DeltaWAM tối ưu hóa việc điều khiển robot bằng cách dự đoán các thay đổi hình ảnh thay vì toàn bộ khung hình, kết hợp với bộ nhớ Streaming Delta Memory để giảm tải xử lý, giúp tăng đáng kể tỷ lệ thành công trong các tác vụ thao tác phức tạp.
Phương pháp mới giúp chưng cất tri thức từ mô hình thế giới vào chính sách VLA, cho phép robot hiểu bối cảnh vật lý mà không cần tải mô hình giáo viên nặng nề khi huấn luyện.
MobileVLA-R1 2.0 kết hợp suy luận có cấu trúc với học tăng cường (RL) để thu hẹp khoảng cách giữa tư duy ngôn ngữ cấp cao và hành động điều khiển robot chính xác, giúp robot thực hiện các nhiệm vụ phức tạp hiệu quả hơn.
Nghiên cứu giới thiệu kiến trúc DroneCATS, tích hợp trực tiếp mô hình đa phương thức vào hệ thống điều khiển drone để thực hiện các nhiệm vụ phức tạp như bám đuổi và tìm kiếm mà không cần tinh chỉnh. Kết quả cho thấy dù khả năng nhận diện không gian tốt, các mô hình vẫn gặp khó khăn trong việc duy trì giao thức hành động và xác định thời điểm kết thúc nhiệm vụ.
TacForcing là khung tạo hành động mới giúp robot thích nghi với các thao tác phức tạp bằng cách tích hợp phản hồi xúc giác trực tiếp trong quá trình thực thi, thay vì dựa vào các bộ điều khiển tách biệt.
Zero-WAM là mô hình video-hành động cho phép robot thực hiện các tác vụ chưa từng học thông qua việc quan sát video hướng dẫn từ con người, giúp giải quyết bài toán tổng quát hóa trong điều khiển robot.
Một nhóm nghiên cứu trẻ đã phát triển thành công hệ thống điều khiển tích hợp, giúp robot hình người tự lái xe go-kart vượt qua các khúc cua liên tục mà không cần sự can thiệp của con người.
τ_0-VLA cải thiện khả năng thực hiện các tác vụ robot dài hạn bằng cách cho phép mô hình tự đánh giá và tìm kiếm phương án tối ưu trước khi hành động, thay vì chỉ phản hồi một lần duy nhất.