本周机器人研究高度收敛。中心问题很明确：怎样把VLA和世界模型从“能做”推进到“能稳、能省、能上线”。一条主线是按需推理。不少系统不再默认每一步都调用大模型，而是让高层推理只在关键节点出现。这样既省算力，也更适合长时程任务。Tri-System是这一思路的代表：它在高层视觉语言模型和低层控制器之间加入Critic监控，执行正常时保持快速闭环，遇到停滞或异常再触发重规划。
本周机器人研究高度收敛。中心问题很明确：怎样把VLA和世界模型从“能做”推进到“能稳、能省、能上线”。一条主线是按需推理。不少系统不再默认每一步都调用大模型，而是让高层推理只在关键节点出现。这样既省算力，也更适合长时程任务。Tri-System是这一思路的代表：它在高层视觉语言模型和低层控制器之间加入Critic监控，执行正常时保持快速闭环，遇到停滞或异常再触发重规划。
本周最强主线是把视觉-语言-动作模型（VLA）从演示系统推向可部署系统。方法不再追求每一步都做重推理，而是强调按需唤醒、异步调度和失败恢复。代表工作是 Tri-System：用视觉 Critic 监控执行，只在子任务完成、事故或停滞时唤醒高层 VLM，在真实长任务中明显优于单系统与双系统方案。
记忆不再只是“给模型加历史”。本周更强调两件事：先把记忆需求测清楚，再用更轻的方式补上时序能力。RoboMME把记忆拆成 temporal、spatial、object、procedural 四类，并显示不存在通吃方案。TempoFit则走插件路线，直接复用层级 K/V 缓存，在不训练的前提下提升长时程操作成功率。
世界模型的关注点明显变化。重点不再是生成更像的视频，而是学到对控制有用的动态表征，并把这种表征接到安全监测和决策上。CoWVLA用潜在运动链替代冗余未来帧重建，在 LIBERO 上达到 0.956。另一条线则把概率世界模型用于运行时异常检测，在双臂失效检测上做到 92.0±6.4% 总体准确率。
真实部署的另一条主线是少改模型、多补接口。AnyCamVLA在不加示教、不微调策略的前提下，把测试视角实时变回训练视角，显著提升相机扰动鲁棒性。同期的轻量适配工作也在减少任务迁移成本，说明社区正把“如何低成本上线”放到和“如何提分”同等重要的位置。
Turn arXiv, Hacker News, OpenReview, Hugging Face Daily Papers, and RSS into local Markdown, Obsidian notes, Telegram digests, and a public site.