面向实时 VLA 的两阶段非均匀去噪与系统级评测
论文针对 VLA 模型低速率推理与机器人高速率执行之间的时间差，测量了模型推理与机器人执行链的端到端时延，并提出两阶段非均匀去噪，将去噪步数从 10 步减到 2 步、模型推理时间从 61.557 ms 降到 21.956 ms。
推荐理由：论文给出两步去噪把推理时间从 61.557 ms 降到 21.956 ms 的实测数据，可为 VLA 实时化优化提供参考。
内容形态
论文研究 最新动态
值得读的嵌入式与机器人论文：操作泛化、运动控制、端侧推理效率与新基准的精选。
202 条精选近 30 天 188 条共收录 1,005 条
更新
精选归档 · 第 9 页
arXiv cs.RO 机器人学精选AI 评分5858 arXiv cs.RO 机器人学精选AI 评分5858 UMR 提出统一操作表示，实现人类演示到异构机器人的零样本技能迁移
论文提出 Universal Manipulation Representation（UMR），把操作分解为与本体无关的 World Flow 和相对当前位姿的 Ego Trajectory 两部分，实现人类演示到异构机器人的零样本技能迁移。
推荐理由：论文给出统一动作表示的几何分解思路，跨本体迁移的方法设计对做 VLA 策略的研究者有参考价值。
arXiv cs.RO 机器人学精选AI 评分5858 DEXTERA 提出从单张图像到可部署灵巧操作的 Real-to-Sim-to-Real 框架
DEXTERA 提出一套自动化的 real-to-sim-to-real 框架，可将单张 RGB 图像转化为可部署的灵巧操作策略，覆盖场景分解、度量对齐、任务原语构建与多模态策略接口四个阶段。
推荐理由：论文给出从单张 RGB 图像自动生成可部署灵巧操作策略的完整流程，并报告仿真与真实协同训练带来的成功率变化。
arXiv cs.RO 机器人学精选AI 评分6262 EgoSteer 开源全栈系统：从第一人称视频实现可引导的灵巧操作
研究团队发布开源全栈系统 EgoSteer，用第一人称人类视频扩展灵巧手 VLA 预训练，并以少量真实机器人数据完成后训练。
推荐理由：论文给出从第一人称视频构建 9606 小时预训练数据的完整管线，做灵巧手数据工程的团队可对照其吞吐与精度做法。
arXiv cs.RO 机器人学精选AI 评分5858 SVA 框架将树搜索蒸馏为动作评估器，提升冻结 VLA 模型的泛化能力
论文提出 SVA（Search, Value, and Act）框架，用 Monte-Carlo tree search 在仿真中探索冻结 VLA 的输出分布并收集带经验回报的轨迹，再蒸馏成轻量 Q 值模型，部署时由评估器从多个候选动作中选出不确定性正则化 Q 值最高者，无需仿真器。
推荐理由：论文用 pass@k 诊断说明冻结 VLA 输出分布里已有可用行为，把树搜索蒸馏成 Q 值评估器可在不改骨干的前提下提升成功率。
arXiv cs.RO 机器人学精选AI 评分5858 AHEAD 提出潜空间预测世界模型，让 VLA 处理动态操作任务
AHEAD（Anticipatory Horizon Extrapolation with Adaptive Dynamics）提出一种 predict-then-act 包装器，用运动感知的潜空间世界模型预测 VLA 特征空间中的未来 patch token，使冻结的 VLA 能应对执行过程中物体移动的场景。
推荐理由：论文给出 AHEAD 在动态抓取任务上相对基线的成功率对比，可为处理运动物体的 VLA 方案提供参考。
arXiv cs.RO 机器人学精选AI 评分5858 FLASH Policy 用稀疏采样与 Legendre 多项式实现高效视觉运动策略
FLASH Policy 用 Legendre 多项式连续轨迹表示替代离散动作块生成，通过稀疏时间采样拟合专家演示，单次推理即可覆盖更长的动作时域。该方法以历史多项式系数而非高斯噪声初始化流匹配，缩短传输距离并支持单步推理，多项式解析求导还可直接为力矩控制器提供速度前馈信号。
推荐理由：用 Legendre 多项式连续轨迹替代离散动作块，配合历史系数初始化流匹配，给出了单步推理与速度前馈的完整实现思路。
arXiv cs.RO 机器人学精选AI 评分5858 ProbeFlow 提出免训练自适应 Flow Matching 推理框架，加速 VLA 模型动作解码
Zhou Fang 等提出 ProbeFlow，一种面向 VLA 模型的免训练自适应推理框架，通过初始与前瞻速度向量的余弦相似度评估轨迹复杂度并动态调度积分步数，以剪枝冗余网络评估。
推荐理由：原文给出用速度向量余弦相似度动态调度积分步数的方法，可迁移到其他 Flow Matching 动作头的推理加速。
arXiv cs.RO 机器人学精选AI 评分5858 用单一噪声向量改进生成式机器人策略：Golden Ticket 方法
该研究提出一种免导数的 episodic 潜在策略改进方法，通过将初始噪声采样替换为精心选择的常量噪声向量（golden ticket），改进冻结的 diffusion 或 flow matching 策略。
arXiv cs.RO 机器人学精选AI 评分5858 RealtimeWAM 提出一步动作生成与异步推理的 World Action Model
RealtimeWAM 提出一步动作生成与异步推理的 World Action Model，针对动作专家内部多步去噪和视频与动作专家串行等待两个瓶颈。
推荐理由：论文用一致性蒸馏加跨专家流水线压缩 WAM 推理，给出的加速比和精度损失数据可为实时机器人策略选型提供参考。
arXiv cs.RO 机器人学精选AI 评分5858 OGAM 论文提出基于物体注意力监控的 VLA 策略运行时保障方法
论文提出 Object-Grounded Attention Monitoring（OGAM），把系统化测试与运行时保障连接起来，用成功与失败执行间的注意力差异信号在故障完全展开前停止执行。
推荐理由：论文给出注意力偏离信号配合 DTW 与 conformal 校准的早停阈值设定方法，可迁移到其他 VLA 策略的运行时监控。
arXiv cs.RO 机器人学精选AI 评分5858 研究刻画 VLA 工作负载特性，指导具身 AI 系统设计
一篇将发表于 ASPLOS '27 的论文对 4 个代表性 VLA 模型在边缘 GPU 服务器和两款车载 SoC 上做了单次推理剖析与 43,200 次闭环实验。结果显示动作张量维度决定各阶段是内存受限还是算力受限，平台平衡会改变瓶颈位置，GPU 频率调节存在平台相关的能耗-时延最优区间。闭环运行中推理与动作执行重叠会带来精度-速度-能耗权衡，没有一种配置在各类部署 SLO 下都占优。
推荐理由：论文给出 VLA 模型在 batch-1 控制场景下的内存与算力瓶颈判定依据，可为模型、硬件与运行时联合设计提供参考。
arXiv cs.RO 机器人学精选AI 评分5959 AffordCraft 用单张 RGB 图像检索构建任务可用的仿真资产
AffordCraft 从单张 RGB 图像和任务指令出发，通过检索而非生成的方式定位物体与操作部件，从关节资产库中选取匹配条目并拟合到图像，同时保持部件与关节完整。
推荐理由：论文给出资产库规模与成功率的对照数据，做仿真数据构建的团队可据此评估检索式方案相对生成式方法的成本差异。
arXiv cs.RO 机器人学精选AI 评分5858 研究揭示 VLA 机器人策略存在视觉接地缺口，任务成功未必遵循指令
该研究通过保持场景不变的指令干预实验发现，当指令要求抓取另一个可见物体时，被评估的 VLA 策略与世界动作模型（WAMs）大多仍抓取场景偏好的原目标。线性探针能准确恢复被修改的指令目标，说明语言已被编码但很少决定目标选择；注意力分析显示指令 token 对动作生成贡献偏弱，目标 token 注意力仍停留在原物体上。
推荐理由：论文用保持场景不变的指令干预，区分任务成功与真正遵循指令，给出一套可复用的诊断方法。
arXiv cs.RO 机器人学精选AI 评分5858 Mulligan 提出面向机器人在机学习的性能引导数据采集方法
Mulligan 将初始状态分布作为决策变量，每轮从已观察到的失败状态和未尝试状态开始采集，以提升固定监督采集预算下的数据效率。论文在 2,550 个盲测留出回合的三个真实任务和两个仿真任务上评估，相比均匀初始状态采样表现更好；结合基于价值函数的动作选择后，HiL-IDQL+Mulligan 在真实任务上最终成功率提升 10-34 个百分点。在操作员介入下，人机协作完成 98% 的采集回合。
推荐理由：论文给出在固定采集预算下按失败状态分配初始状态分布的做法，做数据采集策略的团队可参考其对比设计。
arXiv cs.RO 机器人学精选AI 评分5858 VICON：面向操作数据集的视觉-惯性-接触手物跟踪框架
VICON 提出视觉-惯性-接触手物跟踪框架，通过改造视觉惯性手套并按人类抓握频率布置 FSR 力敏电阻，同步记录接触状态与标定法向力，配合 RGB-D 相机与单目视频重建网格、基于因子图的物体轨迹估计，在严重遮挡下联合捕捉手物运动与接触信息。
arXiv cs.RO 机器人学精选AI 评分5858 人形机器人全身运动持续学习：Similarity-guided LoRA-PNN 防止灾难性遗忘
提出 Similarity-guided LoRA-PNN，用渐进式神经网络策略结合轻量 LoRA，在顺序任务流中让人形全身控制器持续学习而不遗忘已掌握技能。基于动态时间规整与最优传输的两级运动相似度决定复用哪个先验技能并分配新容量，在六个顺序学习技能类别上取得最佳前向迁移 0.125 与最高平均准确率，节省最多 94.5% 可训练参数和 40.8% 训练时间。
Hugging Face 每日论文精选AI 评分6060 PhysEvo：围绕冻结模型的物理递归自改进框架在 RoboDojo 与真机上评测
PhysEvo 提出围绕单一冻结模型的物理递归自改进（RSI）框架，由任务 agent 执行机器人任务、meta-agent 依据轨迹诊断失败并修订工具与技能，全程不更新模型权重也不训练独立动作策略。
推荐理由：论文给出与 RoboDawn 和直接 Astra 的对照成功率，便于评估冻结模型下递归自改进的实际增益。
Hugging Face 每日论文精选AI 评分5656 Hebero：面向异构多任务强化学习的 GPU 并行基准与 DGPO 方法
论文提出 Hebero，一个基于 Isaac Lab 的 GPU 并行基准，支持在 40 个异构操作任务上联合训练与评估单一策略，scaling 实验显示在固定 wall-clock 预算下增加每任务并行副本数可提升成功率。
推荐理由：论文给出每任务并行副本数与成功率的 scaling 关系，以及 IW-ABC 相对基线的量化提升，便于评估多任务 RL 训练策略。
Hugging Face 每日论文精选AI 评分5757 VisionWeave：让 MLLM 原生具备弹性视觉表征编织能力
VisionWeave 通过大规模训练让前沿 MLLM 原生具备弹性视觉表征编织能力，由门控空间池化器与粒度路由器组成，在共享 MRoPE 坐标下按内容自适应分配粗细粒度表征。
推荐理由：原文给出了 token 节省比例、性能保留和吞吐提升的具体数字，可据此评估该方法相对固定剪枝基线的收益。