这一时期的视觉-语言-动作（VLA）机器人论文重点在让策略在物理约束下正常工作。DAM-VLA、World Pilot 和 CHORUS 显示了主要方向：更快的传感器回路、面向动作的引导，以及能在真实机器人环境中部署的控制。
DAM-VLA 将机器人输入视为不同时钟上的信号。语言只编码一次，视觉稀疏更新，力觉和本体感觉按控制频率更新。动作头在每一步读取缓冲的潜变量，因此控制器在较慢输入等待新数据时还能持续输出动作。在 7 个真实 Franka 操作任务上，它报告的平均成功率为 95.2%，而最强的同步基线为 40.95%。
TacCoRL 把触觉 token 加入预训练的 VLA 策略，并在真实部署前先在仿真中训练接触修正。它的接触门控会在触觉读数像背景噪声时抑制这些输入，强化学习则在与真实分布对齐的模拟器中进行，并用真实轨迹上的监督锚点约束。跨 4 个真实的双臂接触密集任务，这个视觉-触觉策略的平均成功率达到 72.5%，而仅视觉策略在强化学习后为 50.0%。
World Pilot 在 VLA 策略中加入一个冻结的 world-action 模型。一路把预测的场景演化潜变量注入感知流，另一路把预期动作轨迹送入动作生成器。在 LIBERO-Plus 的零样本分布外测试中，它报告的总成功率为 84.7%，高于 ABot-M0 的 80.5% 和 Cosmos Policy 的 79.7%。在真实机器人测试中，论文在列出的每个设置上都给出最高成功率。
APT 针对的是另一种失败模式：由机器人数据不均衡导致的指令泛化能力弱。它先在把语言遮蔽掉的视觉-动作对上训练连续动作专家，再加入语言条件。在 LIBERO-PRO 上，加入视觉语言模型微调的 APT 报告平均成功率为 27%，对比 π0.5 的 11% 和 LangForce 的 14%。在 LIBERO-PRO Spatial 上，它在位置和任务指标上都达到 62%，对比 π0.5 的 20% 和 1%。
有一篇论文保持机器人策略冻结，只学习在执行时该传给它什么语言。语言反馈策略会在重规划时提出子任务指令，然后改进头判断何时引导更可能有帮助。一个 conformal prediction 门控会在学到的引导看起来有风险时，让策略回退到原始指令。
摘要里给出的收益很大：在仿真中提升 24.7%，在 Franka 硬件上对已见环境提升 65.0%。论文还在校准假设下给出了对有害引导的假阳性保证。真正有用的是这个拒绝机制，因为同一份摘要也说了，错误的引导提示会降低任务成功率。
CHORUS 对异构机器人团队微调同一个预训练 VLA 策略。每个机器人运行自己的副本，只使用本地观测和身份提示。论文报告，与从头训练的去中心化扩散策略相比，平均成功率提升 64 个百分点；在队友扰动的交接测试中，成功 17/20，而分别为每个机器人训练的 VLA 策略为 9/20。
InDex 把预训练 VLA 策略适配到高自由度灵巧手。它保留 VLA 的臂级空间行为，预测一个标量抓取意图，并为手指级动作训练一个扩散头。在每个任务 100 个示范的 robosuite 仿真中，π0.5+InDex 的平均任务成功率为 85.8%，而 π0.5 为 50.3%，Diffusion Policy 为 42.8%。