The Hong Kong University of Science and Technology（香港科技大学）

PoseVLA: Universal Pose Pretraining for Generalizable Vision-Language-Action Policies

面向通用视觉-语言-动作策略的通用姿态预训练

Haitao Lin, Hanyang Yu, Jingshun Huang, He Zhang, Yonggen Ling, Ping Tan, Xiangyang Xue, Yanwei Fu

机构 * Tencent Robotics X（腾讯机器人X） ； Futian Laboratory（福田实验室） ； The Hong Kong University of Science and Technology（香港科学与技术大学） ； Fudan University（复旦大学） ； Shanghai Innovation Institute（上海创新研究院） 纠错

AI总结 本文提出Pose-VLA，通过分离预训练和后训练阶段，解决视觉-语言-动作模型中的特征坍塌和训练效率问题，实现通用3D空间先验提取与机器人特定动作空间的高效对齐。

Comments Accepted to Robotics: Science and Systems (RSS) 2026. Project website: https://hetolin.github.io/PoseVLA

Journal ref Robotics: Science and Systems, 2026

Fine-Tuning Integrity for Modern Neural Networks: Structured Drift Proofs via Norm, Rank, and Sparsity Certificates

针对现代神经网络的微调完整性：通过范数、秩和稀疏性证书进行结构漂移证明

Zhenhang Shang, Yingzhe Yu, Kani Chen

机构 * The Hong Kong University of Science and Technology（香港科技大学） 纠错

AI总结 本文提出Fine-Tuning Integrity作为控制模型演化的安全目标，通过Succinct Model Difference Proofs验证微调模型与可信基础模型的差异仅在政策定义的漂移类别内，提供零知识证明以确保更新的范数、低秩或稀疏性。

Comments 21 pages, 3 figures