Buchumschlag

Afford-VLA: Action-Aligned Visual Planning via Internalized Affordance

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Wang, Runze, Fu, Yuqian, Li, Yu, Lin, Tao, Qian, Tianwen, Elhoseiny, Mohamed, Zhao, Bo, Fu, Yanwei, Jiang, Yu-Gang, Xue, Xiangyang
Format:	Preprint
Veröffentlicht:	2026
Schlagworte:	Robotics
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

TriVLA: A Triple-System-Based Unified Vision-Language-Action Model with Episodic World Modeling for General Robot Control
von: Liu, Zhenyang, et al.
Veröffentlicht: (2025)

AffordVLA: Injecting Affordance Representations into Vision-Language-Action Models via Implicit Feature Alignment
von: Kong, Weijie, et al.
Veröffentlicht: (2026)

ActiveVLA: Injecting Active Perception into Vision-Language-Action Models for Precise 3D Robotic Manipulation
von: Liu, Zhenyang, et al.
Veröffentlicht: (2026)

OCRA: Object-Centric Learning with 3D and Tactile Priors for Human-to-Robot Action Transfer
von: Wang, Kuanning, et al.
Veröffentlicht: (2026)

AffordDP: Generalizable Diffusion Policy with Transferable Affordance
von: Wu, Shijie, et al.
Veröffentlicht: (2024)

You Only Estimate Once: Unified, One-stage, Real-Time Category-level Articulated Object 6D Pose Estimation for Robotic Grasping
von: Huang, Jingshun, et al.
Veröffentlicht: (2025)

TP-MDDN: Task-Preferenced Multi-Demand-Driven Navigation with Autonomous Decision-Making
von: Li, Shanshan, et al.
Veröffentlicht: (2025)

OFlow: Injecting Object-Aware Temporal Flow Matching for Robust Robotic Manipulation
von: Wang, Kuanning, et al.
Veröffentlicht: (2026)

AffordDexGrasp: Open-set Language-guided Dexterous Grasp with Generalizable-Instructive Affordance
von: Wei, Yi-Lin, et al.
Veröffentlicht: (2025)

AffordTissue: Dense Affordance Prediction for Tool-Action Specific Tissue Interaction
von: Maksutova, Aiza, et al.
Veröffentlicht: (2026)

CoA-VLA: Improving Vision-Language-Action Models via Visual-Textual Chain-of-Affordance
von: Li, Jinming, et al.
Veröffentlicht: (2024)

Universal Pose Pretraining for Generalizable Vision-Language-Action Policies
von: Lin, Haitao, et al.
Veröffentlicht: (2026)

SCOOP'D: Learning Mixed-Liquid-Solid Scooping via Sim2Real Generative Policy
von: Wang, Kuanning, et al.
Veröffentlicht: (2025)

ST4VLA: Spatially Guided Training for Vision-Language-Action Models
von: Ye, Jinhui, et al.
Veröffentlicht: (2026)

AffordGrasp: In-Context Affordance Reasoning for Open-Vocabulary Task-Oriented Grasping in Clutter
von: Tang, Yingbo, et al.
Veröffentlicht: (2025)

AffordGrasp: Cross-Modal Diffusion for Affordance-Aware Grasp Synthesis
von: Wu, Xiaofei, et al.
Veröffentlicht: (2026)

Afford-X: Generalizable and Slim Affordance Reasoning for Task-oriented Manipulation
von: Zhu, Xiaomeng, et al.
Veröffentlicht: (2025)

DropVLA: An Action-Level Backdoor Attack on Vision-Language-Action Models
von: Xu, Zonghuan, et al.
Veröffentlicht: (2025)

Spatial-Temporal Aware Visuomotor Diffusion Policy Learning
von: Liu, Zhenyang, et al.
Veröffentlicht: (2025)

AffordSim: A Scalable Data Generator and Benchmark for Affordance-Aware Robotic Manipulation
von: Li, Mingyang, et al.
Veröffentlicht: (2026)

RoboAfford++: A Generative AI-Enhanced Dataset for Multimodal Affordance Learning in Robotic Manipulation and Navigation
von: Hao, Xiaoshuai, et al.
Veröffentlicht: (2025)

Robotic Grasping and Placement Controlled by EEG-Based Hybrid Visual and Motor Imagery
von: Liu, Yichang, et al.
Veröffentlicht: (2026)

PreAfford: Universal Affordance-Based Pre-Grasping for Diverse Objects and Environments
von: Ding, Kairui, et al.
Veröffentlicht: (2024)

SparseGrasp: Robotic Grasping via 3D Semantic Gaussian Splatting from Sparse Multi-View RGB Images
von: Yu, Junqiu, et al.
Veröffentlicht: (2024)

EqvAfford: SE(3) Equivariance for Point-Level Affordance Learning
von: Chen, Yue, et al.
Veröffentlicht: (2024)

CAP-Net: A Unified Network for 6D Pose and Size Estimation of Categorical Articulated Parts from a Single RGB-D Image
von: Huang, Jingshun, et al.
Veröffentlicht: (2025)

RynnVLA-002: A Unified Vision-Language-Action and World Model
von: Cen, Jun, et al.
Veröffentlicht: (2025)

VP-VLA: Visual Prompting as an Interface for Vision-Language-Action Models
von: Wang, Zixuan, et al.
Veröffentlicht: (2026)

Polaris: Open-ended Interactive Robotic Manipulation via Syn2Real Visual Grounding and Large Language Models
von: Wang, Tianyu, et al.
Veröffentlicht: (2024)

A Neural Representation Framework with LLM-Driven Spatial Reasoning for Open-Vocabulary 3D Visual Grounding
von: Liu, Zhenyang, et al.
Veröffentlicht: (2025)

Joint-Aligned Latent Action: Towards Scalable VLA Pretraining in the Wild
von: Luo, Hao, et al.
Veröffentlicht: (2026)

AffordGen: Generating Diverse Demonstrations for Generalizable Object Manipulation with Afford Correspondence
von: Zhang, Jiawei, et al.
Veröffentlicht: (2026)

Sequential Multi-Object Grasping with One Dexterous Hand
von: He, Sicheng, et al.
Veröffentlicht: (2025)

Agile-VLA: Few-Shot Industrial Pose Rectification via Implicit Affordance Anchoring
von: Yan, Teng, et al.
Veröffentlicht: (2026)

HARP-VLA: Human-Robot Aligned Representation Learning for Vision-Language-Action Model
von: Zhu, Xiang, et al.
Veröffentlicht: (2026)

Diffusion-Based Imaginative Coordination for Bimanual Manipulation
von: Xu, Huilin, et al.
Veröffentlicht: (2025)

AVA-VLA: Improving Vision-Language-Action models with Active Visual Attention
von: Xiao, Lei, et al.
Veröffentlicht: (2025)

VoxAfford: Multi-Scale Voxel-Token Fusion for Open-Vocabulary 3D Affordance Detection
von: Sun, Haowen, et al.
Veröffentlicht: (2026)

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

RobustVLA: Robustness-Aware Reinforcement Post-Training for Vision-Language-Action Models
von: Zhang, Hongyin, et al.
Veröffentlicht: (2025)