机器人学习论文让 VLA 策略承受执行压力
机器人学主导了这一时期。最强的论文把视觉-语言-动作（VLA）策略放到 rollout 成本、长时程漂移、碰撞风险、触觉数据缺口和工厂服务等执行压力下测试。RoboWorld、FurnitureVLA 和 ROSA 给出了最清晰的实测主张。
主题概况
Robot Evaluation
机器人策略发布基础设施
VLA 工作正在进入发布工程问题：更低成本的策略评估、延迟目标下的车队推理，以及跨预测动作块的安全检查。在更改完整部署前，这些构建足够小，可以先用现有机器人日志和模拟器运行来测试。
机器人VLA工作集中于真实控制条件下的泛化
这一时期的重点是机器人操作。当前工作集中在视觉-语言-动作（VLA）策略上，目标是在不同机器人本体间扩展，在行动前推理，并在部署期间检查自身动作。Qwen-RobotManip是最明确的规模化尝试；其他工作加入潜在规划、世界模型更新、传感器选择、不确定性、记忆和更严格的诊断。
机器人策略就绪检查
机器人团队可以先加入执行前检查，让混合机器人训练数据更容易合并，并在上硬件前用能力级诊断测试策略。证据中的具体收益来自推理时动作验证、跨具身形态的状态-动作对齐，以及能暴露总体成功率所掩盖失败的基准测试。
机器人研究把 3D 接触和真实测试平台当作主要证据
具身 AI 是中心。视觉-语言-动作（VLA）论文现在主要看 3D 接触线索、真实硬件、扰动测试和可重复评测。GaussianDream、PointACT 和 VLA-REPLICA 给出的信号最强。
操作策略硬件检查
机器人策略团队已经有足够细节，可以把三个实用检查加入工作流：低成本的物理 VLA 回归工位、和动作预测绑定的 3D 几何监督，以及面向灵巧手的直接关节传感测试。它们分别针对操作中的三个可见失效模式：实验室结果在真实接触下失效、动作解码器漏掉几何信息，以及依赖脆弱外部感知的手部控制器。
具身 AI 论文把执行时可靠性变成可测量指标
具身 AI 主导了这个时期。VLA 工作按延迟、光照、扰动和细粒度任务阶段来评估，世界模型论文则在做更长的 rollout 和更便宜的合成数据。DEFLECT、MetaFine 和 WEM 给出的信号最清楚。
Robot Policy Stress Testing
机器人团队可以通过加入阶段级操作测试、异步控制的延迟注入运行，以及带动力学约束轨迹的生成式 3DGS 飞行场景，让 VLA 可靠性更容易排查。最有价值的是评估和部署检查，因为报告中的失败都对应到具体阶段、扰动和延迟值。