Buchumschlag

Can Explicit Physical Feasibility Benefit VLA Learning? An Empirical Study

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Wei, Yubai, Wu, Chen, Haghbayan, Hashem
Format:	Preprint
Veröffentlicht:	2026
Schlagworte:	Machine Learning Artificial Intelligence Robotics
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

CRL-VLA: Continual Vision-Language-Action Learning
von: Zeng, Qixin, et al.
Veröffentlicht: (2026)

SimpleVLA-RL: Scaling VLA Training via Reinforcement Learning
von: Li, Haozhan, et al.
Veröffentlicht: (2025)

UniVLA: Learning to Act Anywhere with Task-centric Latent Actions
von: Bu, Qingwen, et al.
Veröffentlicht: (2025)

VLA Models Are More Generalizable Than You Think: Revisiting Physical and Spatial Modeling
von: Li, Weiqi, et al.
Veröffentlicht: (2025)

Shifting Uncertainty to Critical Moments: Towards Reliable Uncertainty Quantification for VLA Model
von: Tang, Yanchuan, et al.
Veröffentlicht: (2026)

Safe Offline Reinforcement Learning with Feasibility-Guided Diffusion Model
von: Zheng, Yinan, et al.
Veröffentlicht: (2024)

Agentic-VLA: Efficient Online Adaptation for Vision-Language-Action Models
von: Jin, Ruofan, et al.
Veröffentlicht: (2026)

AsyncVLA: Asynchronous Flow Matching for Vision-Language-Action Models
von: Jiang, Yuhua, et al.
Veröffentlicht: (2025)

Atomic Action Slicing: Planner-Aligned Options for Generalist VLA Agents
von: Tabakov, Stefan, et al.
Veröffentlicht: (2025)

Don't Blind Your VLA: Aligning Visual Representations for OOD Generalization
von: Kachaev, Nikita, et al.
Veröffentlicht: (2025)

RoboGene: Boosting VLA Pre-training via Diversity-Driven Agentic Framework for Real-World Task Generation
von: Zhang, Yixue, et al.
Veröffentlicht: (2026)

Trust Region Inverse Reinforcement Learning: Explicit Dual Ascent using Local Policy Updates
von: Diwan, Anish, et al.
Veröffentlicht: (2026)

HyperVLA: Efficient Inference in Vision-Language-Action Models via Hypernetworks
von: Xiong, Zheng, et al.
Veröffentlicht: (2025)

DeepThinkVLA: Enhancing Reasoning Capability of Vision-Language-Action Models
von: Yin, Cheng, et al.
Veröffentlicht: (2025)

DeeR-VLA: Dynamic Inference of Multimodal Large Language Models for Efficient Robot Execution
von: Yue, Yang, et al.
Veröffentlicht: (2024)

Can We Really Learn One Representation to Optimize All Rewards?
von: Zheng, Chongyi, et al.
Veröffentlicht: (2026)

Text2Motion: From Natural Language Instructions to Feasible Plans
von: Lin, Kevin, et al.
Veröffentlicht: (2023)

On The Planning Abilities of OpenAI's o1 Models: Feasibility, Optimality, and Generalizability
von: Wang, Kevin, et al.
Veröffentlicht: (2024)

Can We Detect Failures Without Failure Data? Uncertainty-Aware Runtime Failure Detection for Imitation Learning Policies
von: Xu, Chen, et al.
Veröffentlicht: (2025)

Learning Human-Like RL Agents Through Trajectory Optimization With Action Quantization
von: Guo, Jian-Ting, et al.
Veröffentlicht: (2025)

DecompGAIL: Learning Realistic Traffic Behaviors with Decomposed Multi-Agent Generative Adversarial Imitation Learning
von: Guo, Ke, et al.
Veröffentlicht: (2025)

Robot Policy Learning with Temporal Optimal Transport Reward
von: Fu, Yuwei, et al.
Veröffentlicht: (2024)

Subequivariant Reinforcement Learning in 3D Multi-Entity Physical Environments
von: Chen, Runfa, et al.
Veröffentlicht: (2024)

Hierarchical Reinforcement Learning for Swarm Confrontation with High Uncertainty
von: Wu, Qizhen, et al.
Veröffentlicht: (2024)

Are LLMs The Way Forward? A Case Study on LLM-Guided Reinforcement Learning for Decentralized Autonomous Driving
von: Anvar, Timur, et al.
Veröffentlicht: (2025)

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

GUARD: A Safe Reinforcement Learning Benchmark
von: Zhao, Weiye, et al.
Veröffentlicht: (2023)

TRANSIC: Sim-to-Real Policy Transfer by Learning from Online Correction
von: Jiang, Yunfan, et al.
Veröffentlicht: (2024)

Physics-informed Imitative Reinforcement Learning for Real-world Driving
von: Zhou, Hang, et al.
Veröffentlicht: (2024)

Reinforcement Learning Within the Classical Robotics Stack: A Case Study in Robot Soccer
von: Labiosa, Adam, et al.
Veröffentlicht: (2024)

Can Vehicle Motion Planning Generalize to Realistic Long-tail Scenarios?
von: Hallgarten, Marcel, et al.
Veröffentlicht: (2024)

Physics-model-guided Worst-case Sampling for Safe Reinforcement Learning
von: Cao, Hongpeng, et al.
Veröffentlicht: (2024)

Demystifying the Physics of Deep Reinforcement Learning-Based Autonomous Vehicle Decision-Making
von: Wan, Hanxi, et al.
Veröffentlicht: (2024)

Can only LLMs do Reasoning?: Potential of Small Language Models in Task Planning
von: Choi, Gawon, et al.
Veröffentlicht: (2024)

Goal-Conditioned Data Augmentation for Offline Reinforcement Learning
von: Huang, Xingshuai, et al.
Veröffentlicht: (2024)

Learning to Segment for Vehicle Routing Problems
von: Ouyang, Wenbin, et al.
Veröffentlicht: (2025)

SLIM: Skill Learning with Multiple Critics
von: Emukpere, David, et al.
Veröffentlicht: (2024)

Improving Offline Reinforcement Learning with Inaccurate Simulators
von: Hou, Yiwen, et al.
Veröffentlicht: (2024)

Integrating Learning-Based Manipulation and Physics-Based Locomotion for Whole-Body Badminton Robot Control
von: Wang, Haochen, et al.
Veröffentlicht: (2025)

A Loss Landscape Visualization Framework for Interpreting Reinforcement Learning: An ADHDP Case Study
von: Liu, Jingyi, et al.
Veröffentlicht: (2026)