闭环执行成为具身智能的决定性检验
当天的证据将近期对部署的关注点从单纯的推理速度扩展开来。IMBench 表明，识别物理约束并不能可靠地产生可执行行为；AC-VLA 和快慢驾驶则通过使学习或计算与控制回路相匹配来改善结果。大多数证据仍来自仿真，因此尚不能证明广泛的现实世界可靠性。
主题概况
VLA models
闭环 VLA 训练与评估的变化
阶段标签既可以控制操作过程中的传感器访问，也可以控制策略评估中的计算复用。证据支持对训练和测试基础设施进行范围更窄的调整，而不支持关于一般物理可靠性的判断；后者仍受到以仿真为主的评估以及较弱的长时域安全结果所限制。
具身 AI 论文把真实机器人执行变成了主要测试
这一时期的具身 AI 工作主要把策略当成可部署的机器人系统来处理。视觉语言动作（VLA）模型被放到灵巧手、受污染的摄像头、双臂任务和接触密集的世界模型基准上测试。Dexora、StableVLA 和 WorldArena 2.0 定下了基调：成功率、真实物理滚动、触觉信号和迁移测试，比干净的仿真分数更重要。
Physical Rollout Evaluation for Robot Policies
真实机器人回放指标正在成为 VLA 和世界模型工作的有效筛选器。最直接的做法，是给遥操作灵巧数据加质量评分，在部署前测试 VLA 策略对摄像头腐蚀的鲁棒性，并在桌面任务里把场景保留和接触效用与任务完成度一起评分。