当天的机器人论文集中在让 vision-language-action (VLA) 策略可执行：在线适配、3D/接触反馈和成本更低的规划模型。SARL、3D HAMSTER 和 DVG-WM 显示，当前重点是能经受控制循环、几何和物理交互检验的证据。
多篇论文把部署当作学习循环。SARL 将语言提示作为语义动作来训练，然后用奖励学习哪些提示能产生有用的机器人行为。在 Libero-10 和四个真实 WidowX 任务上，论文报告单一任务提示下的初始成功率接近 0%，经过 60 到 100 个在线 episode 后成功率约为 80%。
Z-1 在监督微调后，对基于 flow 的 VLA 策略应用强化学习。在 24 个 RoboCasa 任务上，其平均成功率从监督微调后的 67.4% 提高到 group relative policy optimization 后的 80.6%。最强的受控结论是相对作者自身初始化提高 13.2 个百分点，因为部分外部比较使用了既有工作的报告数值。
一项剪枝研究补充了部署成本视角。它使用 VLM 到 VLA 适配过程中的权重变化，判断 OpenVLA 和 pi_0.5 的哪些组件可以移除。报告目标是在不进行剪枝后恢复的情况下，减少 12% 到 30% 参数，同时保持约 90% 的原始 LIBERO 性能。
几何和接触被作为控制输入处理，而非可有可无的感知。3D HAMSTER 将末端执行器路点预测为 3D 坐标，并把它们输入点云控制策略。在 DroidSpatial-Bench 上，它在 10 cm 阈值下达到 65.5% Both 准确率，高于 RoboBrain-2.5-8B 的 60.1%，也远高于所给结果中的通用 VLM 基线。
UniTacVLA 为接触密集任务加入触觉 token、未来触觉预测和高频校正控制器。在八个真实机器人子任务上，每个设置 50 次试验，论文报告 clean 成功率为 64.0%，perturbed 成功率为 53.5%。扰动结果给出的信号更明确：复现的触觉基线 pi0.5-TacVLA 在扰动下达到 16.25%。
数据侧也符合这一重点。RoboTacDex 在 Unitree G1 上提供 6,000 条人形机器人轨迹，包含多视角 RGB-D、触觉信号、关节状态、动作和任务标签。Human-as-Humanoid 采用另一条路线，将同步的 ego-exo 人类视频转换为可执行的 60-DoF 人形机器人标签，并声称相对人形机器人遥操作，示范吞吐量提升 4.8× 到 7.2×。
世界模型工作关注可用于控制内部的规划信号，要求速度足够快，并且对动作足够敏感。DVG-WM 将视频预测拆分为低分辨率动力学和高分辨率细化。在 LIBERO 视频预测上，它报告 89% 的物体级准确率和 88.7 秒推理时间；相比之下，CogVideoX-5B 为 236.8 秒，LVP-14B 为 354.2 秒。
AdaJEPA 在模型预测控制期间，使用执行后刚观察到的转移来适配潜在世界模型。所给结果中最强的是未见过的 PointMaze 布局：GD 成功率从 53.3 ± 8.2 提高到 78.7 ± 5.0，CEM 成功率从 49.3 ± 6.2 提高到 70.7 ± 3.8。
Delta-JEPA 在不做像素重建的情况下针对动作敏感性。它的潜在位移动作解码器根据潜在状态之间的变化重建已执行动作。在四个规划任务上，它报告了所给表格中的最佳成功率，包括 Push-T 上的 89.07 ± 1.90 和 OGB-Cube 上的 79.27 ± 1.81。
OopsieVerse 增加了单独的安全信号：面向家庭操作的显式损伤跟踪。其基准包含 OmniGibson 和 RoboCasa 中的 32 个任务实例，覆盖机械、热和流体损伤类别。所给文本提供的是基准范围，而非定量策略收益，因此其贡献主要在评测设计。