Research

精读 A1：用多出口 VLM 与跨层 Truncated Flow Matching 同时压缩 backbone 和 action head 的推理成本，并对照官方代码分析实现。

精读 WSA1：用 3D 世界预测、3D 一致视觉思考和 3D 逆动力学统一 VLA/WAM，并以 6,000 小时异构数据实现高效泛化。

精读 WAM 与 VLA 的鲁棒性对比：RoboTwin 2.0-Plus 和 LIBERO-Plus 如何用 7 类扰动检验视频时空先验、训练数据多样性与推理效率。

系统拆解 What Matters for Latent Actions in Robot Learning：41 项设计选择、三阶段训练、代理指标与真实机器人验证。

精读 VTAM：把 GelSight 触觉流纳入视频世界模型，并用虚拟力正则抑制视觉主导，在薯片抓取、黄瓜削皮和白板擦拭上实现稳健接触控制。

精读 VP-VLA：以 crosshair 和 bounding box 作为 System 2 规划与 System 1 控制之间的原生视觉接口，提升 VLA 的空间 grounding 与 OOD 操作鲁棒性。

精读 VLAC：用成对观测预测带符号的任务进度，把 InternVL 变成可泛化的 Critic，并接入异步 PPO 让真实机器人从成功与失败中持续改进。

精读 ViVa：把 Wan2.2 的时空生成先验改造成价值模型，同时预测未来本体状态与任务回报，并接入 RECAP 改善长时程机器人强化学习。

精读 VideoVLA：基于 CogVideoX-5B 的多模态 DiT 同时预测未来视频 latent 与 7D 动作，在 SIMPLER 和真实 Realman 上验证视频想象带来的泛化能力。

精读 TwinBrainVLA：冻结 Left Brain、训练 Right Brain，并用 AsyMoT 将通用视觉语义注入 Flow-Matching 控制器，缓解 VLA 的 catastrophic forgetting。

精读 Training-Time Action Conditioning：用训练时模拟推理延迟和 action prefix 条件化，去掉 RTC 的推理时 inpainting 开销。

精读 TraceVLA：用 Co-Tracker 把机器人和物体的历史运动叠加到当前图像，在不堆叠历史帧的情况下增强 VLA 的空间—时间感知。

精读 TouchWorld：通过分层规划、触觉世界模型与 30 Hz 残差控制，把视觉语义、接触预测和快速触觉反馈组合成灵巧操作策略。

精读 ThinkAct：用动作对齐的视觉奖励通过 GRPO 训练 embodied reasoning，再以视觉计划 latent 条件化 DiT Action Model，实现长时规划、少样本适应与自纠错。

精读 TacVLA：用低维触觉 token 与接触感知门控，让 VLA 在遮挡、拆解和盒内抓取中的接触控制更可靠。