机器人策略的进步取决于记忆、失败经验复用和可执行的动作控制
本周的机器人学习研究集中于视觉-语言-动作（VLA）策略中的执行瓶颈。任务记忆支持重试和阶段跟踪。失败轨迹与无标注视频提供了更多有用监督。连续轨迹和考虑力的后训练提升了速度与接触安全性。DexVerse显示，这些提升仍有限：在其19项任务评估子集上，测试方法的最高平均成功率只有34%。
主题概况
Sample Efficiency
可靠的机器人操作系统
机器人团队可以在现有策略外加入任务进度状态和重试控制，从失败轨迹中恢复监督信号，并根据完成时间、接触力和控制器上限测试动作表示。这些改动可以先在小规模任务集上评估，再决定是否投入新的数据采集或更大规模的策略训练。
机器人策略的提升取决于能否用好稀缺经验和动作信号
机器人学习正在处理现有策略流程中的实际瓶颈。失败的执行轨迹被转化为监督信号，潜在动作会去除视觉混杂因素，动作轨迹也加入了明确的速度和力控制。最明显的结果体现在样本效率、可控性和真实环境执行上。
机器人策略训练与部署诊断
机器人团队可以从失败 rollout 中恢复训练信号，在执行速度测试中检查力和控制器限制，并在投入机器人动作适配成本前审计潜在动作中的视觉混淆因素。每项改动都能接入现有的 VLA、动作分块或世界模型流程，并可通过小规模离线批次或受限机器人试验进行验证。