产业部署已跨过原型期，学术界却在撤退。 Figure AI + BMW 装配线、Tesla Optimus Gen3 德州小批量生产、广州物流 24/7 分拣——产业端已进入「用 VLA 解决真问题」阶段。但学术端 human_robot、mobile_manipulation、cross_embodiment 等方法族全面衰退。产业需要的真实环境鲁棒性和跨模态协同，恰恰是学术热度最低的方向。

触觉-VLA 出现「认知觉醒但论文未至」的窗口期。 社交情报中 8/2 有专门讨论触觉感知在 VLA 中整合的文章，指出纯视觉世界模型在物理接触场景的局限性。但方法族数据中 tactile 处于衰退通道。本期出现 2 篇触觉相关 ⚡ 论文（N₀-TWAM 和 τ），说明前沿研究者已开始填补这个空白——窗口正在打开。

基础设施层正在快速标准化，纯算法创新的边际收益递减。 Genesis 三周内连发三个版本（v1.3.0/v1.3.1/v1.3.2），松应科技发布 ORCA OS 多形态智能体操作系统，Anthropic MCP 转向无状态架构。当仿真器、协议、中间件趋于成熟时，算法层面的增量改进越来越难获得 ⚡ 级影响力。

本期唯一加速的方法是 language_grounding，这与产业部署的核心痛点高度吻合——Figure AI 在 BMW 装配中强调 VLA 的「推理与纠错能力」，本质上需要语言指令到物理动作的精确锚定。与此同时，flow_matching、diffusion_policy、tactile、human_robot 等方法族全面衰退。值得注意的是，flow_matching 的衰退并不意味着生成式动作策略失效：XS-VLA 展示了粗粒度空间蒸馏+流匹配的轻量化路径，CoTinyVLA 用思维链蒸馏将 VLA 压缩到子十亿参数。衰退反映的是学术界的探索方向转移，而非技术路线的终结。

N₀-TWAM: Scaling Tactile-Native World-Action Model for Contact-Rich Manipulation (7/29)

这是本期最值得关注的 ⚡ 论文。标题中的「Tactile-Native」和「Scaling」是两个关键信号——它不是把触觉作为视觉的补充模态，而是从架构层面将触觉作为原生输入，并且正在走 scaling 路线。这与方法族中 tactile 衰退的趋势形成强烈反差，说明主流学术界尚未跟上这个方向，但前沿团队已经在做系统性探索。如果 scaling law 在触觉-世界模型上成立，这将重新定义 contact-rich manipulation 的研究范式。

τ: Learning Touch-Augmented Vision-Language-Action Models from Future Visual Signals (8/1 & 8/11)

同一篇论文在 8/1 和 8/11 各出现一次（可能是 v1 和 v2）。核心思路是用「未来视觉信号」来学习触觉增强 VLA——这是一个巧妙的间接触觉学习路径。在缺乏大规模触觉-动作配对数据的情况下，通过未来视觉变化来反推接触信息，类似于视觉中的自监督学习。这个方法的可扩展性取决于未来视觉预测的精度，但如果有效，可以绕过触觉数据采集的瓶颈。

In-Context VLA: Endowing Vision-Language-Action Models with Language via In-Context Learning (8/8)

与 language_grounding 加速趋势直接呼应。In-context learning 让 VLA 能够在推理时动态适应新的语言指令，而不需要微调。这对于产业部署至关重要——BMW 装配线不可能每次更换任务都重新训练 VLA。这篇论文的方向与 Figure AI 在真实装配中展示的「推理与纠错能力」高度契合。

轻量化浪潮与边缘部署的共振。 Deep Dives 中 XS-VLA、CoTinyVLA 密集出现，同期 Unitree IPO 定价 150.80 元/股、Dobot 发布 LUMO 定位家庭/职场场景。消费级人形机器人对算力预算极度敏感——家庭场景不可能搭载数据中心级 GPU。学术界 0.88B-2.3B 参数模型的密集突破与产业端的「可部署」需求形成共振。但 flow_matching 本身的衰退暗示轻量化路径正在从扩散/流匹配转向更高效的架构选择。

基础设施竞赛先于算法竞赛。 Genesis 的三周三连发与 LIBERO 团队活跃度（9 mentions）形成鲜明对比：产业端在构建自己的仿真-部署闭环，学术界仍依赖少数基准。当仿真器（Genesis）、操作系统（ORCA OS）、协议（MCP v5 无状态化）快速标准化时，纯算法创新的差异化空间被压缩。这意味着下一阶段的竞争焦点将从「谁的 VLA 更好」转向「谁的 VLA 在谁的平台上跑得更好」。

触觉-VLA 的「温差」现象。 产业/媒体已经公开讨论触觉感知在 VLA 中的必要性（8/2 AI News Daily），但方法族数据中 tactile 处于衰退通道。这种认知与产出的错位通常预示着：要么学术界存在数据/硬件瓶颈（触觉采集成本高），要么前沿团队在保密状态下推进（N₀-TWAM 可能就是其中之一）。无论哪种情况，触觉-VLA 在未来 3-6 个月内可能出现集中爆发。

动作分块的理论真空。 Deep Dives 中出现「为什么动作分块能提升行为克隆性能？」这样的基础理论问题，说明 VLA 核心操作范式（action chunking）的理论基础仍然薄弱。但产业端已经在真实装配线上部署 VLA 策略。当前 VLA 工程实践在很大程度上是经验驱动的——我们知道 chunking 有效，但说不清为什么有效，也不知道最优 chunk 长度该如何自适应选择。CycleVLA 的子任务回溯和动态执行承诺（A3 机制）是填补这个空白的早期尝试。

收敛： 轻量化（<2B 参数）和语言 grounding 已成为共识方向。XS-VLA、CoTinyVLA、In-Context VLA 共同指向同一个结论：VLA 需要在保持语言理解能力的同时，大幅降低部署成本。

分歧： 动作表示层面，生成式（流匹配/扩散）vs 离散 token 预测 vs 检索增强三条路线并存，尚无定论。flow_matching 的衰退可能意味着生成式路线遇到了性能天花板，也可能只是学术界的探索疲劳。

LIBERO 团队和 LIBERO benchmark 各有 9 次提及，活跃度完全对应，说明学术界仍高度依赖单一基准。Meta-World 在 FabriVLA 中达到 90.0% MT50 成功率，逼近天花板。CALVIN（ABCD-D split）和 LIBERO Plus 仍是主要评测场。缺乏面向边缘部署（延迟-精度-功耗）和真实环境鲁棒性的标准化基准——这是产业与学术的评估鸿沟。

• Genesis v1.3.0 → v1.3.2（7/29-8/7）：三周三连发，仿真器迭代速度明显加快
• LeRobot v0.6.1（8/3）：HuggingFace 工具链持续更新
• 松应科技 ORCA OS（7/27）：全球首个物理 AI 操作系统，支持多形态异构智能体
• Anthropic MCP v5（7/28）：从「有状态」全面转向「无状态」，适配 Serverless 环境