Buchumschlag

ST-$π$: Structured SpatioTemporal VLA for Robotic Manipulation

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Ma, Chuanhao, Zhou, Hanyu, Peng, Shihan, Li, Yan, Gu, Tao, Yan, Luxin
Format:	Preprint
Veröffentlicht:	2026
Schlagworte:	Robotics Computer Vision and Pattern Recognition
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

VLA-4D: Embedding 4D Awareness into Vision-Language-Action Models for SpatioTemporally Coherent Robotic Manipulation
von: Zhou, Hanyu, et al.
Veröffentlicht: (2025)

TriRelVLA: Triadic Relational Structure for Generalizable Embodied Manipulation
von: Zhou, Hanyu, et al.
Veröffentlicht: (2026)

4D-VGGT: A General Foundation Model with SpatioTemporal Awareness for Dynamic Scene Geometry Estimation
von: Wang, Haonan, et al.
Veröffentlicht: (2025)

ST-Booster: An Iterative SpatioTemporal Perception Booster for Vision-and-Language Navigation in Continuous Environments
von: Yue, Lu, et al.
Veröffentlicht: (2025)

STD-GS: Exploring Frame-Event Interaction for SpatioTemporal-Disentangled Gaussian Splatting to Reconstruct High-Dynamic Scene
von: Zhou, Hanyu, et al.
Veröffentlicht: (2025)

JSTR: Joint Spatio-Temporal Reasoning for Event-based Moving Object Detection
von: Zhou, Hanyu, et al.
Veröffentlicht: (2024)

ST-Gen4D: Embedding 4D Spatiotemporal Cognition into World Model for 4D Generation
von: Wang, Haonan, et al.
Veröffentlicht: (2026)

3DGS-Calib: 3D Gaussian Splatting for Multimodal SpatioTemporal Calibration
von: Herau, Quentin, et al.
Veröffentlicht: (2024)

HiST-VLA: A Hierarchical Spatio-Temporal Vision-Language-Action Model for End-to-End Autonomous Driving
von: Wang, Yiru, et al.
Veröffentlicht: (2026)

SlotVLA: Towards Modeling of Object-Relation Representations in Robotic Manipulation
von: Hanyu, Taisei, et al.
Veröffentlicht: (2025)

LLaVA-4D: Embedding SpatioTemporal Prompt into LMMs for 4D Scene Understanding
von: Zhou, Hanyu, et al.
Veröffentlicht: (2025)

LaST-R1: Reinforcing Robotic Manipulation via Adaptive Physical Latent Reasoning
von: Chen, Hao, et al.
Veröffentlicht: (2026)

OmniVLA: Physically-Grounded Multimodal VLA with Unified Multi-Sensor Perception for Robotic Manipulation
von: Guo, Heyu, et al.
Veröffentlicht: (2025)

Uni4D-LLM: A Unified SpatioTemporal-Aware VLM for 4D Understanding and Generation
von: Zhou, Hanyu, et al.
Veröffentlicht: (2025)

Learning to Feel the Future: DreamTacVLA for Contact-Rich Manipulation
von: Ye, Guo, et al.
Veröffentlicht: (2025)

SemanticVLA: Semantic-Aligned Sparsification and Enhancement for Efficient Robotic Manipulation
von: Li, Wei, et al.
Veröffentlicht: (2025)

SpatioTemporal Difference Network for Video Depth Super-Resolution
von: Wang, Zhengxue, et al.
Veröffentlicht: (2025)

MAP-VLA: Memory-Augmented Prompting for Vision-Language-Action Model in Robotic Manipulation
von: Li, Runhao, et al.
Veröffentlicht: (2025)

MoManipVLA: Transferring Vision-language-action Models for General Mobile Manipulation
von: Wu, Zhenyu, et al.
Veröffentlicht: (2025)

VideoVLA: Video Generators Can Be Generalizable Robot Manipulators
von: Shen, Yichao, et al.
Veröffentlicht: (2025)

RynnVLA-001: Using Human Demonstrations to Improve Robot Manipulation
von: Jiang, Yuming, et al.
Veröffentlicht: (2025)

Think Proprioceptively: Embodied Visual Reasoning for VLA Manipulation
von: Wang, Fangyuan, et al.
Veröffentlicht: (2026)

ReKep: Spatio-Temporal Reasoning of Relational Keypoint Constraints for Robotic Manipulation
von: Huang, Wenlong, et al.
Veröffentlicht: (2024)

TinyVLA: Towards Fast, Data-Efficient Vision-Language-Action Models for Robotic Manipulation
von: Wen, Junjie, et al.
Veröffentlicht: (2024)

DFM-VLA: Iterative Action Refinement for Robot Manipulation via Discrete Flow Matching
von: Chen, Jiayi, et al.
Veröffentlicht: (2026)

A Dual Process VLA: Efficient Robotic Manipulation Leveraging VLM
von: Han, ByungOk, et al.
Veröffentlicht: (2024)

MemoryVLA: Perceptual-Cognitive Memory in Vision-Language-Action Models for Robotic Manipulation
von: Shi, Hao, et al.
Veröffentlicht: (2025)

ForceVLA: Enhancing VLA Models with a Force-aware MoE for Contact-rich Manipulation
von: Yu, Jiawen, et al.
Veröffentlicht: (2025)

BitVLA: 1-bit Vision-Language-Action Models for Robotics Manipulation
von: Wang, Hongyu, et al.
Veröffentlicht: (2025)

ObjectVLA: End-to-End Open-World Object Manipulation Without Demonstration
von: Zhu, Minjie, et al.
Veröffentlicht: (2025)

Seeing Motion at Nighttime with an Event Camera
von: Liu, Haoyue, et al.
Veröffentlicht: (2024)

ReconVLA: Reconstructive Vision-Language-Action Model as Effective Robot Perceiver
von: Song, Wenxuan, et al.
Veröffentlicht: (2025)

EveryDayVLA: A Vision-Language-Action Model for Affordable Robotic Manipulation
von: Chopra, Samarth, et al.
Veröffentlicht: (2025)

ST-GS: Vision-Based 3D Semantic Occupancy Prediction with Spatial-Temporal Gaussian Splatting
von: Yan, Xiaoyang, et al.
Veröffentlicht: (2025)

ABot-M0: VLA Foundation Model for Robotic Manipulation with Action Manifold Learning
von: Yang, Yandan, et al.
Veröffentlicht: (2026)

RoboPearls: Editable Video Simulation for Robot Manipulation
von: Tang, Tao, et al.
Veröffentlicht: (2025)

Cog2Gen3D: Sculpturing 3D Semantic-Geometric Cognition for 3D Generation
von: Wang, Haonan, et al.
Veröffentlicht: (2026)

OpenHelix: A Short Survey, Empirical Analysis, and Open-Source Dual-System VLA Model for Robotic Manipulation
von: Cui, Can, et al.
Veröffentlicht: (2025)

Diffusion-VLA: Generalizable and Interpretable Robot Foundation Model via Self-Generated Reasoning
von: Wen, Junjie, et al.
Veröffentlicht: (2024)

WholeBodyVLA: Towards Unified Latent VLA for Whole-Body Loco-Manipulation Control
von: Jiang, Haoran, et al.
Veröffentlicht: (2025)