机器人研究把 3D 接触和真实测试平台当作主要证据

几篇机器人论文把几何信息更直接地放到动作输出附近。GaussianDream 用 3D Gaussian 重建和短时域场景流预测训练一个 VLA 策略，然后在推理时去掉解码头，只保留学到的前缀 token。它在 LIBERO 上的平均成功率是 98.4%，在 RoboCasa Human-50 上是 52.6%。

PointACT 让动作解码器关注多尺度点云特征。它报告的 LIBERO 平均成功率是 96.0%，在同一张表里比 SpatialVLA 高 17.9 个百分点。DISC 处理的是另一类对齐失败：指令生成任务特定策略，控制策略只看观测。这个设计在 LIBERO-90 上达到 94.3%，在一个真实的 9 任务共享上下文设置中达到 86.4%。

评测工作变得更具体，也更容易重复。VLA-REPLICA 定义了一个真实世界 VLA 测试平台，硬件大约花费 1050 美元，包含 10 个操作任务、500 个示范和 90 个测试场景。在其同分布结果中，π0.5 以 0.54 的平均成功率领先被测策略，这也说明低成本物理平台还有很多提升空间。

stable-worldmodel 处理的是 world model 侧的问题，包含统一的数据加载、基线训练、模型预测控制规划，以及跨机器人和控制任务的评测。它的 Lance 数据层在本地达到每秒 4,815 个 Push-T 样本，而 HDF5 是 1,416 个。Lost in Fog 加入了一个驾驶 VLA 压力测试：Alpamayo R1 的因果链解释变化，和在噪声、光照变化和雾天条件下更大的轨迹偏移相关。

灵巧手论文关注能在硬件限制下保住的控制信号。Proprioceptive Transformer 只使用 tendon-driven ORCA 手的关节位置和速度历史。在一个 55 mm 立方体上，它的直接关节感知策略在三次 60 秒试验中达到 11.83 RPM，旋转准确率 100%，没有掉落。

SafePBDS 给几何运动策略加入了明确的安全约束。它在关节空间中求解加速度，同时把任务流形的安全条件作为硬约束。在 Franka Panda 加 Allegro Hand 上，它在 120 次家用物体抓取试验中报告 92.5% 的成功率，并且能在两个方向都完成超过 360° 的偏航重定向。

Demo-JEPA 把示范当作一个目标信号，目标机器人要用自己的动力学去实现它。一个 V-JEPA 风格编码器把观测映射到潜在状态，Dreamer Predictor 估计一个与目标兼容的未来潜在目标，机器人再用自己的 world model 朝这个目标规划动作。

结果在迁移设置里最好。在仿真中，Demo-JEPA 在跨具身桥接上的平均成功率是 0.45，在零样本泛化上是 0.36，在报告的对比里超过了 VPP 和 XSkill。域内行为对齐更弱，RLBench 仿真是 0.31，真实世界行为对齐是 0.43。