1. 领域正式跨越架构探索期，进入工程收敛阶段。language_grounding 以 1.57 加速度独家 SURGE，而 world_model (0.69) 与 diffusion_policy (0.42) 全面衰退，证明社区共识已转向“语言直接锚定动作”的务实路径。
2. 动作头与后训练路线完成事实标准确立。Flow Matching (52篇, acc 0.79) 碾压 Diffusion Policy (22篇, acc 0.42)；RL Finetuning (55篇, acc 1.12) 彻底终结 Instruction Tuning (6篇, acc 0.25) 的物理控制幻想。
3. 基准全面饱和掩盖真实泛化停滞。43次 SOTA 刷新集中于 CALVIN/LIBERO 系列，但评级分布显示仅 1.1% (4篇) 为突破性工作，近 70% 为增量改进或无效噪声，刷榜已触及理论天花板。

方法族趋势揭示出明确的“去伪存真”过程。language_grounding 在 7 日内产出 63 篇并以 1.57 加速度领跑，成为唯一 SURGE 方向，表明将自然语言指令直接映射为动作空间是突破视觉-动作瓶颈的最短路径。相反，依赖长序列预测的 world_model (加速度 0.69) 和 long_horizon (0.68) 持续失速，证明生成式规划在实时控制中的计算开销与延迟难以承受。在策略生成层面，Flow Matching 凭借 0.79 的加速度与 52 篇的绝对数量确立为新一代动作头标准，彻底取代了训练不稳定且推理缓慢的 Diffusion Policy。后训练阶段，RL Finetuning 以 1.12 的加速度和 55 篇的规模对 Instruction Tuning (0.25, 6篇) 形成降维打击，SFT 的静态映射天花板已现，基于奖励塑形与真实动力学交互的 RL 管线成为提升策略鲁棒性的唯一共识。

• MolmoAct2 (2026-05-06/12): 该工作首次将动作推理能力直接嵌入轻量级视觉语言模型，专为真实世界部署优化。它证明了无需庞大参数量，通过针对性的动作链推理微调，即可在复杂指令跟随任务中实现低延迟响应，为端侧 VLA 落地提供了可复用的架构模板。
• DreamTacVLA (2026-05-08): 针对接触丰富操作，该模型引入“感知未来”机制，在触觉反馈发生前预测接触状态并提前调整策略。这一设计巧妙绕过了传统触觉传感器的高延迟瓶颈，将触觉信息从“事后修正”转化为“事前规划”，显著提升了精密装配任务的成功率。
• Dexora (2026-05-20): 作为首个开源的高自由度双手协同 VLA，Dexora 填补了社区在复杂灵巧操作基准上的空白。其开放权重与训练管线直接降低了多指手控制的入门门槛，有望引发一波基于开源模型的灵巧手微调热潮。

• 资本叙事与学术投票的背离：产业端 Jim Fan 高调宣告 VLA 已死并力推 World Action Models，但学术数据呈现反向运动：world_model 加速度仅 0.69 持续衰退，而 language_grounding 以 1.57 独家 SURGE。特斯拉 Q2 量产与众擎数亿融资倒逼策略快速落地，直接语言-动作映射比生成式世界模型更能满足低成本、高响应的工程需求，WAM 的学术热度正被更直接的指令跟随范式取代。
• 仿真疲劳与实机验证转向：尽管 MuJoCo、Genesis、Habitat 三大仿真引擎在两周内密集发布更新（v3.8.1/v.0.4.7/v0.3.4），但 sim_to_real 与 cross_embodiment 方法族却双双衰退（加速度分别为 0.17 和 0.21）。这表明社区已认清“渲染升级无法跨越长尾分布”的现实，研究重心正从“如何缩小仿真差距”转向“如何用真实数据与语言锚点直接训练策略”，仿真器正式沦为基础设施而非突破方向。

• 触觉研究的“降维成熟”：理论深挖高度聚焦触觉操作（DreamTacVLA、TouchGuide 等 5 篇），产业端触觉供应链同步爆发，但 tactile 方法族加速度仅 0.25 持续下滑。这并非背离，而是技术成熟的标志：触觉正从“待探索的算法课题”降维为“标准化硬件模块”。学界不再需要论证触觉的价值，而是将其视为默认输入与 language_grounding 融合。
• 基准饱和下的“务实投票”：CALVIN/LIBERO 全面见顶，但深挖论文密集转向亚毫米装配与实机部署。学界正集体放弃“刷榜”，转向解决长时程与移动操作的脆弱性，long_horizon 的衰退正是对“宏大规划不切实际”的无声投票。

技术栈正经历残酷的收敛：Flow Matching + RL 后训练 + 语言直接锚定已成为不可逆的“黄金三角”。分歧仅存在于数据获取路径：一派主张通过开源硬件与 RaaS 平台积累海量真实交互数据，另一派仍试图通过视频生成与合成数据绕过物理采集成本，但后者在加速度数据上已显颓势。

活跃赛道高度集中于 CALVIN (14次) 与 LIBERO 系列 (14次)，但所有主流划分均已标记为「饱和」。43 次 SOTA 刷新的边际收益趋近于零，社区陷入内卷。真正的评估战场正悄然转移至 RoboCasa-GR1-Tabletop 与 RoboChallenge 等更具物理真实性的新基准，但尚未形成规模效应。

• MuJoCo 3.8.1：优化接触动力学求解器，为高自由度灵巧手操作提供更精确的物理反馈。
• Genesis v.0.4.7：强化渲染效率与跨平台兼容性，继续巩固其作为主流 VLA 训练仿真底座的地位。
• Habitat v0.3.4：更新导航与场景理解模块，虽未直接拉动 sim_to_real 热度，但为具身导航任务提供底层支撑。