这一天最强的是把具体失效点封住的具身控制工作。证据集中在动作瓶颈、层级规划、预测视频控制和 sim-to-real 迁移。和前几天相比，这些工作更少在泛泛地诊断风险，而是直接在机器人和驾驶任务上展示可量化的控制指标提升。
机器人控制论文现在更明确地指出动作质量在哪些地方丢失，以及如何修复。最清楚的证据来自两个方向。一篇论文显示，当动作被压缩成离散 token 时，更好的视觉编码器并不一定能稳定提升 vision-language-action 策略。在 LIBERO-10 上，Diffusion Policy 在 M 规模下从 36.4% 升到 57.6%，方法是把编码器从 ResNet-18 升级到 SigLIP；OAT 则从 53.8% 升到 57.4%。另一篇论文通过把规划拆成潜变量宏动作和低层动作，提升了长时域世界模型控制。HWM 把真实 Franka 抓取放置成功率从 0% 提高到 70%，把抽屉任务从 30% 提高到 70%，同一报告里还给出了更低的规划成本说法。
低数据量操作任务现在更多依赖可预测的视频结构，而不只是静态图像特征。MV-VDP 同时预测未来的多视角 RGB 视频和动作热力图，然后把热力图回投到 3D 动作估计中。在 Meta-World 里，每个任务只有 5 个示范时，它的平均成功率达到 89.1%，高于 Track2Act 的 67.4% 和 DreamZero 的 61.1%。真实机器人表格更小，也更不完整，但结果仍然具体：Put Lion 是 10/10，Scoop Tortilla 是 7/10，Push-T 是 4/10，列出的基线分数更低。这个模式说明，场景动态和 3D 一致性正在直接被训练进策略输出。
这一时期的 sim-to-real 论文把重点放在部署时保住控制语义。对四足机器人，DreamTIP 给 Dreamer 世界模型加入了任务不变属性，例如接触稳定性和地形间隙。它报告了在 8 个模拟迁移任务上的 28.1% 平均提升，以及 Unitree Go2 上的明显真实世界收益，包括 Climb 52 cm 任务从 WMP 的 10% 提高到 100%。在驾驶上，Sim2Real-AD 把迁移拆成观测桥接和动作重映射。它在 Ford E-Transit 上的零样本真实车辆结果是：跟车 90%，避障 80%，识别停车标志交互 75%，报告设置里没有真实世界 RL 训练数据。
VLA 效率工作现在更精确地控制大模型什么时候需要运行。SV-VLA 保留一个用于动作块的重型规划器，再加一个小型验证器，用当前观测检查每一步。在 LIBERO 上，它报告在三个子任务上的平均提升，从开环基线的 79.5% 提高到 90.90%。这段证据比机器人规划论文更窄，因为摘录里没有逐任务分数或延迟表，但方法很清楚：先分块，在线验证，只有当前状态和计划动作不一致时才重新规划。