Blog

Hướng dẫn kỹ thuật Qwen-VLA từ Alibaba: kiến trúc Qwen3.5-4B + DiT decoder, 4 giai đoạn training, đạt 97.9% trên LIBERO và đánh bại pi0.5 trên ALOHA thực tế.

Hướng dẫn World-to-Wrist cho VLA: sinh wrist-view, gắn CoT cổ tay, chuẩn bị LeRobot, training và inference policy manipulation.

FM-VLA dùng Variational Autoencoder nén lịch sử cảm biến lực thành 8 memory token, giúp robot nhấn nút đúng số lần, lau chùi, tìm vật che khuất — đạt 83.3% succ

Hướng dẫn T-Rex: VLA xúc giác phản ứng nhanh cho thao tác khéo léo, dataset LeRobot v3.0, training, inference và kết quả.

TurboVLA đạt 97.7% LIBERO với 0.2B parameters, 31.2 ms latency và 0.9 GB VRAM trên RTX 4090 — không cần LLM. Hướng dẫn cài đặt, training và inference đầy đủ.

Hướng dẫn fine-tune DM0.5 bằng LoRA cho SO101 Pick Cube, hiểu OpenDM, dữ liệu, training, inference và RoboTwin2.0 benchmark.

Hướng dẫn chi tiết dùng RL²-VLA để steer VLA manipulation policy bằng offline RL trong không gian latent, không cần retrain model gốc, đạt +26% real-robot succe

FM-VLA dùng VAE nén lịch sử lực thành Force Memory Tokens, giúp VLA vượt giới hạn Markovian — đếm contact, nhớ tiến trình, đạt 83.3% trên robot AgiBot G1.

ICLR 2026: InstructVLA dùng VLA-IT với MoE LoRA để train manipulation policy hiểu câu lệnh phức tạp, đạt +96% so với OpenVLA trên SimplerEnv-Instruct 80 task.

Hướng dẫn chạy Pelican-VLA 0.5, hiểu Bottleneck Token, chuẩn bị LeRobot 3.0, training, inference và đọc kết quả RoboTwin.

ResVLA (ICML 2026): dùng Residual Diffusion Bridge anchor VLA từ intent, giảm nhiễu, tăng robustness cho robot manipulation.

Hướng dẫn AXIS: thu manipulation data bằng browser teleoperation, làm sạch dữ liệu và fine-tune π0.5 với OpenPI.