[논문리뷰] BridgeWAM: Bridging Video and Action Experts via Latent Bridge Queries기존 World Action Models (WAMs)은 Video Expert와 Action Expert를 Mixture-of-Transformers (MoT) Attention을 통해 결합하여 로봇의 Action을 예측하지만, 이러한 방식은 몇 가지 본질적인 한계를 가진다.#Review#World Action Models#Latent Bridge Queries#Bridge-of-Experts#Robot Control#Vision-Language-Action#Inference Efficiency#Generalization#Decoupled Experts2026년 10월 18일댓글 수 로딩 중
[논문리뷰] GroundingPI: A Grounding Foundation Model towards Physical Intelligence with Visual Primitives본 연구는 기존의 VLA 모델 및 WAM (World-Action Models)이 범용 시각-언어 백본의 한계로 인해 밀집된 환경이나 미세한 물체 인식에서 정밀한 grounding을 수행하지 못하는 문제를 해결하고자 한다.#Review#Physical Intelligence#Visual Grounding#Foundation Model#Embodied AI#Vision-Language-Action#Spatial Perception2026년 10월 12일댓글 수 로딩 중
[논문리뷰] Learning from Runtime Feedback through Failure-Bank Self-Evolution for Vision-Language-Action Models기존의 Runtime Shielding 방식은 개별 동작의 즉각적인 안전성을 보장하지만, 근본적인 정책(Nominal Policy)을 수정하지 않아 반복적인 개입을 초래한다 .#Review#Vision-Language-Action#Runtime Shielding#Control Barrier Function#Policy Self-Evolution#Failure Bank#Robot Manipulation2026년 10월 4일댓글 수 로딩 중
[논문리뷰] Measuring Language Transfer in Robot Policies: Adding Greek to a Cosmos3 Vision-Language-Action Policy본 연구는 대규모 VLA 모델이 학습 데이터에 존재하지 않는 언어 환경에서도 로봇 제어 명령을 효과적으로 처리할 수 있는지 검증하고자 합니다. 대다수의 VLA 모델은 영어 데이터 위주로 학습되어 있어, 비영어권 환경에서의 일반화(Generalization) 성능에 한계가 존재합니다.#Review#Vision-Language-Action#Robot Policy#Language Transfer#Cosmos3#Multilingual#Cross-lingual Transfer2026년 9월 8일댓글 수 로딩 중
[논문리뷰] SimWAM: A Simple World Action Model for End-to-End Autonomous Driving본 논문은 기존 World-Action Models의 'imagine-then-act' 파이프라인이 갖는 실시간 추론 지연(Latency) 문제를 해결하고자 합니다. 기존 방식은 자율주행 경로를 계획하기 전 미래 프레임을 반드시 생성해야 하므로 컴퓨팅 자원 소모가 크다는 한계가 있습니다.#Review#World-Action Models#End-to-End Autonomous Driving#Flow Matching#Trajectory Planning#Reinforcement Learning#Vision-Language-Action2026년 8월 9일댓글 수 로딩 중
[논문리뷰] Ego2Robot: Scalable Robot Data Synthesis from Egocentric Human Data본 논문은 일반적인 로봇 조작(Manipulation) 정책을 학습하기 위한 대규모 데모 데이터 부족 문제를 해결하고자 한다. 기존의 로봇 데이터 수집 방식은 비용이 많이 들고 노동 집약적이며, 데이터의 다양성 또한 하드웨어 제약으로 인해 제한적이다.#Review#Robot Data Synthesis#Egocentric Data#Generalization Evaluation#Vision-Language-Action#Embodiment#Robot Learning2026년 8월 5일댓글 수 로딩 중
[논문리뷰] Open-AoE: An Open Egocentric Manipulation Dataset and Toolchain for Embodied Learning본 논문은 Embodied Intelligence 연구에 필요한 대규모 고품질 조작 데이터의 파편화 문제를 해결하고자 합니다. 기존 데이터셋은 고가의 장비나 특정 환경에 의존하여 확장성이 낮으며, 수집된 원시 비디오를 로봇 학습에 바로 사용할 수 있도록 가공하는 체계적인 인프라가 부족합니다.#Review#Embodied Learning#Egocentric Dataset#Manipulation#Toolchain#MANO#Vision-Language-Action#Robot Learning2026년 7월 20일댓글 수 로딩 중
[논문리뷰] MotionVLA: Vision-Language-Action Model for Humanoid Motion본 논문은 기존의 단일 코드북 기반 모션 토큰화가 저주파 포즈 정보에 편향되어 고주파 물리적 역학을 제대로 표현하지 못하는 문제를 해결하고자 합니다. 대다수 연구들은 움직임을 하나의 시퀀스로 통합하여 이산화하는데, 이는 관절 위치(저주파)와 속도(고주파)의 상이한 통계적 특성을 무시하게 만듭니다.#Review#Vision-Language-Action#Humanoid Motion#Frequency-Domain Tokenizer#Autoregressive Generation#Dual-Stream Representation#MotionVLA2026년 6월 16일댓글 수 로딩 중
[논문리뷰] APT: Action Expert Pretraining Improves Instruction Generalization of Vision-Language-Action Policies본 논문은 continuous-action 기반 VLA 모델이 겪는 OOD 언어 일반화 성능 저하 문제를 해결하기 위해 APT (Action Expert Pretraining)를 제안합니다.#Review#Vision-Language-Action#Language Generalization#Action Expert Pretraining#Bayesian Factorization#Visuomotor Prior#Gated Fusion2026년 6월 14일댓글 수 로딩 중
[논문리뷰] LabVLA: Grounding Vision-Language-Action Models in Scientific Laboratories본 연구는 기존의 General-purpose VLA 모델들이 정밀한 과학 실험실 환경에서의 특수성과 고도의 Domain-specific 작업 수행 능력 부족 문제를 해결하고자 합니다.#Review#Vision-Language-Action#Robotics#Scientific Laboratory#Multimodal Learning#Embodied AI#Automation2026년 6월 11일댓글 수 로딩 중
[논문리뷰] NVIDIA OmniDreams: Real-Time Generative World Model for Closed-Loop Autonomous Vehicle Simulation본 논문은 기존의 Reconstruction-based 자율주행 시뮬레이터가 가진 제약 사항인 데이터 의존성과 새로운 장면(Novel scene)에 대한 일반화 부족 문제를 해결하기 위해 OmniDreams를 제안한다. 기존 방식은 캡처된 데이터 환경 내부에서만 가상 시나리오를 구성할 수 있어 확장성이 매우 제한적이다.#Review#Generative World Model#Autonomous Vehicle Simulation#Closed-Loop#Autoregressive Diffusion#World-Action Model#Vision-Language-Action2026년 6월 2일댓글 수 로딩 중
[논문리뷰] OpenWorldLib: A Unified Codebase and Definition of Advanced World Models본 논문은 월드 모델의 개념적 모호성을 해결하고 표준화된 정의 및 통합 프레임워크를 정립하기 위해 OpenWorldLib 을 제안한다.#Review#World Models#Unified Inference Framework#Multimodal Reasoning#Vision-Language-Action#3D Generation#Interactive Video Generation2026년 4월 6일댓글 수 로딩 중
[논문리뷰] Green-VLA: Staged Vision-Language-Action Model for Generalist Robots본 논문은 로봇 학습의 고질적인 문제인 데이터의 이질성, 낮은 품질, 그리고 행동 모방 (Behavior Cloning, BC)의 장기 태스크 한계를 해결하고자 합니다.#Review#Vision-Language-Action#Generalist Robots#Staged Training#Reinforcement Learning#Multi-embodiment#Data Quality#Humanoid Robotics#Flow Matching2026년 2월 2일댓글 수 로딩 중
[논문리뷰] Fast-ThinkAct: Efficient Vision-Language-Action Reasoning via Verbalizable Latent Planning본 논문은 복잡한 시각-언어-액션 (VLA) 태스크에서 기존 추론 VLA 모델들이 긴 chain-of-thought (CoT) 추론 과정으로 인해 겪는 높은 추론 지연 시간(inference latency) 문제를 해결하고자 합니다.#Review#Vision-Language-Action#Embodied AI#Latent Planning#Chain-of-Thought#Distillation#Inference Efficiency#Robotic Manipulation#Preference Learning2026년 1월 14일댓글 수 로딩 중
[논문리뷰] HiF-VLA: Hindsight, Insight and Foresight through Motion Representation for Vision-Language-Action Models대부분의 Vision-Language-Action (VLA) 모델이 Markov 속성을 가정하여 장기 태스크에서 temporal myopia 와 일관성 부족 을 겪는 문제를 해결하는 것이 목표입니다.#Review#Vision-Language-Action#Motion Representation#Temporal Reasoning#Long-Horizon Manipulation#Hindsight#Foresight#Robotics2025년 12월 10일댓글 수 로딩 중
[논문리뷰] GR-RL: Going Dexterous and Precise for Long-Horizon Robotic Manipulation본 논문은 일반적인 Vision-Language-Action (VLA) 파운데이션 모델 이 실제 환경에서 발생하는 긴 호라이즌의 정교하고 민첩한 로봇 조작 에서 겪는 한계를 해결하는 것을 목표로 합니다.#Review#Robotic Manipulation#Reinforcement Learning#Vision-Language-Action#Dexterous Control#Long-Horizon Tasks#Data Filtering#Data Augmentation#Foundation Models2025년 12월 1일댓글 수 로딩 중
[논문리뷰] GigaWorld-0: World Models as Data Engine to Empower Embodied AI본 논문은 GigaWorld-0 라는 통합 월드 모델 프레임워크를 개발하여 Embodied AI 를 위한 확장 가능하고 데이터 효율적인 데이터 엔진 으로 활용하는 것을 목표로 합니다.#Review#World Models#Embodied AI#Data Generation#Video Generation#3D Scene Reconstruction#Robotics#Vision-Language-Action2025년 11월 25일댓글 수 로딩 중
[논문리뷰] RoboOmni: Proactive Robot Manipulation in Omni-modal Context본 논문은 기존 로봇 조작 모델이 명시적인 지시에 의존하며 실제 환경에서 인간의 의도를 능동적으로 파악하는 데 한계가 있다는 문제를 해결합니다.#Review#Robotic Manipulation#Multimodal LLMs#Vision-Language-Action#Proactive AI#Omni-modal Learning#Intent Recognition#Contextual Instructions2025년 10월 29일댓글 수 로딩 중
[논문리뷰] F1: A Vision-Language-Action Model Bridging Understanding and Generation to Actions본 논문은 동적인 시각 환경에서 언어 조건부 태스크를 실행하는 로봇의 한계를 극복하고자 합니다.#Review#Vision-Language-Action#Embodied AI#Visual Foresight#Predictive Inverse Dynamics#Mixture-of-Transformer#Robot Manipulation#Multi-stage Training#Generalization2025년 9월 10일댓글 수 로딩 중