机器人适配工作正在更贴近接触和指令控制
这一天的重点很集中，都是在处理能承受真实部署约束的机器人适配。一个工作把触觉和力矩信号加入 VLA 策略，在接触密集任务上的平均成功率几乎翻倍。另一个工作表明，只要模型保护好预训练的视觉 grounding，并在推理时用提示引导，小规模后训练也能保住指令跟随能力。
主题概况
Tactile Sensing
自适应机器人指令控制
这里的机器人适配工作指向两项具体改动。接触密集型操作适合做传感器流改造，在现有 VLA 上增加触觉和力矩输入，报告中的收益大，延迟成本也有限。低数据后训练也需要明确的指令遵循检查，因为狭窄的演示集会破坏可控性，即使任务执行变好了也会这样。推理阶段加一层小型提示指导层，看起来适合给已经适配过的策略做部署支持，让它在不再收集一轮数据的情况下继续跟随新的物体和空间指令。
机器人基础模型正在在迁移、规划和接触上变得更落地
这一天最强的主线是：机器人论文正在把广泛预训练、显式规划和接触反馈，和具体的执行指标连接起来。JoyAI-RA、Cortex 2.0 和 Open-H-Embodiment 构成了核心。它们在跨本体迁移、长时程规划和医疗机器人上都给出了提升，而且结果已经落到真实机器人、工业部署，或两者兼有。
Robot Policy Transfer and Execution Reliability
近期最明确的工作集中在迁移接口、跨平台医疗后训练，以及机器人执行的置信度层。证据最强的是这些论文把变化和具体系统及可测增益绑在一起：JoyAI-RA 对跨实体共享动作空间迁移，Open-H-Embodiment 对跨平台手术后训练，Temporal Difference Calibration 对现有 VLA 策略上的失败预测和动作选择。
机器人研究把评估收紧到安全、触觉和三维控制上
这一天的机器人研究很好读：评估更严格了，模型设计也朝着同样的压力变化。HazardArena 衡量 VLA 能不能区分可执行动作和危险动作。HTD 说明触觉预测能改善真实人形操作。VGA 用 3D 几何骨干拿下了这组里最强的基准结果。放在一起看，这些论文都偏向于贴近真实决策的控制信号：语义风险、接触状态和场景几何。
具身操作控制
这段时间的机器人工作指向三个具体的流程变化：用分阶段的危险进程和拒绝门来评估 VLA 安全，在接触密集任务的人形机器人行为克隆中加入未来触觉潜变量预测，并在多视角操作策略里把 3D 几何骨干当作默认候选，尤其是在视角变化和放置精度很重要的时候。