#VLA

机器人模型换个词成功率从100%跌到2%，这论文不改模型、只加十几条改写规则就提了十几个点，做法挺聪明的。

一篇机器人方向的新论文：给 VLA 模型加了个多样性奖励来做 RL 微调，π_0 分布外成绩提了 5.3 分，真机上成功率也从 64% 涨到 73%。

想让机器人从人类视频里学技能的可以看看这篇，EgoLAP 不硬抄人类动作，改成学语言化的动作意图，真实任务进度做到 80.1%，比其他表示高 2.3 倍。

机器人智能体光记文字学不会“怎么做”操作，这篇论文把一条演示视频拆成层级结构按需查看，两个基准成功率都提了几个点，做具身智能的可以看看。

一篇 VLA 训练新论文，思路挺巧：同一批数据换个揭示顺序当正则，LIBERO 和 CALVIN 上都有提升，做机器人策略的可以看看。

DuoMind让多机器人通过语义通信协调工作，比传统方法更高效，还推出了新基准测试RoboPoly。

MIT团队分析了VLA模型在视觉故障下的物理失效模式，发现黑屏和冻结会导致不同危险行为，并提出两种缓解方法。

机器人方向的概念论文，想在 VLA 的视觉嵌入上训练世界模型，从而省掉海量模仿数据，还能做短期规划，思路挺有意思。

给做机器人策略的人：MemBodied 用固定大小记忆替代越堆越长的上下文，RMBench 上成功率达到无状态策略的 7.81 倍，参数开销还小 10 倍。

Wayve 这篇论文教你怎么用不到5%的语言标注训出能开车的VLA，Bench2Drive 上分数还超过全监督基线，做自动驾驶的值得看看方法细节。

机器人换个机位就翻车的问题有解了：InfiNoVA 用 3D Gaussian 造新视角训练数据，陌生视角成功率提升 5.4 倍，不用改模型架构。

试试GS-VLA的方法，它能帮冻结VLA政策抗视角变化，和之前方法比更简单高效

人形机器人全身操作一直难搞，HAF把通用VLA拆成三阶段动作流，再用DCT降维做在线强化学习，7个真实任务都跑赢了基线。

拿一个贴了纹理的物体就能让 OpenVLA 和 π0.5 的成功率从 90% 掉到 48%，还能跨模型生效，搞机器人安全的可以看看。

它把慢吞吞的自回归VLA模型变成并行扩散模型，性能不掉，推理快2.8倍，还能跑自动驾驶多任务。

DLAM用对角高斯分布建模潜动作，解决了时间一致性差和误差累积问题，在多个机器人基准上提升了策略性能。

做VLA模型微调或机器人仿真的团队可以看看，JoyNexus用分组批处理省GPU资源，多租户场景下效率更高。

这篇论文用缓存中间动作的思路让VLA模型推理快11到34倍，而且不用重新训练，机器人实时控制场景很实用。