Blog

IntentVLA mã hóa lịch sử quan sát 16 frame thành intent vector ngắn hạn để giải quyết observation aliasing — vấn đề khiến VLA tạo action mâu thuẫn liên tiếp.

EgoHumanoid (RSS 2026) chứng minh co-train VLA từ egocentric human demo + ít robot data vượt robot-only baseline 51% ở môi trường mới.

Fine-tune EVO1 (0.77B) trên SO-101 với LeRobot v0.6.0: VLA nhỏ đạt SOTA với InternVL3 + flow-matching, chạy 16.4 Hz, VRAM chỉ 2.3 GB — hướng dẫn A–Z.

Rapid Embodiment Adaptation giúp Go2 đi ổn định trong 0.5 giây khi chân bị khóa hoặc thêm 5 kg tải — UC San Diego & TU Darmstadt, arXiv 2608.01506.

KAIST HOUND đạt 6 m/s qua cầu thang 3 bậc nhờ APT-RL: Transformer VAE, PPO curriculum, perceptual distillation. Lên bìa Science Robotics 2026.

Hướng dẫn train BridgeVLA++ — VLA 3D manipulation với spatio-temporal memory đạt 93.7% RLBench và 96.0% RMBench từ chỉ 100 demo, SOTA trên 5 benchmark.

UCAG-P của Xiaomi dùng camera-centric action geometry pre-train VLA policy cho arm, humanoid, bàn tay người — đạt 98.3% trên LIBERO không cần fine-tune riêng.

τ₀-VLA là VLA phân cấp open-source dùng Qwen3.5 + LeRobot, kết hợp world model và test-time computation cho long-horizon manipulation, đạt 45% success.

μVLA thêm learnable recurrent memory token vào OpenVLA-OFT để giải quyết partial observability, tăng success rate từ 42% lên 84% trên MIKASA-Robo.

Fine-tune MolmoAct2 (VLA vượt π0.5) trên SO-101 với LoRA và LeRobot v0.6 — chạy được trên GPU 24GB, step-by-step từ đầu.

Hướng dẫn EvoVLA (ECCV 2026): giải quyết stage hallucination trong VLA với SAR, Gemini hard negatives, đạt 69.2% trên benchmark thao tác dài hạn.

Horizon Robotics ra mắt HoloMotion-1 — mô hình nền tảng Sparse MoE 400M tham số, kiểm soát toàn thân humanoid zero-shot từ video in-the-wild sang robot G1 thật.