vla

《VLA 系列》AMP 代码复现 | 强化训练 | 行走跌倒恢复本博客是基于 mjlab + rsl_rl 的 G1/H2 AMP 运动控制，同时支持走/跑、跌倒恢复 🚀

【论文解读】Native Video-Action Pretraining for Generalizable Robot Control论文：Native Video-Action Pretraining for Generalizable Robot Control（Robbyant，arXiv 2026）发布时间：2026 年 7 月 9 日（arXiv v1）作者：Qihang Zhang、Lin Li、Luyao Zhang、Shuai Yang、Yiming Luo、Shuaiting Li、…、Yujun Shen、Yinghao Xu（共 29 人）核心一句话：用从零预训练的因果 video-action 基座（13B

猫先生Mr.Mao

具身智能之π0.5：如何用异构数据训练开放世界 VLA【从零走向AGI】旨在深入了解通用人工智能（AGI）的发展路径，从最基础的概念起，逐步构建完整的知识体系。项目地址🔗：https://github.com/AI-mzq/From-Zero-to-AGI.git

【数据集汇总】机器人抓取与操作领域核心数据集汇总梳理在机器人具身智能与机械臂操控技术的发展进程中，高质量、大规模的数据集是算法迭代与模型泛化的核心基础。从早期的平面抓取检测，到如今的 6 自由度抓取、跨类别部件操作、双手灵巧操控，每一步技术突破都离不开对应基准数据集的支撑。

【论文解读】Kairos: A Regret-Aware Native World-Action Model Stack for Physical AI论文：Kairos: A Regret-Aware Native World-Action Model Stack for Physical AI（Kairos Team，arXiv 2026）发布时间：2026 年 6 月 15 日（arXiv v1，v3 修订于 2026 年 7 月 3 日）作者：Fei Wang、Shan You、Qiming Zhang、Tao Huang、Zuoyi Fu、Zhisheng Zheng、Yunlong Xi、Feng Lv、Xiaoming Wu、Zeyu

猫先生Mr.Mao

具身智能之 π0.7 详解：可控提示让机器人学会组合——如何把 VLA 推向通用泛化【从零走向AGI】旨在深入了解通用人工智能（AGI）的发展路径，从最基础的概念起，逐步构建完整的知识体系。项目地址🔗：https://ai-mzq.github.io/From-Zero-to-AGI/

一只空白格

pi0.5面试题Fig. 3: Model overview. π0.5 is trained in two stages. First, a pre-training stage combines all of the different data sources to produce an initial VLA with discrete tokens. This stage uses data from diverse robotic platforms, high-level semantic action p

Agilex松灵机器人

UMR × NAVIS：移动机器人行业级通用一体化底盘与3D导航解决方案在移动机器人逐渐进入智能制造、仓储物流、巡检运维及具身智能等行业应用的今天，越来越多开发者开始关注行业级通用一体化底盘与3D导航能力。相比传统需要分别选型底盘、导航系统和感知设备的开发模式，松灵机器人（AgileX Robotics）推出的 UMR 行业级通用一体化底盘结合 NAVIS 3D导航平台，能够帮助用户快速构建自主移动机器人，大幅降低开发与部署成本。

$\pi_{0.7}$: 一个具备涌现能力的可引导的通用机器人基础模型π0.7\pi_{0.7}π0.7: a Steerable Generalist Robotic Foundation Model with Emergent Capabilities

VLA 的 Co-training：通过多源数据提升机器人泛化能力存在问题：机器人数据和互联网视觉语言数据教给模型的东西并不相同。一条常见的机器人轨迹通常包含以下信息：

【论文速递】2026年第04周(Jan-18-24)(Robotics/Embodied AI/LLM)中文使用 googletrans 翻译，翻译不对的地方以英文为准标题: Agentic Reasoning for Large Language Models

OpenPi、GR00T的视觉语言模型与动作模型连接方式差异分析总结VLA模型通常可以拆成两个逻辑模块：视觉语言模型和动作生成模型，前者用于生成视觉语言语义特征，后者用于生成连续动作序列。

RLinf复现RECAP（一）：从轨迹回报到优势标签与RECAP数据处理相关的代码主要位于，完整数据流如下，RLinf不会把Return和Advantage直接写回原始轨迹文件，而是保存成独立的Sidecar Parquet。例如,

RLinf复现RECAP（二）：优势标签驱动pi0.5的CFG训练CFG全称为Classifier-Free Guidance（无分类器引导），最初主要用于扩散生成模型，通过比较条件预测和无条件预测，让生成结果更符合指定条件。例如，在图像生成任务中，模型可以分别计算，

pi*0.6的RECAP：VLA如何从成功、失败和人工纠正中继续学习VLA 模型通常从人工示范中学习，训练数据告诉模型，看到这个画面和任务指令时，执行这组机器人动作。这种方法适合让机器人快速掌握基本技能，但存在一个明显问题，模型只知道模仿数据，不知道数据中的动作到底有多好。

Isaac GR00T N1.7在Piper真机上的服务端/客户端部署实践Isaac GR00T N1.7是一个面向通用机器人操作任务的VLA模型。模型推理依赖GPU环境，而Piper真机侧则依赖CAN总线、RealSense相机、机器人SDK和本地安全控制逻辑。

The moon forgets

跨本体机器人学习：人类运动解码通用物理交互📄 arXiv: arXiv:2601.12993 | 🏷️ VLA模型 | ⭐ 评分: 9.1/10 🔑 论文笔记 VLA模型跨本体学习人为中心学习具身智能机器人操作 Flow-Matching MoE 统一动作空间双臂操作灵巧手 Being-H0.5 UniHand-2.0 Mixture-of-Flow pi0 pi0.5 OpenVLA AgiBot-World Qwen-VLA

GR00T N1.7源码学习（五）：Policy推理、RTC动作衔接与部署流程解析GR00T N1.7源码学习（一）：工程入口、模型结构与动作生成流程解析-CSDN博客GR00T N1.7源码学习（二）：训练数据、Processor与多机器人动作空间解析-CSDN博客

Diffusion 与 Flow Matching 数学原理及其在 VLA Action 生成中的应用作者：Asimov+Codex | 日期：2026-06-11 适合：Diffusion / Flow Matching 初学者，关注 VLA（Vision-Language-Action）方向

GR00T N1.7源码学习（三）：动作头内部模块、DiT结构与多机器人条件编码解析GR00T N1.7源码学习（一）：工程入口、模型结构与动作生成流程解析-CSDN博客GR00T N1.7源码学习（二）：训练数据、Processor与多机器人动作空间解析-CSDN博客