AutoVLA-D提出一种双阶段自回归VLA框架，解决语言指令与连续轨迹间的“表述鸿沟”。通过先预测离散动作词元序列（TrajCond）作为几何条件，再基于该条件生成高精度连续轨迹，实现语义对齐。采用1D-Brohan差分离散化，在局部坐标系下构建独立码本，提升泛化性；训练分两阶段进行，推理时完全自回归。实验表明，该方法在导航任务中显著优于传统连续轨迹回归方案。

论文提出PyRUA-Data（DataFarm），一个由编程智能体驱动的低成本机器人数据生成系统。仅需一段校准视频与一句指令，即可在仿真中重建任务、生成带精确动作标签的照片级多视角数据，并通过真实外观渲染克服仿真与现实的视觉鸿沟。其核心创新在于“认证与生产分离”机制，确保数据可信；边际成本低至0.8美元/集，远低于遥操作。

论文提出PyRUA-Data（DataFarm），一个由编程智能体驱动的低成本机器人数据生成系统。仅需一段校准视频与一句指令，即可在仿真中重建任务、生成带精确动作标签的照片级多视角数据，并通过真实外观渲染克服仿真与现实的视觉鸿沟。其核心创新在于“认证与生产分离”机制，确保数据可信；边际成本低至0.8美元/集，远低于遥操作。