MA-VLA: Multi-Arm Vision-Language-Action Model for Collaboration and Compositional Generalization

MA-VLA是面向多臂机器人协作的视觉-语言-动作模型，arXiv:2608.25864。该论文提出多臂VLA架构，解决双臂/多臂协作场景下的组合泛化问题，通过联合建模多视角视觉输入、语言指令和多臂动作序列，实现复杂协作任务的端到端控制。适用于工业装配、家庭服务等需要多臂协同的机器人操作场景。