AAAI 2026 最佳论文-ReconVLA详解（四）--扒一扒作者团队
十个名字，四所高校：我顺着 ReconVLA 的作者名单往回翻
十位作者，四所高校：香港科技大学（广州）、西湖大学、浙江大学、Monash University。名单从 Wenxuan Song 开始，以 Donglin Wang 和 Haoang Li 收尾。单看阵容，很容易脑补出一场正式的跨校合作：几位老师先定方向，再从四所学校各找几名学生，开会、分工、组队，最后攒出一篇最佳论文。
但我把这些名字放进搜索框，一个个往前查，看到的却是另一种故事。
这十个人不是为了 ReconVLA 才第一次坐到一起。他们更像几拨早就合作过的人，沿着不同路线走了几年，最后在同一个问题上碰头。而位于几条路线交叉口的，恰好是第一作者宋文轩。
当然，我没有这支团队的组会录音，也不知道是谁在某个深夜最先说出“要不让模型重建目标区域”。我能看到的，只有个人主页、作者排序和一篇篇公开论文。
可论文圈有个好玩的地方：合作关系很难完全藏住。简历会把经历分成一行一行，作者名单却会把人重新连起来。
我先从西湖大学翻起
宋文轩的个人主页里有一段很短的经历：本科毕业于哈尔滨工业大学（威海）后，他曾到西湖大学 MiLAB 访学，导师是 Donglin Wang。他还特意写到，自己一直和 Pengxiang Ding、Han Zhao 保持紧密联系，并从两人身上学到很多。
这句话如果孤零零地放在简历里，只像一句客气的致谢。把它和论文列表摆在一起，意思就完全不同了。
2024 年前后，Pengxiang Ding、Han Zhao、Wenxuan Song 和 Donglin Wang 接连出现在 QUAR-VLA 与 GeRM 两篇工作中。前者由 Pengxiang Ding 领衔，后者换成 Wenxuan Song 做第一作者；研究对象都是四足机器人，核心搭档却没有散。
我很喜欢看这种作者顺序的变化。它比“某人连续一作，其他人永远站在后面”更能说明问题：这不像一群人陪着同一个主角刷副本，倒像一个已经磨合起来的小队——这次你主攻，下次我带队，题目可以换，合作不用重来。
而且，他们当时做的并不是 ReconVLA 里的机械臂操作。QUAR-VLA 想让四足机器人把视觉、语言和动作接起来；GeRM 继续处理多任务学习、不同质量的数据和 Mixture-of-Experts。机器人后来从“四条腿”换成了“两只机械臂”，但那些麻烦并没有变：模型怎样看，怎样理解指令，怎样组织数据，又怎样把理解变成可靠动作。
这也是我查到的第一条暗线。ReconVLA 的团队并不是从 ReconVLA 才开始形成。早在西湖大学的四足机器人项目里，后来那张最佳论文作者表的一部分，已经提前同框了。
到了港科大（广州），旧搭档没有留在上一页
后来，宋文轩进入香港科技大学（广州）攻读博士，师从 Haoang Li。
对一名博士生来说，换实验室常常意味着换题目、换设备，也换一套合作者。过去的名字慢慢沉到简历下方，新实验室的人占据论文列表上半区——这本来是最普通的轨迹。
宋文轩的论文列表却没有这样整齐地“断代”。
在研究动作并行解码的 PD-VLA 里，新搭档 Jiayi Chen 出现在第二作者位置；而西湖时期的 Pengxiang Ding、Han Zhao 仍在，Haoang Li 则出现在名单末尾。旧合作圈没有被替换，新实验室的人直接接了进来。
再往后看 RationalVLA，阵容已经颇有“提前大结局”的味道：港科大（广州）的合作者来了，西湖大学的老搭档来了，Monash 一侧的 Feilong Tang、Xuelian Cheng、Zongyuan Ge 也出现了。
ReconVLA 的十人名单，几乎就在这样的连续合作中慢慢显影：
- Wenxuan Song、Ziyang Zhou、Jiayi Chen、Haodong Yan、Yuxin Huang 与 Haoang Li，构成港科大（广州）这一侧；
- Han Zhao、Pengxiang Ding 与 Donglin Wang，延续西湖大学 MiLAB 的合作线，其中前两位同时连接浙江大学；
- Feilong Tang 则把 Monash University 带进作者栏。
如果我只按学校上色，这是一篇四校合作论文；如果顺着共同署名往前看，它更像宋文轩几段研究经历叠在一起留下的投影。
他不是名单里唯一重要的人，也没有证据表明所有作者都是由他亲自邀请。但有一点很难忽略：别人多数位于某一个合作圈里，他却走过圈与圈之间的路。
最远的 Monash，其实早就出现了
四个单位中，Monash University 看起来离得最远，也最容易被当成作者栏里突然冒出来的“海外合作”。
我起初也这样想。直到我在宋文轩的个人主页上看到，他曾在 Monash University 开展研究，由 Zongyuan Ge 和 Xuelian Cheng 指导；再顺着论文往前后翻，Monash 这条线便不再突兀。
Zongyuan Ge 出现在 PD-VLA，Feilong Tang、Xuelian Cheng 和 Zongyuan Ge 共同出现在 RationalVLA；到了 ReconVLA，Feilong Tang 继续在场。再往后，他又出现在 Unified Diffusion VLA 的作者名单里。
一次同框可能是项目需要，连续几篇都在，就更像一段已经稳定运转的合作。
所以，Monash 并不是 ReconVLA 临近投稿时才补上的一块拼图。宋文轩在那里留下的研究经历，为两边提供了一个现实交点；后续论文则说明，访学结束之后，这条线并没有跟着门禁卡一起失效。
这算不上什么内幕，却比硬编一段“某次会议上一拍即合”更有意思。真正可靠的学术八卦，往往不藏在聊天记录里，而藏在那些反复出现的名字里。
这群人为什么偏偏在 ReconVLA 上会师
查到这里，我还有一个疑问：认识归认识，为什么最后是 ReconVLA 把他们聚到了一起？
答案或许就在论文的问题里。
VLA 模型要根据图像和语言控制机器人。听起来它既能看又能做，ReconVLA 却先指出了一个尴尬事实：很多模型虽然给出了动作，视觉注意力并没有真正落到要操作的物体上。机器人像是听懂了命令，也伸出了手，却未必把目标看仔细。
团队给出的办法很巧：不直接拿框去监督注意力，而是让模型根据内部视觉表示，重建机器人正在关注和操作的目标区域。要把那块图像还原出来，模型就不能只记一个模糊轮廓；它必须保留与动作有关的细粒度信息。换句话说，重建不是额外学画画，而是一场针对视觉表征的闭卷考试。
这个问题恰好站在几种能力的交界处。
港科大（广州）IRPN Lab 长期研究三维视觉、机器人感知与操作；西湖大学 MiLAB 的合作圈此前已经在强化学习、多任务机器人和 VLA 上反复磨合；而宋文轩、Jiayi Chen 等人在 PD-VLA、RationalVLA 等工作里，又积累了机械臂 VLA 与真实系统验证的经验。
如果把这些能力写成学校宣传稿，很容易变成一句空洞的“优势互补”。但从论文时间线看，互补并不是两位负责人开会时才临时设计出来的。学生们早已一起碰过数据、模型和机器人系统，也知道一个漂亮想法落地时会卡在哪儿。ReconVLA 只是终于找到了一个足够重要、也恰好需要所有这些经验的问题。
它最后使用超过 10 万条轨迹、200 多万条样本进行预训练，又同时做仿真和真机实验。这样的工作既要有清楚的方法判断，也要有人把数据、训练和机器人部署真正接起来。十位作者在这里不再显得“太多”，反而像这个问题自然需要的宽度。
真正让我在意的，是获奖以后人没有散
判断一支团队是不是临时拼盘，最简单的办法不是看获奖之前，而是看获奖之后。
ReconVLA 之后，这些名字没有从彼此的论文里消失。
Jiayi Chen、Wenxuan Song 等人继续研究联合离散扩散与实时解码；Han Zhao、Pengxiang Ding、Donglin Wang 仍然连接着 MiLAB 的研究线；Haoang Li 也持续出现在多篇跨组工作中。Spatial Forcing 把问题从“看准目标”推向空间表征，Unified Diffusion VLA 和 CEED-VLA 又把动作生成与速度继续向前推进。
最有意思的是，第一作者也在轮换。QUAR-VLA 是 Pengxiang Ding，GeRM 和 ReconVLA 是 Wenxuan Song，Unified Diffusion VLA 则由 Jiayi Chen 领衔。宋文轩频繁出现，却并非永远占据第一个位置。
这让我重新理解了所谓“连接者”。连接者不一定每次都站在队伍最前面。他更像那个让合作可以跨过一次访学、一次换校、一次研究方向转弯的人：项目由谁主导可以改变，愿意一起解决问题的人还在。
OpenHelix Team 也让这种关系有了一个学校之外的落点。实验室有校门，访学有期限，开源组织却可以把代码、模型、论文列表和下一项计划留在同一张桌子上。它未必能说明每个人做了多少工作，却让这张跨校网络拥有了持续可见的名字。
最佳论文背后，不只有一个好点子
回头再看 ReconVLA 的作者页，我已经不太愿意把它叫作“豪华联队”了。
豪华联队听起来像把最强的人临时凑齐；ReconVLA 更接近另一种组队方式：先在小项目里建立信任，换了单位也不断掉旧线，让新搭档自然接进来，再用一个接一个的问题维持合作。
宋文轩在这张网络里的特殊之处，不只是论文数量多，而是他的研究经历几乎与团队结构重合：西湖大学阶段认识的人，港科大（广州）读博后加入的人，Monash 经历连接的人，最后都出现在同一张作者表上。
我仍然不知道，是谁发出了 ReconVLA 的第一条消息，也不知道十个人第一次完整出现在同一场会议里是什么情形。公开资料不足以回答这些问题，我也不想拿想象冒充内幕。
但公开记录已经讲清了一件更重要的事：一篇最佳论文很少凭空长出来。它前面往往拖着一串看似无关的项目、几次研究方向的转弯，以及一群合作过之后还愿意继续合作的人。
论文第一页只有十个名字。顺着它们往回翻，我看到的却是一支团队缓慢成形的过程。
如果你对 ReconVLA 感兴趣，想进一步了解其模型设计、实验结果或复现细节，可以查看以下资料：
本文仅用于学术交流与技术分享，相关内容及图片版权归论文作者与研究团队所有。