Embodied AI Daily具身智能科研日报

具身智能早报

关注机器人研究、开源与产业的新进展

‹ ›
具身智能科研日报:VLA几何增强、触觉导航与扰动观测新进展
本期导读

本期聚焦2026年10月4日集中发布的arXiv论文,涵盖VLA模型的几何感知增强(GeoBridge-VLA)、连续动作表征(Vela)、触觉驱动的物理感知导航(TANav)、采样式扰动观测器(SDOB)、基于GJK的碰撞规避控制屏障函数(GJK-CBF),以及层级化图推理(H-GBP)等方向。主文均基于已读正文节选(scope=full),严格区分已验证结论与未测边界;简讯依据摘要或元数据,明确标注证据层级。

10 条内容 · 3 篇重点解读 · 7 条简讯

GeoBridge-VLA: Geometry-Aware Residual Adaptation for Vision-Language-Action Models:Fig. 2: Geometry integration in VLA policies. (a) A native RGB-only VLA uses its visual tokens for action conditioning. (b) A separate-depth design adds a second RGB encoder and a fusion module. (c) GeoBridge-VLA shares the native visual encoder, decodes geometry through a feature bridge and K4-based geometry decoder, and adds a learned residual to the existing visual tokens. Language and robot-state inputs are o
Fig. 2: Geometry integration in VLA policies. (a) A native RGB-only VLA uses its visual tokens for action conditioning. (b) A separate-depth design adds a second RGB encoder and a fusion module. (c) GeoBridge-VLA shares the native visual encoder, decodes geometry through a feature bridge and K4-based geometry decoder, and adds a learned residual to the existing visual tokens. Language and robot-st图源:论文作者 / arXiv
arXiv cs.RO精读

GeoBridge-VLA: Geometry-Aware Residual Adaptation for Vision-Language-Action Models

Hyun Song、Kangmin Kim 等 · 7 位作者

GeoBridge-VLA提出两阶段残差适配方法,在冻结VLA视觉编码器基础上引入几何解码器与门控残差接口,仅用RGB+语言+机器人状态输入,在LIBERO上将成功率从60.0%提升至70.9%,并在ROBOTIS OMY真机四任务中达74.0%(vs 54.0%)。

机器人基础模型VLA 与机器人基础模型操作与灵巧手
论文
展开解读与证据

GeoBridge-VLA提出两阶段残差适配方法,在冻结VLA视觉编码器基础上引入几何解码器与门控残差接口,仅用RGB+语言+机器人状态输入,在LIBERO上将成功率从60.0%提升至70.9%,并在ROBOTIS OMY真机四任务中达74.0%(vs 54.0%)。

为什么值得关注

为VLA模型弥补空间推理短板提供可部署的轻量级架构,不增加token数或图像编码器,且无需深度输入部署。

研究问题

现有VLA模型擅长语义理解但缺乏精确几何推理能力,制约接触丰富操作性能。

方法原理

Stage I:用深度监督训练特征桥与几何解码器;Stage II:冻结前序模块,训练门控残差接口+动作投影+动作专家,将几何特征以残差形式注入原始视觉token。

结果与证据

LIBERO整体成功率70.9%(SmolVLA为60.0%);ROBOTIS OMY四任务148/200成功(SmolVLA为108/200);消融显示残差关闭导致成功率降至69.85%。

阅读边界
残差模块贡献有限(关闭后仅降1.05%),效果在不同任务套件中不一致;真机实验仅限四任务、200次总试次,未报告失败模式或泛化到新物体/场景能力。

作者:Hyun Song、Kangmin Kim、Loren Jinsoo Um、Minhui Han、Jaehyeok Park、Taewan Cho、Andrew Jaeyong Choi

追问 / 纠错 / 阅读偏好 · 交给 Agent

评论 · —

昵称自填。评论会展示给其他读者,请勿填写私人信息。

正在读取评论…

Vela: Scaling Vision-Language-Action Models with Adaptive Action Curve Parametrization:Figure 1: Overview of Vela. At inference, Vela jointly predicts a fixed set of spline control points and a motion-dependent horizon, defining a continuous action trajectory that can be sampled at arbitrary control rates. During training, motion-dependent horizon adaptation constructs supervision targets that adequately represent the demonstrated motion. The same control point budget thus covers longer spans fo
Figure 1: Overview of Vela. At inference, Vela jointly predicts a fixed set of spline control points and a motion-dependent horizon, defining a continuous action trajectory that can be sampled at arbitrary control rates. During training, motion-dependent horizon adaptation constructs supervision targets that adequately represent the demonstrated motion. The same control point budget thus covers lo图源:论文作者 / arXiv
arXiv cs.RO精读

Vela: Scaling Vision-Language-Action Models with Adaptive Action Curve Parametrization

Yifan Li、Jiaxu Wang 等 · 7 位作者

Vela提出基于样条的连续动作曲线参数化,替代固定步长动作块,使同一输出预算可自适应分配时间分辨率;在LIBERO-X、EBench及真实蛋饼烹饪、土豆切丝任务中展现跨仿真与实物的泛化能力。

机器人基础模型VLA 与机器人基础模型操作与灵巧手
论文
展开解读与证据

Vela提出基于样条的连续动作曲线参数化,替代固定步长动作块,使同一输出预算可自适应分配时间分辨率;在LIBERO-X、EBench及真实蛋饼烹饪、土豆切丝任务中展现跨仿真与实物的泛化能力。

为什么值得关注

解决VLA模型中动作表示与时间尺度强耦合问题,为接触密集操作提供更平滑、更高效的动作生成基础。

研究问题

固定速率动作块浪费容量于高度相关邻近动作,隐式学习时间连续性,并强制长时域覆盖与局部精度间的权衡。

方法原理

采用紧凑样条动作表示,结合运动依赖的时间支持与异构本体共享动作接口,使固定输出预算能随运动动态调整时间分辨率。

结果与证据

在LIBERO-X、EBench及两个真实长时程任务(蛋饼烹饪、土豆切丝)中取得跨仿真与实物的有希望结果。

阅读边界
摘要未给出具体性能数字(如成功率、轨迹误差、延迟);未说明连续表示对实时性的影响;真实任务仅称‘promising results’,无量化指标。

作者:Yifan Li、Jiaxu Wang、Dongming Wu、Yicheng Jiang、Ryan Ji、Xiangyu Yue、Yanwei Fu

追问 / 纠错 / 阅读偏好 · 交给 Agent

评论 · —

昵称自填。评论会展示给其他读者,请勿填写私人信息。

正在读取评论…

Nudge Before You Push: Physics-Aware Navigation via Tactile Probing:Figure 1: Tactile probing for push-or-detour navigation. TANav separates contact interpretation, push eligibility, and route choice. In simulation, TacPhys reads nudge resistance into mass; the site boundary determines eligibility, and the patrol planner weighs probe and route costs, requests additional contact, and reuses cached observations. Hardware tests assess offline transfer and calibration; calibrated raw-peak decisions
Figure 1: Tactile probing for push-or-detour navigation. TANav separates contact interpretation, push eligibility, and route choice. In simulation, TacPhys reads nudge resistance into mass; the site boundary determines eligibility, and the patrol planner weighs probe and route costs, requests additional contact, and reuses cached observations. Hardware tests assess offline transfer and calibration图源:论文作者 / arXiv
arXiv cs.RO精读

Nudge Before You Push: Physics-Aware Navigation via Tactile Probing

Xianyao Li、Fang Xu 等 · 7 位作者

TANav通过轻推(nudge)测量容器推阻,TacPhys模型将力序列映射为质量估计以授权推动;在仿真中将漏推率从28.7%降至5.5%,在四足机械臂实测中零样本MAE为0.28–1.07 kg(最大载荷2.82 kg)。

学习与仿真移动与人形机器人触觉与多模态感知
论文
展开解读与证据

TANav通过轻推(nudge)测量容器推阻,TacPhys模型将力序列映射为质量估计以授权推动;在仿真中将漏推率从28.7%降至5.5%,在四足机械臂实测中零样本MAE为0.28–1.07 kg(最大载荷2.82 kg)。

为什么值得关注

为视觉无法区分负载的导航任务提供低成本、低侵入式物理感知方案,支持重复巡逻中观测复用。

研究问题

外观相同容器可能承载不同质量,需在不破坏包装前提下判断是否可安全推动。

方法原理

TANav使用短暂触觉探针获取推阻力序列;TacPhys融合力序列(可选RGB-D与运动学)估计质量;重复巡逻规划器权衡探测与路径成本,并跨访问复用观测。

结果与证据

仿真中漏推率从28.7%降至5.5%(vs 峰值力阈值法);重复巡逻仿真恢复90%最优路径节省;四足机械臂实测零样本MAE为0.28–1.07 kg(最大载荷2.82 kg)。

阅读边界
实机测试为离线零样本,未报告在线决策延迟或闭环控制频率;力传感器为定制Hall阵列指尖,通用性待验证;未说明环境光照、表面纹理等干扰因素影响。

作者:Xianyao Li、Fang Xu、Ruitong Tian、Bowen Sun、Xiao Hu、Yang Ye、Jing Du

追问 / 纠错 / 阅读偏好 · 交给 Agent

评论 · —

昵称自填。评论会展示给其他读者,请勿填写私人信息。

正在读取评论…

提出Hierarchy-GBP(H-GBP),通过图抽象与结果投影两阶段加速高斯置信传播(GBP),在Pose Graph Optimization和Bundle Adjustment任务中显著提升收敛速度与运行时性能。

更多

仅依据摘要;未说明在真实机器人平台上的部署延迟、内存开销或硬件适配性;实验限于线性稀疏图及仿真PGO/BA。

追问 / 纠错 / 阅读偏好 · 交给 Agent

评论 · —

昵称自填。评论会展示给其他读者,请勿填写私人信息。

正在读取评论…

提出采样型扰动观测器(SDOB),将经典扰动观测原理扩展至仿真器与学习型世界模型,通过状态滚转或成本查询接口分离状态效应与成本扰动,提升Sim-to-Real鲁棒性。

更多

仅依据摘要;未说明SDOB在嵌入式平台的实时性、观测延迟或对不同世界模型架构(如Diffusion、Transformer)的泛化性。

追问 / 纠错 / 阅读偏好 · 交给 Agent

评论 · —

昵称自填。评论会展示给其他读者,请勿填写私人信息。

正在读取评论…

提出GJK-CBF,利用Gilbert-Johnson-Keerthi算法直接获取凸体间见证点对,并据此构造无需可微优化(diffOpt)的控制屏障函数梯度,实现SE(3)空间下高效碰撞规避。

更多

仅依据摘要;未报告GJK-CBF在边缘设备(如Jetson)上的单步推理耗时、内存占用或与不同GJK实现(如libccd)的兼容性。

追问 / 纠错 / 阅读偏好 · 交给 Agent

评论 · —

昵称自填。评论会展示给其他读者,请勿填写私人信息。

正在读取评论…

提出PreAct-Nav框架,通过导航记忆模块维持中程子目标,并结合动作条件世界模型(AC-WM)预测候选动作后果,实现城市环境中长程目标驱动的稳健本地决策。

更多

仅依据摘要;未说明AC-WM的预测精度、内存模块的长期稳定性,或在真实城市GPS/IMU噪声下的鲁棒性。

追问 / 纠错 / 阅读偏好 · 交给 Agent

评论 · —

昵称自填。评论会展示给其他读者,请勿填写私人信息。

正在读取评论…

提出DiVeR方法,通过评估动作表征离散度识别轨迹中决策关键状态,并据此重加权验证器学习,提升VLA模型在测试时动作候选筛选的有效性。

更多

仅依据摘要;未说明DiVeR对不同VLA架构(如RT-2、OpenVLA)的迁移性,或在带通信约束的远程操作中的延迟表现。

追问 / 纠错 / 阅读偏好 · 交给 Agent

评论 · —

昵称自填。评论会展示给其他读者,请勿填写私人信息。

正在读取评论…

提出LightVLN轻量级空中VLN框架,采用0.5B语言骨干与历史帧压缩机制,在OpenFly数据集上超越7B基线,并在DJI M350 RTK+Jetson Orin NX上实现11.13 Hz端到端决策更新。

更多

仅依据摘要;未披露LightVLN在动态障碍、弱光或强风等真实空域扰动下的泛化能力。

追问 / 纠错 / 阅读偏好 · 交给 Agent

评论 · —

昵称自填。评论会展示给其他读者,请勿填写私人信息。

正在读取评论…

提出ProactiveVLA,通过任务后主动探索(覆盖物体功能、状态变化与交互组合)构建可复用知识库,提升VLA系统在新环境中的部署时适应能力。

更多

仅依据摘要;未说明主动探索预算分配策略的自适应性,或在高度结构化/非结构化环境中的知识迁移效率差异。

追问 / 纠错 / 阅读偏好 · 交给 Agent

评论 · —

昵称自填。评论会展示给其他读者,请勿填写私人信息。

正在读取评论…