Copertina

Cross-Hand Latent Representation for Vision-Language-Action Models

Fuente: arXiv

Salvato in:

Dettagli Bibliografici
Autori principali:	Jiang, Guangqi, Liang, Yutong, Ye, Jianglong, Huang, Jia-Yang, Jing, Changwei, Duan, Rocky, Abbeel, Pieter, Wang, Xiaolong, Zou, Xueyan
Natura:	Preprint
Pubblicazione:	2026
Soggetti:	Robotics
Accesso online:	Acceder al recurso
Tags:	Aggiungi Tag Nessun Tag, puoi essere il primo ad aggiungerne!!

Documenti analoghi

From Power to Precision: Learning Fine-grained Dexterity for Multi-fingered Robotic Hands
di: Ye, Jianglong, et al.
Pubblicazione: (2025)

Contact-Aware Neural Dynamics
di: Jing, Changwei, et al.
Pubblicazione: (2026)

Residual Off-Policy RL for Finetuning Behavior Cloning Policies
di: Ankile, Lars, et al.
Pubblicazione: (2025)

Learning to Design Soft Hands using Reward Models
di: Bai, Xueqian, et al.
Pubblicazione: (2025)

From LLMs to Actions: Latent Codes as Bridges in Hierarchical Robot Control
di: Shentu, Yide, et al.
Pubblicazione: (2024)

ViTacFormer: Learning Cross-Modal Representation for Visuo-Tactile Dexterous Manipulation
di: Heng, Liang, et al.
Pubblicazione: (2025)

Learning Sim-to-Real Humanoid Locomotion in 15 Minutes
di: Seo, Younggyo, et al.
Pubblicazione: (2025)

Learning Continuous Grasping Function with a Dexterous Hand from Human Demonstrations
di: Ye, Jianglong, et al.
Pubblicazione: (2022)

Coarse-to-fine Q-Network with Action Sequence for Data-Efficient Reinforcement Learning
di: Seo, Younggyo, et al.
Pubblicazione: (2024)

GSWorld: Closed-Loop Photo-Realistic Simulation Suite for Robotic Manipulation
di: Jiang, Guangqi, et al.
Pubblicazione: (2025)

GaussGym: An open-source real-to-sim framework for learning locomotion from pixels
di: Escontrela, Alejandro, et al.
Pubblicazione: (2025)

OTTER: A Vision-Language-Action Model with Text-Aware Visual Feature Extraction
di: Huang, Huang, et al.
Pubblicazione: (2025)

ResMimic: From General Motion Tracking to Humanoid Whole-body Loco-Manipulation via Residual Learning
di: Zhao, Siheng, et al.
Pubblicazione: (2025)

M3: 3D-Spatial MultiModal Memory
di: Zou, Xueyan, et al.
Pubblicazione: (2025)

ROI-Driven Foveated Attention for Unified Egocentric Representations in Vision-Language-Action Systems
di: Sun, Xinhai, et al.
Pubblicazione: (2026)

NaVILA: Legged Robot Vision-Language-Action Model for Navigation
di: Cheng, An-Chieh, et al.
Pubblicazione: (2024)

Latent Reasoning VLA: Latent Thinking and Prediction for Vision-Language-Action Models
di: Bai, Shuanghao, et al.
Pubblicazione: (2026)

RPL: Learning Robust Humanoid Perceptive Locomotion on Challenging Terrains
di: Zhang, Yuanhang, et al.
Pubblicazione: (2026)

Dex1B: Learning with 1B Demonstrations for Dexterous Manipulation
di: Ye, Jianglong, et al.
Pubblicazione: (2025)

GLaD: Geometric Latent Distillation for Vision-Language-Action Models
di: Guo, Minghao, et al.
Pubblicazione: (2025)

RotVLA: Rotational Latent Action for Vision-Language-Action Model
di: Li, Qiwei, et al.
Pubblicazione: (2026)

Twisting Lids Off with Two Hands
di: Lin, Toru, et al.
Pubblicazione: (2024)

OmniRetarget: Interaction-Preserving Data Generation for Humanoid Whole-Body Loco-Manipulation and Scene Interaction
di: Yang, Lujie, et al.
Pubblicazione: (2025)

LatBot: Distilling Universal Latent Actions for Vision-Language-Action Models
di: Li, Zuolei, et al.
Pubblicazione: (2025)

DIPOLE: Fusing Vision and Geometry for Robust Visuomotor Generalization
di: Tang, Yikai, et al.
Pubblicazione: (2025)

Vision-Language-Action Safety: Threats, Challenges, Evaluations, and Mechanisms
di: Li, Qi, et al.
Pubblicazione: (2026)

Offline Imitation Learning Through Graph Search and Retrieval
di: Yin, Zhao-Heng, et al.
Pubblicazione: (2024)

EgoMI: Learning Active Vision and Whole-Body Manipulation from Egocentric Human Demonstrations
di: Yu, Justin, et al.
Pubblicazione: (2025)

Co-Design of Soft Gripper with Neural Physics
di: Yi, Sha, et al.
Pubblicazione: (2025)

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

DriveWorld-VLA: Unified Latent-Space World Modeling with Vision-Language-Action for Autonomous Driving
di: jia, Feiyang, et al.
Pubblicazione: (2026)

TWIST2: Scalable, Portable, and Holistic Humanoid Data Collection System
di: Ze, Yanjie, et al.
Pubblicazione: (2025)

Exploring the Limits of Vision-Language-Action Manipulations in Cross-task Generalization
di: Zhou, Jiaming, et al.
Pubblicazione: (2025)

Hand-Object Interaction Pretraining from Videos
di: Singh, Himanshu Gaurav, et al.
Pubblicazione: (2024)

LARY: A Latent Action Representation Yielding Benchmark for Generalizable Vision-to-Action Alignment
di: Nie, Dujun, et al.
Pubblicazione: (2026)

Recurrent-Depth VLA: Implicit Test-Time Compute Scaling of Vision-Language-Action Models via Latent Iterative Reasoning
di: Tur, Yalcin, et al.
Pubblicazione: (2026)

From Pixels to Tokens: A Systematic Study of Latent Action Supervision for Vision-Language-Action Models
di: Lin, Yihan, et al.
Pubblicazione: (2026)

Latent Action Diffusion for Cross-Embodiment Manipulation
di: Bauer, Erik, et al.
Pubblicazione: (2025)

DreamSmooth: Improving Model-based Reinforcement Learning via Reward Smoothing
di: Lee, Vint, et al.
Pubblicazione: (2023)

ViTaMIn: Learning Contact-Rich Tasks Through Robot-Free Visuo-Tactile Manipulation Interface
di: Liu, Fangchen, et al.
Pubblicazione: (2025)