sicheng Xie, Hui Zhang, Xipeng Qiu, Zuxuan Wu, Yu-Gang Jiang

机构 * College of Computer Science and Artificial Intelligence, Fudan University, Shanghai, China（复旦大学计算机科学与人工智能学院） ； Shanghai Innovation Institute, Shanghai, China（上海创新研究院） ； Mechanical Systems Control Lab, UC Berkeley, California, USA（伯克利机械系统控制实验室） 纠错

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

AI总结 本文提出Ask-to-Clarify框架，通过多轮对话解决指令歧义问题，结合视觉语言模型和扩散模型，采用两阶段知识绝缘策略训练，实现多任务中更高效的协作式具身代理。

Comments Accepted by IROS 2026

MICE: Minimal Interaction Cross-Encoders for efficient Re-ranking

MICE：用于高效重排的最小交互交叉编码器

Mathias Vast, Victor Morand, Basile van Cooten, Laure Soulier, Josiane Mothe, Benjamin Piwowarski

专题命中 VLA模型 ：action model(abstract)

AI总结 研究针对交叉编码器推理成本高的问题，提出MICE架构，通过去除有害或不必要交互，将加速交叉编码器推理与提升一级检索效果两种方法结合，评估显示其降低推理延迟四倍，效果良好。

Comments 9 pages, 5 figures

Beyond Lindblad Dynamics: Rigorous Guarantees for Thermal and Ground State Preservation under System Bath Interactions

超越林德布拉德动力学：系统-浴相互作用下热态和基态保持的严格保证

Ke Wang, Zhiyan Ding

专题命中 VLA模型 ：action model(abstract)

AI总结 研究系统-浴相互作用算法用于量子热态和基态制备的效率与鲁棒性。通过新理论结果表明，即便耦合强度与精度无关，诱导量子通道也能高精度逼近目标热态和基态，改进了复杂度分析。

Hydraulic resistance of channels obstructed by a dense array of elastic fibers

由密集排列的弹性纤维阻塞的通道的水力阻力

Etienne Jambon-Puillet

专题命中 VLA模型 ：action model(abstract)

AI总结 研究压力驱动下弹性纤维阻塞层流通道的流动，通过将纤维床视为可变形多孔介质建模非线性水力阻力，确定关键无量纲参数，用于设计微流体网络的被动流动控制元件。

Journal ref J. Fluid Mech., 1028, A21 (2026)

GaussianArt: Unified Modeling of Geometry and Motion for Articulated Objects

高斯艺术：关节物体几何与运动的统一建模

Licheng Shen, Saining Zhang, Honghan Li, Peilin Yang, Zihao Huang, Zongzheng Zhang, Hao Zhao

机构 * BAAI（百度人工智能研究院） ； AIR, THU（清华大学人工智能研究院） ； NTU（国立台湾大学） ； BIT（北京理工大学） ； HUST（华中科技大学） 纠错

专题命中 部署与泛化 ：action model(abstract)；分类 cs.CV

AI总结 研究关节物体重建，此前方法解耦几何与运动，本文用关节3D高斯联合建模，提升运动分解鲁棒性，支持多达20个部件的物体，还提出新基准测试，实验表明该方法在多任务中精度更优。

Comments 3DV 2026 Project Page: https://sainingzhang.github.io/project/gaussianart/