本周的机器人学习研究集中于视觉-语言-动作（VLA）策略中的执行瓶颈。任务记忆支持重试和阶段跟踪。失败轨迹与无标注视频提供了更多有用监督。连续轨迹和考虑力的后训练提升了速度与接触安全性。DexVerse显示，这些提升仍有限：在其19项任务评估子集上，测试方法的最高平均成功率只有34%。
为策略提供明确的任务进度状态。TFP维护连续时间的潜在信念，使LIBERO Long-10的成功率从92.4%升至97.0%；在真实物体交换任务中，成功率从3/20升至15/20。Harness VLA围绕冻结控制器配置记忆引导规划器，使用已存储的轨迹、重新定位、分阶段执行和重试。在LIBERO-Pro上，它达到82.4%，而直接使用冻结控制器的基线为50.0%。LEEVLA在训练期间加入任务相关区域加权和潜在未来特征预测，在LIBERO上达到98.2%的平均成功率，且推理时无需额外记忆或计算。
已收集的经验得到更充分的复用。Learning from Hindsight会根据机器人实际完成的行为，为失败轨迹重新标注。在分布外LIBERO-Pro任务上，它约用5个训练步骤就达到标准强化学习方法近30个步骤才能达到的性能；经过160次真实机器人轨迹采集后，成功率达到56%，基线为22%。CD-LAM从视频学习的潜在动作编码中去除背景、相机运动和无关物体。它用少于参考方法12倍的机器人动作适配更新次数达到相当的结果，使无标注视频成为更干净的动作监督来源。
动作表示正被作为控制接口进行评估，其时间性能和安全边界可以量化。B-spline Policy预测可按不同速度执行的连续曲线；在长时程桌面清洁任务中，它将平均完成时间从23.57秒缩短至11.80秒，成功率则从13/20变为14/20。PAC-ACT将强化学习与八步动作块对齐，在Contour任务中把超过60 N的力读数减少了46倍。DexVerse显示出尚未突破的上限：在19项任务中，最高平均成功率为0.34，四种受测策略在PushT上的得分均为零。