IMLE-VLA：用单步动作头解决VLA推理延迟与多模态动作分布的矛盾
IMLE-VLA 通过引入基于 conditional Implicit Maximum Likelihood Estimation (cIMLE) 的单步动作头替换传统的迭代式 flow-matching 头，在保持 π0.5 鲁棒性的同时，将 VLA 推理频率提升至 55 Hz（3.67 倍），并在 LIBERO 基准测试中取得 98.0% 的最高成功率。
VLA (Vision-Language-Action)
HuRo：将人类视频机器人化以实现可扩展的 VLA 预训练
本文提出 HuRo 流水线，将大规模人类视频转化为对齐的机器人观测与动作数据，构建包含 630K 个 episode 的 HuRo 数据集，证明其作为 VLA 策略预训练源的可扩展性及在真实世界操作任务中的优越性能。