Buchumschlag

Unifying Perception and Action: A Hybrid-Modality Pipeline with Implicit Visual Chain-of-Thought for Robotic Action Generation

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Ma, Xiangkai, Xing, Lekai, Zhang, Han, Li, Wenzhong, Lu, Sanglu
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Robotics
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Temporal-Visual Semantic Alignment: A Unified Architecture for Transferring Spatial Priors from Vision Models to Zero-Shot Temporal Tasks
von: Ma, Xiangkai, et al.
Veröffentlicht: (2025)

A Wave is Worth 100 Words: Investigating Cross-Domain Transferability in Time Series
von: Ma, Xiangkai, et al.
Veröffentlicht: (2024)

Energy-Aware Pattern Disentanglement: A Generalizable Pattern Assisted Architecture for Multi-task Time Series Analysis
von: Ma, Xiangkai, et al.
Veröffentlicht: (2025)

ACoT-VLA: Action Chain-of-Thought for Vision-Language-Action Models
von: Zhong, Linqing, et al.
Veröffentlicht: (2026)

HALO: A Unified Vision-Language-Action Model for Embodied Multimodal Chain-of-Thought Reasoning
von: Shou, Quanxin, et al.
Veröffentlicht: (2026)

FlowVLA: Visual Chain of Thought-based Motion Reasoning for Vision-Language-Action Models
von: Zhong, Zhide, et al.
Veröffentlicht: (2025)

CoT-VLA: Visual Chain-of-Thought Reasoning for Vision-Language-Action Models
von: Zhao, Qingqing, et al.
Veröffentlicht: (2025)

Domain Fusion Controllable Generalization for Cross-Domain Time Series Forecasting from Multi-Domain Integrated Distribution
von: Ma, Xiangkai, et al.
Veröffentlicht: (2024)

InternVLA-A1: Unifying Understanding, Generation and Action for Robotic Manipulation
von: Cai, Junhao, et al.
Veröffentlicht: (2026)

ManualVLA: A Unified VLA Model for Chain-of-Thought Manual Generation and Robotic Manipulation
von: Gu, Chenyang, et al.
Veröffentlicht: (2025)

LaST$_{0}$: Latent Spatio-Temporal Chain-of-Thought for Robotic Vision-Language-Action Model
von: Liu, Zhuoyang, et al.
Veröffentlicht: (2026)

Unify Robot Actions in Camera Frame
von: Xie, Sicheng, et al.
Veröffentlicht: (2025)

Learning Soccer Skills for Humanoid Robots: A Progressive Perception-Action Framework
von: Kong, Jipeng, et al.
Veröffentlicht: (2026)

From Detection to Action Recognition: An Edge-Based Pipeline for Robot Human Perception
von: Toupas, Petros, et al.
Veröffentlicht: (2023)

Chain-of-Action: Trajectory Autoregressive Modeling for Robotic Manipulation
von: Zhang, Wenbo, et al.
Veröffentlicht: (2025)

MMaDA-VLA: Large Diffusion Vision-Language-Action Model with Unified Multi-Modal Instruction and Generation
von: Liu, Yang, et al.
Veröffentlicht: (2026)

Altered Thoughts, Altered Actions: Probing Chain-of-Thought Vulnerabilities in VLA Robotic Manipulation
von: Trinh, Tuan Duong, et al.
Veröffentlicht: (2026)

ManipDreamer: Boosting Robotic Manipulation World Model with Action Tree and Visual Guidance
von: Li, Ying, et al.
Veröffentlicht: (2025)

Action-Sketcher: From Reasoning to Action via Visual Sketches for Long-Horizon Robotic Manipulation
von: Tan, Huajie, et al.
Veröffentlicht: (2026)

Bridging Perception and Action: Spatially-Grounded Mid-Level Representations for Robot Generalization
von: Yang, Jonathan, et al.
Veröffentlicht: (2025)

UniAct: Unified Motion Generation and Action Streaming for Humanoid Robots
von: Jiang, Nan, et al.
Veröffentlicht: (2025)

BridgeACT: Bridging Human Demonstrations to Robot Actions via Unified Tool-Target Affordances
von: Han, Yifan, et al.
Veröffentlicht: (2026)

Primary-Fine Decoupling for Action Generation in Robotic Imitation
von: Lei, Xiaohan, et al.
Veröffentlicht: (2026)

DualCoT-VLA: Visual-Linguistic Chain of Thought via Parallel Reasoning for Vision-Language-Action Models
von: Zhong, Zhide, et al.
Veröffentlicht: (2026)

Evaluating Uncertainty and Quality of Visual Language Action-enabled Robots
von: Valle, Pablo, et al.
Veröffentlicht: (2025)

dVLA: Diffusion Vision-Language-Action Model with Multimodal Chain-of-Thought
von: Wen, Junjie, et al.
Veröffentlicht: (2025)

World-Value-Action Model: Implicit Planning for Vision-Language-Action Systems
von: Li, Runze, et al.
Veröffentlicht: (2026)

DAM-VLA: A Dynamic Action Model-Based Vision-Language-Action Framework for Robot Manipulation
von: Peng, Xiongfeng, et al.
Veröffentlicht: (2026)

Leveraging Foundation Models for Enhancing Robot Perception and Action
von: Mirjalili, Reihaneh
Veröffentlicht: (2025)

Time-Unified Diffusion Policy with Action Discrimination for Robotic Manipulation
von: Niu, Ye, et al.
Veröffentlicht: (2025)

Automated Action Generation based on Action Field for Robotic Garment Smoothing and Alignment
von: Cheng, Hu, et al.
Veröffentlicht: (2025)

From Imagined Futures to Executable Actions: Mixture of Latent Actions for Robot Manipulation
von: Li, Yajie, et al.
Veröffentlicht: (2026)

HumanoidPano: Hybrid Spherical Panoramic-LiDAR Cross-Modal Perception for Humanoid Robots
von: Zhang, Qiang, et al.
Veröffentlicht: (2025)

A Sonar-Visual Dataset for Cross-Modal Underwater Robot Perception
von: Chen, Weitung, et al.
Veröffentlicht: (2026)

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

Point Policy: Unifying Observations and Actions with Key Points for Robot Manipulation
von: Haldar, Siddhant, et al.
Veröffentlicht: (2025)

Neural Implicit Action Fields: From Discrete Waypoints to Continuous Functions for Vision-Language-Action Models
von: Liu, Haoyun, et al.
Veröffentlicht: (2026)

Implicit Drifting Policy: One-Step Action Generation via Conditional Expert Geometry
von: Yang, Zemin, et al.
Veröffentlicht: (2026)

$τ_0$-WM: A Unified Video-Action World Model for Robotic Manipulation
von: Zhou, Pengfei, et al.
Veröffentlicht: (2026)

Learning Action Manifold with Multi-view Latent Priors for Robotic Manipulation
von: Xiao, Junjin, et al.
Veröffentlicht: (2026)