机器人论文把结构放进控制和数据采集
这一天的机器人论文最强的一点，是研究者把任务结构放进了数据路径和决策路径。最清楚的例子是 \pi_{0.7}、WAV 和 ShapeGen。一条线给 VLA 控制加入更丰富的提示和潜在规划。另一条线构建更窄、几何感知的数据生成和采集系统，让策略一开始就看到正确的变化。
主题概况
Data Generation
机器人操作的物理数据增强
这个时间窗口里的机器人工作给出三项具体的流程变化。移动操作团队可以在现有示范周围加入停靠姿态增强，以恢复导航误差下的性能。类别级操作团队可以通过在类别内变换物体几何来生成新的真实示范，这对把手和接触敏感任务很有用。灵巧手团队可以用贴附式便携遥操作装置降低采集成本，同时提升真实硬件上的操作者成功率和速度。
机器人学习工作正更接近控制环
4 月 4 日是一个规模不大但主题连贯的机器人日。最强的工作都在收紧观测、动作和安全之间的闭环：保留动作标签的合成示范、满足控制时间约束的行为切换检测，以及记录对齐多模态数据、用于闭环学习的结肠镜平台。
用于机器人学习的动作-状态对齐
这一天的机器人学习工作指向三件具体事：保留动作标签的合成演示，用于跨机器人迁移；能放进控制时安全预算的行为切换检测；以及终于把视频、指令、执行状态和探头位姿对齐起来的结肠镜数据采集，用于闭环训练。共同点是让观测、动作和安全相关状态之间的耦合更紧，给出的数字也足够具体，能直接支持小范围构建和评估方式调整。