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
Sim2real
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。
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。