VLA models
PulseAugur coverage of VLA models — every cluster mentioning VLA models across labs, papers, and developer communities, ranked by signal.
-
具身智能在 RSS 2026 上成为焦点，中国企业日益突出
第 22 届悉尼机器人：科学与系统 (RSS 2026) 会议将重点关注具身智能，设有专门针对视觉语言模型 (VLA)、人形机器人和世界模型 (World Models) 的独立会议，表明研究方向的收敛。中国企业正扮演着日益重要的角色，从赞助商转向硬件生态系统，尽管文章承认美国和澳大利亚机构在基础研究方面仍占主导地位。关键讨论将围绕具身智能中的“数据贫乏、模型丰富”的争论，以及从单臂操作转向更复杂灵巧操作的转变。
-
新的基准 ActiveFly-Bench 评估无人机具身感知
研究人员推出了 ActiveFly-Bench，这是一个旨在评估无人机 (UAV) 中具身感知的创新基准。该基准侧重于连接航空具身问答、行为规划和细粒度无人机控制。它包含了来自真实世界和模拟环境的数据集，并引入了 ActiveFly，这是一个能够整合视觉-语言推理与精确控制的无人机代理，已在物理无人机平台上进行了测试。目前的无人机代理在主动感知场景中的行为规划和任务完成方面表现出局限性，突显了该领域进一步发展的必要性。
-
新的强化学习方法使用语言提示来指导探索
研究人员开发了一种新颖的强化学习（RL）探索技术，称为Prompt-Driven Exploration（PDE）。该方法利用大型语言模型（LLMs）和视觉-语言-动作（VLA）模型来修改自然语言提示，从而引起策略行为的全局变化。通过让视觉-语言模型（VLM）分析回放视频并诊断策略响应，PDE会优化提示以引发更好的动作。这种方法在提示级别有效地实现了后验采样，使RL能够在稀疏奖励的情况下学习成功的策略，并提高整体样本效率。
-
新协议衡量VLA模型的常识知识
研究人员开发了Act2Answer，这是一个新的评估协议，旨在评估视觉-语言-动作（VLA）模型在机器人数据上进行微调后保留的常识和世界知识。该协议通过让智能体在桌面环境中通过特定动作选择答案来调整现有的VLM知识基准，从而减少与低级控制相关的混淆。对七个VLA模型和九个VLM基线的大规模研究表明，虽然VLA模型在简单概念上表现良好，但与它们的源VLM相比，它们在复杂语义领域表现出更大的知识差距。研究还表明，VQA联合训练有助于知识保…
-
RoboECC框架优化VLA模型在边缘和云端的部署
研究人员开发了RoboECC，一个通过在边缘设备和云之间分配计算来实现视觉-语言-动作（VLA）模型部署的新框架。该方法解决了VLA模型的高推理成本问题，VLA模型在具身智能应用中很常见。RoboECC识别模型执行的最佳分割点，并动态适应网络波动，以最小的开销实现了高达3.28倍的速度提升。