Operational Robot Learning
机器人团队可以直接做三项具体改动：把部署 rollout 收集为训练数据，把长时程计划暴露为缓存的文本和关键帧轨迹，再给快速模仿控制器加入空间注意点跟踪。共同的压力来自运行层面：固定的演示集、隐藏的计划和不稳定的视觉特征，会在机器人离开受控测试环境后变成失败。
主题概况
World Models
Geometry enters the control loop for robot policies
这一天的机器人工作把几何放进了执行回路。STARRY 和 X-WAM 把未来 RGB-D 预测和动作扩散联系起来，并在操作基准上报告了提升。一篇关于具身 3D 生成的综述说明了这类工作的资产要求，而户外导航研究则在真实街道上测试了语言落地的辅助能力。
Geometry Checks for Robot Training
机器人操作工作现在给了团队一个具体办法来测试预测几何是否改善执行：在策略评估中加入 RGB-D 未来预测、末端执行器几何和接触区域检查。相关的 3D 生成工作则给仿真团队指明了一个实用的资产门槛：生成对象在可用于机器人训练前，需要有关节、物理参数、碰撞几何和兼容模拟器的文件。面向户外、语言引导的导航很有前景，但现有证据主要支持一套带完整安全与完成日志的实地测试流程。
本周机器人研究聚焦于能够恢复、适应并保持贴近真实执行的控制
本周的机器人研究集中在真实任务压力下的执行质量。最强的一批论文把控制状态显式化，在接触时刻加入物理反馈，并用以动作为基础的评估来判断进展。与最近几周相比，这份简报对部署条件写得更具体：恢复、干预、安全和小数据适应都被当作核心方法选择，而不是附带分析。
具身任务可靠性
本周支持三项具体动作：在接触失败占主导的地方加入物理反馈；在把生成的机器人 rollout 用于训练或规划之前，先做可执行性筛选；扩展 VLA 评估，加入能暴露状态跟踪和组合失败的干预测试。共同主线是，在真实任务压力下看执行表现：接触、恢复和任务完成正在成为更有用的衡量单位。
Robotics papers make execution supervision concrete
这一天的机器人论文最强的是执行控制。主要工作把恢复信号、干预循环和物理约束直接加到动作系统里。LoHo-Manip、Hi-WM 和 BEHAVIOR1K 审计都说明了这个重点：长时程成功现在看的是策略能否恢复、能否被高效纠正，以及运行时是否保持安全。
机器人策略的执行监督
执行监督已经具体到可以围绕它做产品和工作流。最清楚的近期方向，是给长周期操作做每步重规划的监督器、给机器人后训练做先仿真后纠正的回路，以及给家庭任务基准做安全调整后的评测路径。每个方向都对应底层论文里的报告提升或具体审计结果，而且实现细节已经足够支撑一个聚焦的原型或流程改动。
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。
机器人论文按训练信号在执行中的保真度来评判模型
这一天最强的结论很明确：机器人论文正在把预训练、预测和真实执行之间的联系收紧。EmbodiedMidtrain 表明，当上游数据更像机器人经验时，VLA 性能会提高。Mask World Model 和 RoboWM-Bench 从两个方向对 world model 提出同样要求：保留与任务相关的结构，然后按可执行行为来判断成功。
具身模型训练栈
最清楚的近期开花点是三件事：VLA 微调前的机器人对齐数据筛选层、面向世界模型的执行式评测流程，以及让骨干和数据混合实验保持可比性的共享训练栈。前两者在语料里有最直接的性能证据。基础设施这一项也有价值，但现有摘录里展示的下游收益还不完整。
机器人学习论文正在把可靠性和任务结构写得更明确
这一天的内容最强的一点很明确：机器人学习论文正在把对可靠性、记忆和结构的控制写得更具体。ReconVLA 和 AEGIS 把失效和遗忘当作首要工程问题。ChemBot 为长任务加入记忆和进度跟踪。那篇世界模型综述也用按功能拆分的方式强化了同样的判断，而不是继续用一个宽泛的模型标签来概括能力。