1. Data Analogies Enable Efficient Cross-Embodiment Transfer

• Title: Data Analogies Enable Efficient Cross-Embodiment Transfer
• 摘要介绍: 由 Chelsea Finn 和 Dorsa Sadigh 联合指导的这项工作，直击具身智能中异构数据组织的痛点。研究者提出“数据类比”（Data Analogies）方法，旨在从海量的不同机体、不同视角的演示数据中提取通用的语义与运动映射。通过建立不同形态间的逻辑对齐，该模型能将 A 机器人的经验高效迁移至形态完全不同的 B 机器人。实验证明，这种类比机制在低资源目标场景下显著提升了通用策略（Generalist Policies）的成功率，为构建真正的通用型 VLA 迈出了关键一步。
• 关键词: Cross-Embodiment Transfer, VLA Models, Generalist Robot Policies.

2. RoboPocket: Improve Robot Policies Instantly with Your Phone

• Title: RoboPocket: Improve Robot Policies Instantly with Your Phone
• 摘要介绍: 卢策吾教授团队针对模仿学习中“数据量大但质量难控”的问题，开发了名为 RoboPocket 的手持终端数据增强系统。该系统允许操作者通过手机实时监控、纠偏并即时优化机器人策略。不同于传统的开环采集，RoboPocket 通过引入闭环反馈，使非专家用户也能在现实环境中通过“手机引导”实现策略的分钟级迭代。这种低门槛、高效率的采集方式有望彻底解决 VLA 模型在特定任务部署时的样本短缺难题。
• 关键词: Imitation Learning, Human-Robot Interaction, Scalable Data Collection.

3. Beyond Imitation: Reinforcement Learning-Based Sim-Real Co-Training for VLA Models

• Title: Beyond Imitation: Reinforcement Learning-Based Sim-Real Co-Training for VLA Models
• 摘要介绍: 现有的 VLA 模型多依赖静态数据集的监督微调（SFT），缺乏动态交互能力。本文提出了一种全新的 RL 驱动 Sim-Real 协同训练框架。该方法不再将仿真器仅视为数据源，而是作为一个可交互的强化学习环境，通过模拟与现实的联合对齐（Co-Training），使 VLA 模型在应对 $OOD$（分布外）场景时具备更强的鲁棒性。这种从“模仿”到“演化”的范式转变，显著增强了策略在复杂操纵任务中的泛化表现。
• 关键词: Sim2Real, RL+VLA, Generalization, Co-Training.

4. Hierarchical Latent Action Model

• Title: Hierarchical Latent Action Model
• 摘要介绍: 传统的潜动作模型（LAM）往往局限于短程动作的预测，难以处理复杂的长程任务。本研究引入了层次化结构，将任务建模为高层逻辑时序与底层运动基元的结合。该模型通过在隐空间内进行多尺度建模，不仅提升了交互式世界模型对物理动态的预测精度，还使其具备了更强的时序推理能力，为处理涉及多个子阶段的具身任务提供了稳健的表征基础。
• 关键词: Latent Action Models, World Models, Hierarchical Learning.

5. Safe-Night VLA: Seeing the Unseen via Thermal-Perceptive Vision-Language-Action Models

• Title: Safe-Night VLA: Seeing the Unseen via Thermal-Perceptive Vision-Language-Action Models for Safety-Critical Manipulation
• 摘要介绍: 针对 VLA 模型在低光照或极端环境下感知的脆弱性，本文首次将热成像（Thermal）感知融入生成式策略中。研究者不仅扩展了多模态输入的边界，还通过引入显式安全约束（Safety Constraints），解决了端到端策略在安全敏感任务中容易崩溃的问题。该工作展示了机器人在全天候、高风险环境下进行精确操纵的可能性。
• 关键词: Multimodal VLA, Thermal Perception, Safety-Critical Control.

6. Devil is in Narrow Policy: Unleashing Exploration in Driving VLA Models

• Title: Devil is in Narrow Policy: Unleashing Exploration in Driving VLA Models
• 摘要介绍: 本文揭示了自动驾驶 VLA 模型中的一个基础性局限——“策略狭窄”（Narrow Policy）。研究发现，过度依赖模仿学习（IL）会导致模型陷入局部最优，抑制了后续强化学习（RL）阶段的探索潜力。通过引入一种新型的探索释放机制，该模型能够在维持基础驾驶能力的同时，主动探索更多边缘场景。实验表明，该方法在处理复杂交通流和长尾异常事件时表现优异。
• 关键词: Autonomous Driving, VLA, Exploration, Reinforcement Learning.

7. Phys4D: Fine-Grained Physics-Consistent 4D Modeling from Video Diffusion

• Title: Phys4D: Fine-Grained Physics-Consistent 4D Modeling from Video Diffusion
• 摘要介绍: 视频扩散模型虽然能生成逼真的视觉内容，但往往缺乏物理一致性。Phys4D 提出了一种细粒度的物理建模管线，通过约束视频生成过程中的质量、力学与动力学规律，实现了物理一致的 4D 内容生成。这一进展对于构建具备“物理常识”的世界模型至关重要，使得机器人能够在想象空间内进行更符合真实规律的试错与规划。
• 关键词: Video Diffusion, Physics Consistency, World Models, 4D Modeling.

8. EchoVLA: Synergistic Declarative Memory for VLA-Driven Mobile Manipulation

• Title: EchoVLA: Synergistic Declarative Memory for VLA-Driven Mobile Manipulation
• 摘要介绍: 移动操作任务要求机器人具备跨房间的记忆与推理能力。EchoVLA 通过引入“协同声明式记忆”（Declarative Memory）机制，解决了现有 VLA 模型“瞬时记忆”的短板。该模型能够存储并检索环境中的关键地标与历史指令，从而在长航程任务中保持意图的一致性。在移动操纵实验中，其任务完成率相比传统 VLA 模型提升了约 30%。
• 关键词: Mobile Manipulation, VLA, Declarative Memory, Long-horizon Reasoning.

📚 Selected Papers Deep Dive (深度拆解)

💡 Data Analogies Enable Efficient Cross-Embodiment Transfer PDF

⚠️ 该论文深度拆解失败，可能是本地 PDF 挂载失败，已拦截大模型的幻觉输出。

💡 RoboPocket: Improve Robot Policies Instantly with Your Phone PDF

⚠️ 该论文深度拆解失败，可能是本地 PDF 挂载失败，已拦截大模型的幻觉输出。

💡 Beyond Imitation: Reinforcement Learning-Based Sim-Real Co-Training for VLA Models PDF

⚠️ 该论文深度拆解失败，可能是本地 PDF 挂载失败，已拦截大模型的幻觉输出。

💡 Hierarchical Latent Action Model PDF

⚠️ 该论文深度拆解失败，可能是本地 PDF 挂载失败，已拦截大模型的幻觉输出。

💡 Safe-Night VLA: Seeing the Unseen via Thermal-Perceptive Vision-Language-Action Models for Safety-Critical Manipulation PDF

⚠️ 该论文深度拆解失败，可能是本地 PDF 挂载失败，已拦截大模型的幻觉输出。

💡 Devil is in Narrow Policy: Unleashing Exploration in Driving VLA Models PDF

⚠️ 该论文深度拆解失败，可能是本地 PDF 挂载失败，已拦截大模型的幻觉输出。

💡 Phys4D: Fine-Grained Physics-Consistent 4D Modeling from Video Diffusion PDF

⚠️ 该论文深度拆解失败，可能是本地 PDF 挂载失败，已拦截大模型的幻觉输出。

💡 EchoVLA: Synergistic Declarative Memory for VLA-Driven Mobile Manipulation PDF

⚠️ 该论文深度拆解失败，可能是本地 PDF 挂载失败，已拦截大模型的幻觉输出。