论文记录 · 证据边界公开

Bi-VLA: Vision-Language-Action Model-Based System for Bimanual Robotic Dexterous Manipulations

2024 IEEE International Conference on Systems, Man, and Cybernetics (SMC) · 2024-10-06 · 灵巧手与视觉触觉操作

论文元数据

作者: Koffivi Fidele Gbagbe、Miguel Altamirano Cabrera、Ali Alabbas、Oussama Alyunes、Artem Lykov、Dzmitry Tsetserukou
机构: Skolkovo Institute of Science and Technology
发布日期精度: 日
研究方向: 灵巧手与视觉触觉操作
机器人: two Robotiq two-finger grippers、two Universal Robots UR3 collaborative arms
DOI: 10.1109/smc54092.2024.10831380
arXiv: 2405.06039
引用元数据: 18
记录状态: included
质量检查: 无自动质量红旗

工程资源状态

代码: 已核验未发布
权重: 已核验未发布
数据: 已核验未发布
许可证: 未核验

每日候选人工终审

Bi-VLA 是早期双臂“语言规划—代码生成—视觉定位—运动 API”模块化系统，而非后来常见的端到端动作 token VLA。论文在两台 UR3、两指 Robotiq 夹爪和末端 Logitech 1080p 相机组成的真实双臂工作台上完成三类沙拉制作任务；视觉模块用 Qwen-VL，LLM 负责从菜谱与场景信息生成 Python API 调用。作者以 100 条 GPT-3.5 生成请求报告代码生成 100%，并以 100 张图片报告配料清单 83.4%、精确图像 caption 96.06%；缺料图片分别为 71.22% 和 86.53%。这些是作者定义的模块指标，论文没有给出三类真实烹饪任务的端到端成功/总试验次数、失败轨迹或独立复现。arXiv HTML 与 IEEE SMC DOI 共同核验论文和真实硬件设置，但未发现作者项目页、GitHub、权重、数据或许可证。故收录为双臂模块化 VLA / API 控制的历史工程参照，不作为开源端到端 VLA、可复制数据集或人形全身操作证据。

实机证据：author_reported_real_UR3_bimanual_hardware_with_component_metrics_not_end_to_end_task_trials；论文公开真实双 UR3 工作台及 Vegetable/Russian/Fruit Salad 三项任务。100 条生成请求的代码正确率为 100%；100 张图片中，配料完整时视觉模块的配料清单正确率为 83.4%、图像 caption 正确率 96.06%，缺料图片为 71.22% 和 86.53%。这些不是实际端到端烹饪操作的成功/总次数；论文未披露端到端 trial 分母或失败轨迹。

硬件/本体：two Universal Robots UR3 collaborative arms、two Robotiq two-finger grippers、Logitech HD 1080p webcam、Siegmund welding table

红旗与边界：100% 仅为作者在生成请求上的代码正确性，不是实机任务成功率；83.4%/96.06% 与 71.22%/86.53% 为图像和配料识别模块指标，不能混写成端到端双臂成功率；固定双 UR3 桌面环境不等于人形、轮臂或足式移动操作；未公开源码、权重、数据、菜谱库、标定和执行日志，无法评估复现成本或独立性能；使用闭源 GPT-3.5 的具体版本与服务行为可能漂移，当前无固定调用记录

查看资源 · paper · 状态 verified_primary_preprint_and_author_identity · 许可证 arXiv distribution terms; no method artifact grant
arXiv 提供论文及作者身份；该可读论文不代表系统工程制品开放。
code · 状态 not_disclosed_no_author_linked_method_repository_found · 许可证 not disclosed
论文的 arXiv HTML、PDF、IEEE DOI 和参考资料没有链接方法 GitHub、运动 API 实现、RAG 菜谱库、相机标定或 UR3 控制代码。
weights · 状态 not_disclosed · 许可证 not disclosed
文中使用 Qwen-VL、GPT-3.5 和 RAG，但未发布固定版本的 Bi-VLA 权重、提示词、调用记录或可复现实验配置。
data · 状态 not_disclosed · 许可证 not disclosed
未发布 100 条请求、100 张配料图片、菜谱向量数据库、UR3 轨迹、相机标定、执行视频索引或失败数据。

论文入库不等于代码、权重或数据开放；“承诺开放”“声称开放”和“已核验可下载”严格分开。

原始来源

最近核验：2026-08-13。链接存在不等于官方仓库、可运行、已开放权重/数据或许可证允许使用。