当天最强的信号是实用机器人控制。视觉-语言-动作（VLA）工作把快速的真实机器人微调和动作空间几何结合起来，世界模型论文则收紧潜在规划和策略搜索。EXPO-FT、OASIS 和 MBDPO 提供了主要的实证结果；部署和对抗研究补充了可靠性检查。
VLA 操作论文更看重真实执行指标。EXPO-FT 保留一个预训练的 π0.5 策略，并用离策略强化学习训练一个轻量编辑策略。它报告在 8 个真实世界操作任务上，每个任务都达到 30/30 的最终成功率，平均只用了 19.1 分钟的在线机器人数据。
OASIS 直接处理动作解码问题。它先预测一个 8 步的 SE(3) 末端执行器轨迹，也就是三维位置和旋转，再生成 6-DoF 动作和夹爪指令。论文报告在 LIBERO 上平均成功率为 97.6%，在 Franka Research 3 和 Kinova Gen3 机器人上的真实世界测试平均成功率为 89.2%。
部署证据更偏向操作流程，而不是结构设计。西门子工厂车间案例研究把 Pi0.5 微调到透明配件袋包装任务上，使用了 2,535 个 episode 和大约 10 小时的数据。它的失败分解很具体：在无约束试验中，袋内物品留在产品上方占失败 episode 的 65%，多袋抓取占 23%，抓取不佳或抓取失败占 15%。
另一篇 VLA 可靠性论文给出了能力和对抗可靠性的一个信息论上界。它引用 OpenVLA-7B 在 16/255 的 PGD 图像攻击下，LIBERO 成功率从 95% 以上降到 5% 以下，然后在覆盖高斯代理、OpenVLA、LIBERO 套件、攻击类型、最长到 10 步的时域，以及两种动作头设计的 320 个单元上验证了这个上界，没有出现违反。
世界模型论文关注能支持规划和策略改进的状态表示。TC-WM 把冻结的视觉基础特征和本体感觉压缩成任务中心潜变量，然后训练带动作条件的动力学模型，用于规划或强化学习。报告覆盖 9 个基准，跨 Robomimic、D4RL、导航、运动控制、操作，以及模拟和真实世界设置，不过摘要没有给出具体分数表。
MBDPO 在潜在世界模型中训练扩散动作策略，因此想象 rollout 和执行时使用的是同一个策略分布。它最强的数值结论来自规模和覆盖面：模型参数从 1.7M 增长到 340M，在线实验覆盖 4 个基准套件和 121 个任务，8 个任务的漂移研究显示它的动作漂移低于 TD-MPC2。
LeJEPA 补充了一个学习到的表示在什么条件下能充当可用世界模型的理论。在线性高斯潜变量和平稳加性噪声正样本对下，最优解会把潜在状态恢复到一个正交变换下的等价形式。论文还说明，当代价对这类变换不变时，这种恢复如何和有限时域规划联系起来。