机器人学习工作集中在让策略能在真实控制约束下执行。ZR-0、T2VLA 和 Chronos 显示出主要重点：跨具身监督、无需奖励的测试时改进，以及基于完整轨迹的记忆。
视觉-语言-动作（VLA）论文关注策略学习中决定高层模型能否控制机器人的部分。ZR-0 训练了一个 2.6B 参数的 VLA 模型，使用密集的具身思维链标签；推理时跳过文本生成，由扩散动作专家输出连续动作块。它在 LIBERO 上报告 97.8% 的平均成功率，并使用 ProcCorpus-60M，其中约有 60M 帧，96.8% 的帧带有 ECoT 标签。
T2VLA 在测试时加入强化学习（RL），使用策略自身的置信度作为奖励信号。在 LIBERO 上，它将 OpenVLA-OFT 的平均成功率从 91.0% 提高到 97.2%，将 π0 从 57.7% 提高到 81.9%，将 π0.5 从 77.1% 提高到 85.1%。SA-VLA 处理一个更低层的失败点：固定动作 token 解码。它的状态感知 tokenizer 将 RoboTwin 平均成功率提高到 0.56，而列出的最强 tokenizer 基线为 0.29。
多个系统把任务阶段、物体几何和恢复流程显式纳入控制。Chronos 将完整观察历史作为策略状态，用于同一相机视图可能需要不同动作的长程操作。它在 RMBench 上报告 73.6% 的平均成功率，在四个真实世界双臂任务上的平均成功率为 78%。
OpenSPM 从演示中存储相对于物体的关键姿态，并用 6D 物体姿态估计来迁移这些姿态。它的 0.24M 参数动作模型在 10 个 LIBERO-GOAL 任务上报告 85.6% 的成功率，动作块生成延迟为 4.8 ms。Spark 使用一个由 LLM 生成的行为树，然后在测试时把计算用于物体定位和重试逻辑。它在六个 Libero-Pro 扰动单元上的平均成功率为 43.7%，在 11 个实体机器人任务单元上的平均成功率为 68%。
这一时期也显示出策略迭代对测量和传感的依赖。Critical Interval MSE 只给任务关键轨迹片段打分，并在比较预测动作和专家动作之前对齐动作序列。在 LBM-Eval 上，它与 rollout 成功率的 Spearman ρ = -0.87，而原始 MSE 为 -0.61。
UR5e 案例研究展示了另一个部署问题。OpenVLA 在 A100 上的推理速度约为 3 Hz；作者报告称，当动作语义、坐标系、时序、预处理和数据覆盖不匹配时，闭环行为不稳定。Heterogeneous Tactile Transformer 将这一工程重点扩展到接触传感，在光学传感器和阵列传感器上训练一个触觉骨干模型。在未见过的 Sharpa 指尖、无相机真实世界测试中，它在 toy screw 上达到 95% 成功率，在 grasp tofu 上达到 55%。
世界模型工作出现在导航和自动驾驶中，规划与预测的未来观察绑定。SWAM 在一次扩散过程中为视觉导航生成中间 RGB-D 序列和 2D 动作。它将 RECON 绝对轨迹误差降至 0.93，NWM+NoMaD x16 为 1.53；每个 episode 运行 16.91 秒，而该采样规划器为 245.98 秒。
LWDrive 使用视觉-语言模型（VLM）生成粗略驾驶轨迹，然后用世界模型监督特征和鸟瞰图几何来细化候选轨迹。它在 NAVSIM 上报告 92.0 PDMS，在 NAVSIM-v2 上报告 89.6 EPDMS。X-Morph 覆盖了另一种控制设置：它将人体运动映射为四足、六足和四足-机械臂行为。在 Go2 clips 上，它的物理校正器将足端滑移减少 27.2%，将 penetration p95 减少 46.9%。