机器人策略的提升取决于记忆、定向适应和更高难度的灵巧操作测试
这一时期的机器人学习工作集中于提高现有策略在扰动和稀疏反馈下的可靠性。Harness VLA 在冻结控制器外加入规划和重试。Prompt-Driven Exploration 搜索由语言条件控制的行为。DexVerse 说明这些控制为何重要：领先方法在其测试的灵巧操作任务上平均成功率只有 34%。
主题概况
机器人操作
机器人 VLA 主张现在需要真实执行证据
本周具身 AI 研究把机器人策略视为必须承受真实控制条件的系统。视觉-语言-动作（VLA）模型通过视觉扰动、3D 接触线索、记忆、延迟和可复现硬件运行来测试。StableVLA、GaussianDream 和 AVP 给出了最清晰的信号。