机器人学习论文把部署细节纳入测试
这一天的机器人学习工作都围绕可部署系统展开。视觉-语言-动作（VLA）策略在真实手部、长时序子目标、低成本数据采集和低价硬件上接受测试。DexSim2Real、Anticipation-VLA 和 Phone2Act 给出的信号最清楚：成功率主张现在取决于硬件试验、延迟、数据格式和失败检查。
主题概况
Teleoperation
机器人学习部署检查
近期机器人学习论文给出了可直接用于部署工作的测试方法：用低成本遥操作和可训练的数据日志采集 VLA 示范，在灵巧手迁移前用真实图像校准仿真随机化，并在 rollout 期间用子目标进度检查包住长时程策略。
机器人学习工作对运行时瓶颈和脆弱评测越来越认真
这一天的机器人论文都很务实。最强的工作同时收紧了 VLA 的执行和评测。FocusVLA 和 StreamingVLA 报告了操作质量和控制速度的提升，而 LIBERO-Para 和 ManipArena 在把措辞和真实世界设置变严格之后，让现有模型显得没那么成熟。关于世界模型、仿真和触觉遥操作的支撑性论文传达了同样的信息：更好的机器人性能依赖于从训练数据到运行时控制，全程保留与任务相关的信号。
部署可靠性基准
机器人学习工作正在更接近部署里真正会出问题的地方：控制器时序、指令鲁棒性和物理评测。最近最明确的变化是一个测量停顿间隙的异步 VLA 运行时、一个给指令跟随策略用的改写测试门槛，以及一个固定机器人本体和任务条件的共享真实世界评测流程。