ControlVLA: Few-shot Object-centric Adaptation for Pre-trained Vision-Language-Action Models
Fuente:
arXiv
Enregistré dans:
| Auteurs principaux: | Li, Puhao, Wu, Yingying, Xi, Ziheng, Li, Wanlin, Huang, Yuzhe, Zhang, Zhiyuan, Chen, Yinghan, Wang, Jianan, Zhu, Song-Chun, Liu, Tengyu, Huang, Siyuan |
|---|---|
| Format: | Preprint |
| Publié: |
2025
|
| Sujets: | |
| Accès en ligne: | |
| Tags: |
Ajouter un tag
Pas de tags, Soyez le premier à ajouter un tag!
|
Documents similaires
Ag2x2: Robust Agent-Agnostic Visual Representations for Zero-Shot Bimanual Manipulation
par: Xiong, Ziyin, et autres
Publié: (2025)
par: Xiong, Ziyin, et autres
Publié: (2025)
Simultaneous Tactile-Visual Perception for Learning Multimodal Robot Manipulation
par: Li, Yuyang, et autres
Publié: (2025)
par: Li, Yuyang, et autres
Publié: (2025)
ManipTrans: Efficient Dexterous Bimanual Manipulation Transfer via Residual Learning
par: Li, Kailin, et autres
Publié: (2025)
par: Li, Kailin, et autres
Publié: (2025)
TaF-VLA: Tactile-Force Alignment in Vision-Language-Action Models for Force-aware Manipulation
par: Huang, Yuzhe, et autres
Publié: (2026)
par: Huang, Yuzhe, et autres
Publié: (2026)
Grasp Multiple Objects with One Hand
par: Li, Yuyang, et autres
Publié: (2023)
par: Li, Yuyang, et autres
Publié: (2023)
Ag2Manip: Learning Novel Manipulation Skills with Agent-Agnostic Visual and Action Representations
par: Li, Puhao, et autres
Publié: (2024)
par: Li, Puhao, et autres
Publié: (2024)
Taccel: Scaling Up Vision-based Tactile Robotics via High-performance GPU Simulation
par: Li, Yuyang, et autres
Publié: (2025)
par: Li, Yuyang, et autres
Publié: (2025)
Unveiling the Mist over 3D Vision-Language Understanding: Object-centric Evaluation with Chain-of-Analysis
par: Huang, Jiangyong, et autres
Publié: (2025)
par: Huang, Jiangyong, et autres
Publié: (2025)
Few-shot Adaptation of Medical Vision-Language Models
par: Shakeri, Fereshteh, et autres
Publié: (2024)
par: Shakeri, Fereshteh, et autres
Publié: (2024)
Effectiveness of Pre-training for Few-shot Intent Classification
par: Zhang, Haode, et autres
Publié: (2021)
par: Zhang, Haode, et autres
Publié: (2021)
Sophia: A Scalable Stochastic Second-order Optimizer for Language Model Pre-training
par: Liu, Hong, et autres
Publié: (2023)
par: Liu, Hong, et autres
Publié: (2023)
FILP-3D: Enhancing 3D Few-shot Class-incremental Learning with Pre-trained Vision-Language Models
par: Xu, Wan, et autres
Publié: (2023)
par: Xu, Wan, et autres
Publié: (2023)
MiVLA: Towards Generalizable Vision-Language-Action Model with Human-Robot Mutual Imitation Pre-training
par: Yin, Zhenhan, et autres
Publié: (2025)
par: Yin, Zhenhan, et autres
Publié: (2025)
UniVLA: Learning to Act Anywhere with Task-centric Latent Actions
par: Bu, Qingwen, et autres
Publié: (2025)
par: Bu, Qingwen, et autres
Publié: (2025)
Efficient Object-centric Representation Learning with Pre-trained Geometric Prior
par: Khac, Phúc H. Le, et autres
Publié: (2024)
par: Khac, Phúc H. Le, et autres
Publié: (2024)
Few-shot Object Localization
par: Ren, Yunhan, et autres
Publié: (2024)
par: Ren, Yunhan, et autres
Publié: (2024)
Split Adaptation for Pre-trained Vision Transformers
par: Wang, Lixu, et autres
Publié: (2025)
par: Wang, Lixu, et autres
Publié: (2025)
PhysPart: Physically Plausible Part Completion for Interactable Objects
par: Luo, Rundong, et autres
Publié: (2024)
par: Luo, Rundong, et autres
Publié: (2024)
CRL-VLA: Continual Vision-Language-Action Learning
par: Zeng, Qixin, et autres
Publié: (2026)
par: Zeng, Qixin, et autres
Publié: (2026)
Regularized Contrastive Pre-training for Few-shot Bioacoustic Sound Detection
par: Moummad, Ilyass, et autres
Publié: (2023)
par: Moummad, Ilyass, et autres
Publié: (2023)
MetaScenes: Towards Automated Replica Creation for Real-world 3D Scans
par: Yu, Huangyue, et autres
Publié: (2025)
par: Yu, Huangyue, et autres
Publié: (2025)
Towards Interpretable and Efficient Attention: Compressing All by Contracting a Few
par: Wen, Qishuai, et autres
Publié: (2025)
par: Wen, Qishuai, et autres
Publié: (2025)
ID-centric Pre-training for Recommendation
par: Wu, Yiqing, et autres
Publié: (2024)
par: Wu, Yiqing, et autres
Publié: (2024)
KineVLA: Towards Kinematics-Aware Vision-Language-Action Models with Bi-Level Action Decomposition
par: Han, Gaoge, et autres
Publié: (2026)
par: Han, Gaoge, et autres
Publié: (2026)
Fine-tuning Pre-trained Language Models for Few-shot Intent Detection: Supervised Pre-training and Isotropization
par: Zhang, Haode, et autres
Publié: (2022)
par: Zhang, Haode, et autres
Publié: (2022)
Move as You Say, Interact as You Can: Language-guided Human Motion Generation with Scene Affordance
par: Wang, Zan, et autres
Publié: (2024)
par: Wang, Zan, et autres
Publié: (2024)
PriorVLA: Prior-Preserving Adaptation for Vision-Language-Action Models
par: Guo, Xinyu, et autres
Publié: (2026)
par: Guo, Xinyu, et autres
Publié: (2026)
Agentic-VLA: Efficient Online Adaptation for Vision-Language-Action Models
par: Jin, Ruofan, et autres
Publié: (2026)
par: Jin, Ruofan, et autres
Publié: (2026)
SlotLifter: Slot-guided Feature Lifting for Learning Object-centric Radiance Fields
par: Liu, Yu, et autres
Publié: (2024)
par: Liu, Yu, et autres
Publié: (2024)
Decoupling Classifier for Boosting Few-shot Object Detection and Instance Segmentation
par: Gao, Bin-Bin, et autres
Publié: (2025)
par: Gao, Bin-Bin, et autres
Publié: (2025)
Vehicle-centric Perception via Multimodal Structured Pre-training
par: Wu, Wentao, et autres
Publié: (2025)
par: Wu, Wentao, et autres
Publié: (2025)
Prototype-Driven Adaptation for Few-Shot Object Detection
par: Huang, Yushen, et autres
Publié: (2025)
par: Huang, Yushen, et autres
Publié: (2025)
RotVLA: Rotational Latent Action for Vision-Language-Action Model
par: Li, Qiwei, et autres
Publié: (2026)
par: Li, Qiwei, et autres
Publié: (2026)
From Observation to Action: Latent Action-based Primitive Segmentation for VLA Pre-training in Industrial Settings
par: Zhang, Jiajie, et autres
Publié: (2025)
par: Zhang, Jiajie, et autres
Publié: (2025)
Frequency Enhanced Pre-training for Cross-city Few-shot Traffic Forecasting
par: Liu, Zhanyu, et autres
Publié: (2024)
par: Liu, Zhanyu, et autres
Publié: (2024)
Adaptive Few-shot Prompting for Machine Translation with Pre-trained Language Models
par: Tang, Lei, et autres
Publié: (2025)
par: Tang, Lei, et autres
Publié: (2025)
Pre-trained Language Models and Few-shot Learning for Medical Entity Extraction
par: Wang, Xiaokai, et autres
Publié: (2025)
par: Wang, Xiaokai, et autres
Publié: (2025)
Benchmarking Few-shot Transferability of Pre-trained Models with Improved Evaluation Protocols
par: Luo, Xu, et autres
Publié: (2026)
par: Luo, Xu, et autres
Publié: (2026)
MobileVLA-R1: Reinforcing Vision-Language-Action for Mobile Robots
par: Huang, Ting, et autres
Publié: (2025)
par: Huang, Ting, et autres
Publié: (2025)
DomainGallery: Few-shot Domain-driven Image Generation by Attribute-centric Finetuning
par: Duan, Yuxuan, et autres
Publié: (2024)
par: Duan, Yuxuan, et autres
Publié: (2024)
Documents similaires
-
Ag2x2: Robust Agent-Agnostic Visual Representations for Zero-Shot Bimanual Manipulation
par: Xiong, Ziyin, et autres
Publié: (2025) -
Simultaneous Tactile-Visual Perception for Learning Multimodal Robot Manipulation
par: Li, Yuyang, et autres
Publié: (2025) -
ManipTrans: Efficient Dexterous Bimanual Manipulation Transfer via Residual Learning
par: Li, Kailin, et autres
Publié: (2025) -
TaF-VLA: Tactile-Force Alignment in Vision-Language-Action Models for Force-aware Manipulation
par: Huang, Yuzhe, et autres
Publié: (2026) -
Grasp Multiple Objects with One Hand
par: Li, Yuyang, et autres
Publié: (2023)