Buchumschlag

Developing Vision-Language-Action Model from Egocentric Videos

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Yoshida, Tomoya, Kurita, Shuhei, Nishimura, Taichi, Mori, Shinsuke
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Robotics Artificial Intelligence
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Text-driven Affordance Learning from Egocentric Vision
von: Yoshida, Tomoya, et al.
Veröffentlicht: (2024)

Generating 6DoF Object Manipulation Trajectories from Action Description in Egocentric Vision
von: Yoshida, Tomoya, et al.
Veröffentlicht: (2025)

EgoOops: A Dataset for Mistake Action Detection from Egocentric Videos referring to Procedural Texts
von: Haneji, Yuto, et al.
Veröffentlicht: (2024)

SAFE: Multitask Failure Detection for Vision-Language-Action Models
von: Gu, Qiao, et al.
Veröffentlicht: (2025)

EgoVLA: Learning Vision-Language-Action Models from Egocentric Human Videos
von: Yang, Ruihan, et al.
Veröffentlicht: (2025)

Action Hallucination in Generative Vision-Language-Action Models
von: Soh, Harold, et al.
Veröffentlicht: (2026)

ActionFlow: A Pipelined Action Acceleration for Vision Language Models on Edge
von: Dai, Yuntao, et al.
Veröffentlicht: (2025)

AR-VLA: True Autoregressive Action Expert for Vision-Language-Action Models
von: Hu, Yutong, et al.
Veröffentlicht: (2026)

Adversarial Attacks on Robotic Vision Language Action Models
von: Jones, Eliot Krzysztof, et al.
Veröffentlicht: (2025)

Survey of Vision-Language-Action Models for Embodied Manipulation
von: Li, Haoran, et al.
Veröffentlicht: (2025)

Experiences from Benchmarking Vision-Language-Action Models for Robotic Manipulation
von: Zhang, Yihao, et al.
Veröffentlicht: (2025)

Vision-Language Interpreter for Robot Task Planning
von: Shirai, Keisuke, et al.
Veröffentlicht: (2023)

Learning Robot Soccer from Egocentric Vision with Deep Reinforcement Learning
von: Tirumala, Dhruva, et al.
Veröffentlicht: (2024)

Emergence of Human to Robot Transfer in Vision-Language-Action Models
von: Kareer, Simar, et al.
Veröffentlicht: (2025)

Continually Evolving Skill Knowledge in Vision Language Action Model
von: Wu, Yuxuan, et al.
Veröffentlicht: (2025)

Exploring the Adversarial Vulnerabilities of Vision-Language-Action Models in Robotics
von: Wang, Taowen, et al.
Veröffentlicht: (2024)

ALOE: Action-Level Off-Policy Evaluation for Vision-Language-Action Model Post-Training
von: Yang, Rushuai, et al.
Veröffentlicht: (2026)

WMPO: World Model-based Policy Optimization for Vision-Language-Action Models
von: Zhu, Fangqi, et al.
Veröffentlicht: (2025)

Hierarchical Vision Language Action Model Using Success and Failure Demonstrations
von: Park, Jeongeun, et al.
Veröffentlicht: (2025)

10 Open Challenges Steering the Future of Vision-Language-Action Models
von: Poria, Soujanya, et al.
Veröffentlicht: (2025)

Pure Vision Language Action (VLA) Models: A Comprehensive Survey
von: Zhang, Dapeng, et al.
Veröffentlicht: (2025)

Do What? Teaching Vision-Language-Action Models to Reject the Impossible
von: Hsieh, Wen-Han, et al.
Veröffentlicht: (2025)

V-VLAPS: Value-Guided Planning for Vision-Language-Action Models
von: Ren, Ke, et al.
Veröffentlicht: (2026)

Towards Backdoor-Based Ownership Verification for Vision-Language-Action Models
von: Sun, Ming, et al.
Veröffentlicht: (2026)

Learning Semantic Traversability with Egocentric Video and Automated Annotation Strategy
von: Kim, Yunho, et al.
Veröffentlicht: (2024)

Action-aware Dynamic Pruning for Efficient Vision-Language-Action Manipulation
von: Pei, Xiaohuan, et al.
Veröffentlicht: (2025)

KineVLA: Towards Kinematics-Aware Vision-Language-Action Models with Bi-Level Action Decomposition
von: Han, Gaoge, et al.
Veröffentlicht: (2026)

RLRC: Reinforcement Learning-based Recovery for Compressed Vision-Language-Action Models
von: Chen, Yuxuan, et al.
Veröffentlicht: (2025)

Improving Pre-Trained Vision-Language-Action Policies with Model-Based Search
von: Neary, Cyrus, et al.
Veröffentlicht: (2025)

RICL: Adding In-Context Adaptability to Pre-Trained Vision-Language-Action Models
von: Sridhar, Kaustubh, et al.
Veröffentlicht: (2025)

ContextVLA: Vision-Language-Action Model with Amortized Multi-Frame Context
von: Jang, Huiwon, et al.
Veröffentlicht: (2025)

villa-X: Enhancing Latent Action Modeling in Vision-Language-Action Models
von: Chen, Xiaoyu, et al.
Veröffentlicht: (2025)

NORA-1.5: A Vision-Language-Action Model Trained using World Model- and Action-based Preference Rewards
von: Hung, Chia-Yu, et al.
Veröffentlicht: (2025)

Expertise need not monopolize: Action-Specialized Mixture of Experts for Vision-Language-Action Learning
von: Shen, Weijie, et al.
Veröffentlicht: (2025)

LACY: A Vision-Language Model-based Language-Action Cycle for Self-Improving Robotic Manipulation
von: Hong, Youngjin, et al.
Veröffentlicht: (2025)

LADEV: A Language-Driven Testing and Evaluation Platform for Vision-Language-Action Models in Robotic Manipulation
von: Wang, Zhijie, et al.
Veröffentlicht: (2024)

Bring My Cup! Personalizing Vision-Language-Action Models with Visual Attentive Prompting
von: Lee, Sangoh, et al.
Veröffentlicht: (2025)

OccVLA: Vision-Language-Action Model with Implicit 3D Occupancy Supervision
von: Liu, Ruixun, et al.
Veröffentlicht: (2025)

MoRE: Unlocking Scalability in Reinforcement Learning for Quadruped Vision-Language-Action Models
von: Zhao, Han, et al.
Veröffentlicht: (2025)

EndoVLA: Dual-Phase Vision-Language-Action Model for Autonomous Tracking in Endoscopy
von: Ng, Chi Kit, et al.
Veröffentlicht: (2025)