RynnVLA-Latent (101)
⭐⭐⭐️ 达摩院 | https://www.alphaxiv.org/abs/2610.34356
LAPA style，但是监督了残差(Depth Anything 3 两帧直接相减) + 3D Flow + 相机位姿. 处理了 3w 小时 robot, ego & sim 数据.
灵巧仿真 & 夹爪真机上 demo 还可以.
VLA-Delta (102)
⭐ Qi Lu, Xuhong Zhang, OmniAI, ZJU | https://www.alphaxiv.org/pdf/2610.21306
加了光流、结构化、difference text 监督… Qwen backbone… 调参大师来了…
整个网站、文章和图都非常 vibe.
ATM (103)
Chuan wen, pieter abbeel | https://www.alphaxiv.org/abs/2401.00025
早期一种利用无标签数据的方式. 让一个 transformer 预测二维点轨迹，再训练一个 ViT 风格的下游策略，输入二维轨迹 & img 输出动作.
训练时随机撒点筛选动静大的点作为预测目标，推理时由于无法预知哪些点动静大，故 4x8 均匀撒点后预测. 这是因为作者认为 Track Transformer 本身具备置换不变性（Permutation Invariance）.
- Agentic World Action Models
- imagewam
- nx papers