DeMaVLA: A Vision-Language-Action Foundation Model for Generalizable Deformable Manipulation

DeMaVLA是2026年5月发表的面向可变形物体操作的视觉-语言-动作基础模型。针对现有VLA模型主要聚焦刚性物体操作、在布料、绳索、食品等可变形物体上表现不佳的问题，DeMaVLA提出了专门的可变形物体表示学习和动作生成机制，通过大规模可变形操作数据预训练实现跨类别、跨场景的泛化能力。该研究适用于家庭服务机器人、食品加工、纺织制造等需要处理可变形物体的应用场景，推动了VLA模型在非刚性操作领域的发展。