1. 方法族范式彻底转向：world_model 是唯一保持稳定动量且加速比最高（1.13）的赛道，彻底取代了衰退的 language_grounding（0.48）与 rl_finetuning（0.54）。学术界已承认纯语言对齐与试错式强化学习的收益见顶。
2. 产学研严重脱钩：14 个核心方法族全部标记为衰退，而产业端正以百万级产能（Tesla 1000 万台/年、XPeng 试产、逐际动力 2 亿美元融资）和万亿参数基座（Kimi K3 2.8T）暴力构建数据飞轮。
3. 工程收敛与基准失效：335 篇评级论文中仅 1.5%（5 篇）获得 ⚡ 标记，且全部围绕“Scaling”展开。44 次 SOTA 变动高度集中于已饱和的 CALVIN/LIBERO 基准，暴露出领域陷入“仿真内卷”，纯算法改良已触及物理天花板。

竞争力量对比已不可逆地倒向“模型驱动”与“触觉优先”。在“学习信号”对决中，world_model（62篇，加速1.13）全面压制 rl_finetuning（49篇，加速0.54）；“动作头”赛道 flow_matching（20篇）以微弱优势超越 diffusion_policy（16篇），反映工程界对低延迟实时控制的迫切需求；“操作模态”中 tactile（25篇）以近两倍体量碾压 dexterous_hand（13篇），证明解决接触富集任务的核心在于触觉反馈机制，而非单纯机械结构堆砌。cross_embodiment（0.1）与 instruction_tuning（0.05）的断崖式下跌进一步印证，试图通过提示词或跨形态指令实现通用策略的幻想已被打破。

RoboTTT: Context Scaling for Robot Policies (7/18)

该论文聚焦于机器人策略的上下文缩放能力，证明延长策略观测的时间窗口是提升长程执行成功率的首要杠杆，从而绕过了对复杂分层规划器的依赖。它将工程重心从架构复杂性转移到了记忆管理与注意力效率上，为处理超长视界任务提供了可验证的基线。这标志着 VLA 策略正从“离散指令响应”向“连续历史状态建模”演进。

Xiaomi-Robotics-1: Scaling VLA Models with over 100K Hours (7/21/24)

该工作展示了使用超过 10 万小时真实世界数据训练 VLA 模型所带来的巨大泛化飞跃。它明确证明数据规模与物理多样性现在比算法新颖性更为关键，确立了“数据即护城河”的工业新标准。在此基准之下，任何低于 1 万小时数据量的研究在统计意义上都将被视为缺乏说服力。这标志着 VLA 正式迈入以数据吞吐量为核心壁垒的工业化竞赛阶段。

ViTacWorld: Scaling Visuo-Tactile World Models (7/28)

该研究专门针对接触富集操作任务，对视觉-触觉世界模型进行了规模化扩展。它揭示了触觉反馈不仅仅是辅助信号，而是能够大幅降低物理交互不确定性的核心预测模态。这迫使社区重新评估纯视觉管线，标志着纯光学 VLA 统治地位的终结。通过融合触觉进行世界状态预测，策略在复杂接触动力学下的鲁棒性得到了数量级提升。

$N_0$-TWAM: Scaling Tactile-Native World-Action Model (7/29)

该论文引入了一种触觉原生的世界-动作模型，将触觉流原生集成到动作生成过程中，而非后期融合。实验表明，触觉数据的早期融合能产生比晚期融合更稳健的接触策略。这为灵巧操作确立了新的架构标准，优先发展触觉原生设计而非视觉主导的适应性修改。它证明了在物理接触瞬间，触觉先验是维持策略连续性的唯一可靠保障。

产业资本/数据飞轮 vs 学术算法内卷

产业资本正以百万级产能（Tesla 目标 1000 万台/年、XPeng 试产、逐际动力 2 亿美元 Pre-IPO）和万亿参数基座（Kimi K3 2.8T）构建数据飞轮，直接绕过了学术界对 rl_finetuning 与 diffusion_policy 的边际优化。行业不再需要实验室级别的算法微调，而是渴求能吞吐十万小时真实轨迹、具备原生物理预测能力的系统级架构。学术界的“算法内卷”与产业界的“规模暴力”已彻底脱钩，纯算法改良的价值正在被数据规模指数级稀释。

实体活跃度与平台发布的错位

OpenAI（83 次）与 Anthropic（69 次）的绝对虹吸下，LIBERO 团队与基准仅存 8 次提及。与此同时，Genesis v1.2.3 与 MuJoCo 3.11.0 持续迭代，配合 DenseReward 与 RoboWorld 等深度拆解，揭示社区已放弃在饱和基准上刷分，转而押注神经仿真器与失败合成管线。学术热度正从“静态任务完成度”不可逆地滑向“动态环境可微分建模”，因为唯有高保真仿真才能支撑工业级后训练流水线（如 HELP/UniSteer）的规模化展开。

主流叙事沉迷于“多模态融合”与“长程规划”，但 language_grounding 与 long_horizon 的同步衰退暴露了语言指令在物理控制中的瓶颈。产业端（蚂蚁 LingBot-VA 2.0、NVIDIA GR00T N1）已悄然转向“世界模型+连续轨迹生成”，语言降维为辅助对齐信号，而非核心控制接口。此外，论文评级中 49% 为文献综述、18.2% 直接淘汰，说明 VLA 已越过“概念验证期”，进入“工程收敛期”。学术界的高淘汰率并非质量下滑，而是创新范式已触及纯算法改良的物理天花板。

技术栈正加速收敛于“世界模型+触觉原生+Flow Matching”的组合，以此作为解决接触富集与实时控制的唯一可行路径。分歧则彻底撕裂了“语言指令驱动”与“物理状态驱动”两条路线，前者因无法突破长尾分布的泛化瓶颈而被边缘化，后者因契合工业量产需求而成为绝对主流。

44 次 SOTA 变动高度集中于 CALVIN（16 次）与 LIBERO 系列，但所有主流基准均被标记为“饱和”。这暴露出领域正陷入“仿真内卷”：团队在已饱和的 ABC-D/D-D 分割上追逐边际提升，却无力解决真机部署的长尾分布。基准失效倒逼研究向物理世界回归，sim_to_real（12 篇）的逆势存在即是明证，静态任务完成度已无法作为衡量策略泛化能力的有效指标。

• Genesis v1.2.3 (7/18)：持续优化高保真物理仿真管线，支持更复杂的接触动力学模拟，为触觉世界模型提供底层算力支撑。
• MuJoCo 3.11.0 (7/28)：发布新版本，进一步强化了多智能体协同与可微分物理引擎的兼容性，顺应了从单体控制向网络化协同演进的学术趋势。