1. VLA 范式彻底转向世界预测：world_model 以 1.99 的 7 日加速比与 69 篇产出成为唯一 SURGE 赛道，标志着学术界正式从“动作生成”跨越至“物理世界建模”，试图用生成式预测替代传统策略网络。
2. 扩散策略时代终结与 RL 全面主导：diffusion_policy 加速比暴跌至 0.11 并被 flow_matching（22 篇）彻底碾压；rl_finetuning 以 44 篇对 1 篇完胜 instruction_tuning，后训练管线已高度收敛至确定性优化路径。
3. 学术内卷与产业务实的剧烈温差：346 篇论文中仅 1.4% 获评 ⚡，15.6% 遭拒，基准全面饱和导致增量刷点失效；而产业界正将资本密集投入核心硬件与数据基建，算法瓶颈让位于工程供应链与物理落地。

方法族的分化已撕裂 VLA 领域的表面繁荣。world_model 的爆发并非偶然，而是社区对传统策略网络泛化能力瓶颈的集体突围。与之形成残酷对比的是，其余 14 个方法族全部冷却或衰退。language_grounding 与 long_horizon 加速比跌破 0.84，证明纯语义对齐与硬编码长程规划已触及天花板；tactile、dexterous_hand 与 sim_to_real 加速比均在 0.4 左右，表明学术界正战略性撤出重资产、低边际收益的硬件依赖型赛道。竞争格局中，flow_matching 对 diffusion_policy 的 2:1 碾压，以及 rl_finetuning 对 instruction_tuning 的绝对统治，证明 VLA 的策略优化路径已彻底服从于推理效率与物理置信度。

• Do as I Do (6/19)：突破传统机器人数据采集的成本壁垒，从日常人类视频中逆向提取灵巧操作轨迹。该方法将数据规模提升数个数量级，为长程操作策略提供了海量先验分布，大幅降低了对专业遥操作设备的依赖。
• EquiVLA (6/20)：引入旋转等变性框架，从数学层面保证 VLA 在 3D 空间姿态预测中的几何不变性。这直接解决了传统模型在复杂装配任务中因视角变化导致的策略抖动问题，为高精度物理交互提供了理论基石。
• UniviewVLA (6/24)：统一多视角架构与内置世界建模，证明多模态融合不再是简单的特征拼接，而是需要显式的空间-时序预测机制。该架构显著提升了对动态遮挡的鲁棒性，为真实非结构化环境下的连续决策开辟了新路径。
• Cosmos 3 (6/25)：NVIDIA 的 omnimodal 世界模型将自动驾驶的生成式预测技术降维至物理 AI。它标志着工业界正式用世界模型替代传统策略网络，通过跨物理场景的联合预训练，实现了从“感知-动作”到“预测-规划”的范式跃迁。
• Reinforcement Fine-Tuning of Flow-Matching (6/27)：将 RL 与 Flow Matching 结合，填补了连续动作空间下策略优化的理论空白。该方法利用 RL 的奖励信号引导流场收敛，有效抑制了生成过程中的分布外动作，直接印证了本期 rl_finetuning 赛道的爆发逻辑。

1. 仿真引擎成熟抽空迁移研究生存空间：MuJoCo 3.10.0 与 Genesis v1.2.0 在 6/22-23 的密集更新，直接导致 sim_to_real 加速比跌至 0.43。当仿真保真度足以覆盖绝大多数物理摩擦与碰撞场景，域迁移从算法难题降级为配置问题。学术界随之撤出，产业资本则精准转向更底层的关节传感器与数据基建（6/18 融资报告），完成价值链的重新分配。
2. 产业对象中心表征倒逼学术放弃纯语言对齐：RoboScience 6/24 发布 Visics 并引入 VLOA 架构，产业界已明确抛弃纯语言驱动，转向“对象中心”物理建模。这与学术端 language_grounding 冷却（0.84）形成强烈共振，说明 VLA 的语义对齐红利已耗尽。产业数据明确指出：物理对象的精确表征与状态跟踪，才是具身智能落地工厂产线的生死线。

1. 基准分数与真实能力的脱钩：42 次 SOTA 更迭全部挤在 CALVIN/LIBERO 等已饱和的仿真基准上，但理论界 Deep Dive 却密集探讨“常识保留”、“不确定性量化”与“混合精度量化”。这表明头部团队已清醒认识到仿真分数的虚假繁荣，正悄然将研究重心从“刷榜”撤退至“系统可靠性与部署效率”的深水区。
2. 扩散模型的消亡是算力经济学的必然：diffusion_policy 的加速比仅 0.11，并非技术路线错误，而是其多步采样的推理延迟与算力成本无法支撑实时物理交互。产业界与学术界正同步转向推理更快的 Flow Matching 与确定性更强的 RL 后训练，算法选择已彻底服从于边缘端部署的工程约束。

领域已收敛于“世界模型预测 + RL 策略优化”的二元架构，分歧仅存于对象表征（对象中心 vs 全局特征）与多模态融合（语言指令 vs 视觉提示）的实现路径。未来 6 个月，谁能将对象级预测误差直接映射为策略奖励，谁将定义下一代 VLA 标准。

CALVIN（14 次 SOTA 更迭）与 LIBERO 系列（各 6 次）已全面饱和，增量刷点失去学术价值。MetaWorld（7 次）与 RoboCasa-GR1-Tabletop（5 次）成为新的竞争高地，但同样面临快速饱和风险。真实物理交互基准严重缺失，成为制约领域从“仿真玩具”迈向“工业工具”的最大短板。

MuJoCo 3.10.0 (6/22) 与 Genesis v1.2.0 (6/23) 发布，物理仿真保真度与渲染效率大幅提升。这直接加速了 sim_to_real 赛道的学术衰退，同时为基于仿真的世界模型训练提供了更高质量、更低成本的合成数据源，推动数据飞轮进入正向循环。