Paper Deep Dive

精读 ForceVLA2：用 Force Prompt、Cross-Scale MoE 与混合力位控制，把力觉从辅助观测变成接触丰富操作中的闭环控制信号。

FTP-1 用形态感知触觉 Token 空间和共享触觉专家，将 21 种传感器、26 个数据源的触觉经验迁移到接触密集操作。

精读 Genie Envisioner：GE-Base 如何用多视角视频世界模型承载 GE-Act 动作解码、GE-Sim 闭环模拟与 EWMBench 评测。

精读 ByteDance Seed 的 GR-RL：用分布式 critic 学习任务进度、过滤次优示范，再通过形态对称增强和 latent-space online RL，让 VLA 学会多眼孔鞋带穿线。

精读 GrinningFace：用 emoji 桌面操作任务拆分 VLA 的执行能力与 VLM 视觉语义先验，比较 LoRA、冻结 VLM、协同训练、离散动作和 latent action。

精读 HALO：用 Mixture-of-Transformers 将文本推理、视觉子目标预测与动作生成统一为 Embodied Multimodal Chain-of-Thought，并分析其训练配方、实验和代码现状。

精读 Figure Helix 技术发布：以 7–9Hz 的语义 VLM 和 200Hz 的视觉运动策略分工，在人形上半身连续控制中兼顾泛化与实时性。

精读 Hume 的 value-guided System-2 thinking 与 cascaded action denoising，并对照官方代码分析双系统异步控制。

精读 InternVLA-A1：用 Mixture-of-Transformers 统一场景理解、视觉前瞻与 Flow Matching 动作，在动态双臂操作中提升泛化。

精读 LA4VLA：从 DROID 轨迹构造 33K 个 vision-agnostic atomic action episode，用 Language-Action 预训练让 VLA 学会语言如何约束动作。

精读 LaWAM：把 Latent Action Model 的前向解码器复用为 Latent World Model，在 DINOv3 特征空间预测动作相关的未来视觉子目标，兼顾动力学预见与低延迟控制。

精读 LWD：用 DIVL 分布式价值学习与 QAM 流策略提取，把 16 台双臂机器人部署产生的离线与在线经验闭环用于通用 VLA 持续改进。

精读 LeRobot：统一机器人中间件、LeRobotDataset、可异步推理栈与可复用策略实现，分析其如何降低真实机器人学习的工程门槛。

精读 LingBot-VA：将视频世界建模与逆动力学动作生成交织为因果自回归序列，并以 MoT、KV Cache、部分去噪和 FDM 校正实现长时程闭环操控。

精读 LingBot-VA 2.0：以语义视觉-动作 tokenizer、因果 MoE DiT、Multi-Chunk Prediction 与异步闭环推理，实现可泛化的 video-action robot control。