机器人论文正在集中到时间记忆、恢复和可用控制回路上
视觉语言动作（VLA）机器人工作的效果最好的是那些让策略保留时间状态、在出错后恢复、或接受低延迟人工输入的场景。MemoryVLA++、MotionWAM 和 YUBI 体现了当天的重点：让策略在更长时域上行动，收集更大的真实数据，并让修正尽量贴近执行。
主题概况
Humanoid Control
实用的 VLA 部署控制
机器人团队可以围绕冻结的 VLA 策略做出具体改动：加失败专用恢复层、在执行时提供低延迟 steering 和安全滤波、并用更轻的手持夹爪采集双臂数据。共同的落地压力来自实际部署摩擦：策略可以知道任务，但仍可能抓空、撞到附近物体，或者缺少足够多的接触丰富任务示范。
具身研究正在更明确地描述身体、未来状态和物体结构
4月9日的重点是把结构显式写进具身模型里。最清楚的模式是把形态、未来状态和物体运动学直接写入学习问题本身。WorldMAP 给出了最扎实的硬数值。HEX、QWM、ViVa、BLaDA 和 DailyArt 则把范围扩展到人形机器人、四足机器人、导航、灵巧抓取和可动对象。
Embodied World Models
最清楚的近期方向，是做一个训练流水线，用生成的未来视图离线写导航标签，然后只部署一个小学生模型。第二个具体变化，是把机器人本体结构当作控制模型的显式输入，让相关机器用同一个学到的模型共享能力，并减少预热和重训。第三个可行测试，是在可动对象上加一个感知阶段，从单张图像估计关节，再由操作栈选择接触点和力度。