Buchumschlag

RoboAlign: Learning Test-Time Reasoning for Language-Action Alignment in Vision-Language-Action Models

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Kim, Dongyoung, Park, Sumin, Song, Woomin, Kim, Seungku, Kim, Taeyoung, Jang, Huiwon, Shin, Jinwoo, Kim, Jaehyung, Seo, Younggyo
Format:	Preprint
Veröffentlicht:	2026
Schlagworte:	Artificial Intelligence
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Robot-R1: Reinforcement Learning for Enhanced Embodied Reasoning in Robotics
von: Kim, Dongyoung, et al.
Veröffentlicht: (2025)

RoboCurate: Harnessing Diversity with Action-Verified Neural Trajectory for Robot Learning
von: Kim, Seungku, et al.
Veröffentlicht: (2026)

Verifier-free Test-Time Sampling for Vision Language Action Models
von: Jang, Suhyeok, et al.
Veröffentlicht: (2025)

Dual-Stream Diffusion for World-Model Augmented Vision-Language-Action Model
von: Won, John, et al.
Veröffentlicht: (2025)

Visual Representation Learning with Stochastic Frame Prediction
von: Jang, Huiwon, et al.
Veröffentlicht: (2024)

SpatialBoost: Enhancing Visual Representation through Language-Guided Reasoning
von: Jeon, Byungwoo, et al.
Veröffentlicht: (2026)

HAMLET: Switch your Vision-Language-Action Model into a History-Aware Policy
von: Koo, Myungkyu, et al.
Veröffentlicht: (2025)

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

Accelerating Reinforcement Learning with Value-Conditional State Entropy Exploration
von: Kim, Dongyoung, et al.
Veröffentlicht: (2023)

Spread Preference Annotation: Direct Preference Judgment for Efficient LLM Alignment
von: Kim, Dongyoung, et al.
Veröffentlicht: (2024)

Modular Sensory Stream for Integrating Physical Feedback in Vision-Language-Action Models
von: Lee, Jimin, et al.
Veröffentlicht: (2026)

Debiasing Online Preference Learning via Preference Feature Preservation
von: Kim, Dongyoung, et al.
Veröffentlicht: (2025)

Efficient Long Video Tokenization via Coordinate-based Patch Reconstruction
von: Jang, Huiwon, et al.
Veröffentlicht: (2024)

Personalized Language Models via Privacy-Preserving Evolutionary Model Merging
von: Kim, Kyuyoung, et al.
Veröffentlicht: (2025)

Learning to Correct for QA Reasoning with Black-box LLMs
von: Kim, Jaehyung, et al.
Veröffentlicht: (2024)

Test-Time Training for Visual Foresight Vision-Language-Action Models
von: Park, Sangwu, et al.
Veröffentlicht: (2026)

Efficient LLM Collaboration via Planning
von: Lee, Byeongchan, et al.
Veröffentlicht: (2025)

RoboAlign-R1: Distilled Multimodal Reward Alignment for Robot Video World Models
von: Wu, Hao, et al.
Veröffentlicht: (2026)

DEAS: DEtached value learning with Action Sequence for Scalable Offline RL
von: Kim, Changyeon, et al.
Veröffentlicht: (2025)

ReVISE: Learning to Refine at Test-Time via Intrinsic Self-Verification
von: Lee, Hyunseok, et al.
Veröffentlicht: (2025)

Hierarchical Context Merging: Better Long Context Understanding for Pre-trained LLMs
von: Song, Woomin, et al.
Veröffentlicht: (2024)

Explainable Adversarial-Robust Vision-Language-Action Model for Robotic Manipulation
von: Kim, Ju-Young, et al.
Veröffentlicht: (2025)

Training-free LLM Verification via Recycling Few-shot Examples
von: Lee, Dongseok, et al.
Veröffentlicht: (2025)

ExComm: Exploration-Stage Communication for Error-Resilient Agentic Test-Time Scaling
von: Song, Woomin, et al.
Veröffentlicht: (2026)

Restoration-Aligned Generative Flow Models for Blind Motion Deblurring
von: Kim, Insoo, et al.
Veröffentlicht: (2026)

Render and Diffuse: Aligning Image and Action Spaces for Diffusion-based Behaviour Cloning
von: Vosylius, Vitalis, et al.
Veröffentlicht: (2024)

Tabular Transfer Learning via Prompting LLMs
von: Nam, Jaehyun, et al.
Veröffentlicht: (2024)

Optimized Feature Generation for Tabular Data via LLMs with Decision Tree Reasoning
von: Nam, Jaehyun, et al.
Veröffentlicht: (2024)

Pedagogical Alignment for Vision-Language-Action Models: A Comprehensive Framework for Data, Architecture, and Evaluation in Education
von: Lee, Unggi, et al.
Veröffentlicht: (2026)

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

ACG: Action Coherence Guidance for Flow-based Vision-Language-Action models
von: Park, Minho, et al.
Veröffentlicht: (2025)

Attentive Illumination Decomposition Model for Multi-Illuminant White Balancing
von: Kim, Dongyoung, et al.
Veröffentlicht: (2024)

Reasoning or Fluency? Dissecting Probabilistic Confidence in Best-of-N Selection
von: Kim, Hojin, et al.
Veröffentlicht: (2026)

RPM: Reasoning-Level Personalization for Black-Box Large Language Models
von: Kim, Jieyong, et al.
Veröffentlicht: (2025)

RoboMonkey: Scaling Test-Time Sampling and Verification for Vision-Language-Action Models
von: Kwok, Jacky, et al.
Veröffentlicht: (2025)

Structural Reasoning Improves Molecular Understanding of LLM
von: Jang, Yunhui, et al.
Veröffentlicht: (2024)

Probabilistic Vision-Language Representation for Weakly Supervised Temporal Action Localization
von: Lim, Geuntaek, et al.
Veröffentlicht: (2024)

Align to Misalign: Automatic LLM Jailbreak with Meta-Optimized LLM Judges
von: Koo, Hamin, et al.
Veröffentlicht: (2025)

Mixed-Session Conversation with Egocentric Memory
von: Jang, Jihyoung, et al.
Veröffentlicht: (2024)

VLM2Rec: Resolving Modality Collapse in Vision-Language Model Embedders for Multimodal Sequential Recommendation
von: Kim, Junyoung, et al.
Veröffentlicht: (2026)