-
T-Rex 论文精读：Tactile-Reactive Dexterous Manipulation精读 T-Rex：用 100 小时触觉同步数据、时间 VQ-VAE 与异步 MoT，让 VLA 在双手灵巧操作中以高频触觉闭环修正动作。
15 min read -
StarVLA-α 论文精读StarVLA-α 用 Qwen3-VL、轻量 MLP action head 和统一数据管线重新审视 VLA 复杂度，系统分析 action head、机器人预训练与数据工程。
15 min read -
SpatialVLA 论文精读：用 3D 空间表示统一跨机器人 VLA精读 SpatialVLA：通过 Ego3D Position Encoding 与 Adaptive Action Grids，把 3D 场景理解和跨机器人动作迁移带入 VLA。
16 min read -
Spatial Traces 论文精读：把时间轨迹写进深度图的 ST-VLA精读 Spatial Traces：将关键点历史轨迹投影到预测深度图，让 SpatialVLA 同时利用三维位置与运动历史；分析其少样本 SimplerEnv 实验、消融与局限。
23 min read -
SLIM-0.5B 论文精读：用 action-grounded predictive latents 做紧凑机器人策略精读 SLIM：以逆/前向动力学联合预训练 MoT latent，再以 flow matching 输出连续动作，在不做具身预训练下兼顾鲁棒性与低延迟。
19 min read -
SimpleVLA-RL 论文精读：用在线强化学习扩展 VLA 的数据与泛化能力精读 SimpleVLA-RL：基于 veRL 为 OpenVLA-OFT 接入闭环并行 rollout、二值结果奖励与探索增强，在 LIBERO、RoboTwin 和真实机器人上验证 VLA 的 RL scaling。
18 min read -
RynnValue 论文精读：用时间距离训练可扩展的机器人价值基础模型RynnValue 用从观测到语言目标的剩余时间替代偏好与归一化进度，在 7,000+ 小时异构机器人数据上训练价值模型，并作为 VLA 的密集奖励接口。
22 min read -
RT-1：Robotics Transformer 论文精读精读 RT-1 的实时多任务机器人策略。
10 min read -
RLinf-VLA 论文精读：统一且高效的 VLA 强化学习框架精读 RLinf-VLA：用统一接口连接 VLA、PPO/GRPO 与多种模拟器，并通过混合 GPU 分配和细粒度流水线提升具身强化学习效率。
18 min read -
RLinf-USER：真机在线策略学习系统 论文精读精读 RLinf-USER：将机器人作为一等硬件资源，以异步流水线、云边通信和持久回放缓冲区支撑长时程真机在线策略学习。
19 min read -
RICL 论文精读：给预训练 VLA 注入 In-Context Adaptability精读 RICL：通过检索增强上下文、动作插值和少量 priming 数据，把原本不会 ICL 的 π₀-FAST 改造成可用 10–20 条示教适应新操作的 VLA。
21 min read -
PriorVLA 论文精读：保留预训练先验的 VLA 适配PriorVLA 用冻结 Prior Expert 与 Expert Queries 保留 VLA 的场景和运动先验，在少样本与 OOD 机器人操作中提升适配性能。
18 min read -
PLD 论文精读：用残差强化学习让 VLA 自己生成训练数据精读 Probe, Learn, Distill：冻结 VLA 通才策略，用残差 RL 探测失败状态，再把分布对齐的恢复轨迹蒸馏回通才模型。
16 min read -
OmniVLA-RL 论文精读：空间理解与在线强化学习统一的 VLA精读 OmniVLA-RL：用 MoT 三专家与 Block-wise Causal Attention 融合空间、语义和动作，并以 Flow-GSPO 稳定优化 Flow Matching 策略。
16 min read -
MMaDA-VLA 论文精读：统一多模态指令与生成的离散扩散 VLA精读 MMaDA-VLA：把语言、图像、动作放进同一离散 token 空间，用并行迭代去噪共同生成目标观测与动作块。
20 min read