Chenyu Su et al. · 针对 VLA 在精密/可重复任务上不可靠的问题，提出真机在线 RL 后训练方法，用不对称双策略共引导（Asymmetric Co-Bootstrapping）组织样本，提升真机试错学习的样本效率与精度任务覆盖。是把通用 VLA 打磨成高精度部署模型的直接可参考训练方案。
Andrew Ting Yan Li et al. · 针对 VLA 只有 action 而无 why、引入因果推理又需要在线生成额外 token 的矛盾，提出在训练时将语义推理结构嵌入 latent space 的 latent semantic scaffolding，使部署期不增加推理开销即可获得推理带来的决策收益。对长程/状态跟踪型 VLA 的推理费用瓶颈是直接解法。
Yaohua Liu et al. · 把碰撞风险估计作为显式模块接入双机械臂 VLA 动作生成，在指令跟随之外抑制机械臂间及臂-被抓物体间的自碰撞。针对双臂 VLA 部署最头疼的自碰撞问题给出可直接叠加的 safety module，适用双臂平台团队本周即测。
Yutian Zhang et al. · 面向接触丰富的移动操作（loco-manipulation），提出力感知全身补偿模块：承接 VLA 输出的语义级动作，再用本体/力觉反馈修正为可执行全身指令，解决 VLA 动作与真实物理接触交互之间的断层。对轮式/腿足移动操作本体与 VLA 的联动部署有直接迁移价值。
Zipei Ma et al. · 给 world-action model 补上触觉通道：预测未来触觉观测并用接触线索做实时动作修正，解决视觉为中心预测丢失局部接触信息的问题。对装配/插拔等接触密集操作和触觉 VLA 闭环是最直接相关的新增量。
Jindou Jia et al. · npj Robotics 期刊论文（本次仅有标题，无摘要）：主题是用物理一致性过滤训练数据/仿真经验来提升学习策略的泛化，方向贴近数据清洗与 sim-to-real。建议打开原文确认方法与 VLA 接口后再判断。
Anton Bredenbeck et al. · 用带嵌入式软体触觉感受器的拟人手实现空中机器人栖停（perching），本质是触觉引导的抓握附着，非 VLA/桌面操纵学习主线。对触觉传感器形态与接触反馈集成有参考价值。（仅按标题判断）
Jean Pierre Sleiman et al. · Science Robotics 人形/运动机器人专题：面向剧烈运动控制任务的零样本跨实体技能迁移，强调策略在 embodiment 差异下不重新训练直接迁移。对 VLA 跨本体迁移设计有思路参考，但应用场景是体育竞技而非操作任务。（无完整摘要）
Zhengyi Luo et al. · Science Robotics 人形专题：借助大规模人类动作捕捉数据实现自然、高质量的人形全身运动跟踪控制。动捕数据规模与整身跟踪训练方式是关心 humanoid 数据管线的读者可借鉴的内容。（无完整摘要）
Yushi Wang et al. · Science Robotics 人形专题：学习视觉驱动的反应式足球技能（追球、控球、对抗反应），验证高动态场景下视觉闭环控制策略。属于竞技/运动控制而非操纵任务，可作视觉策略部署参考。（无完整摘要）
Josua Spisak et al. · 发展机器人学研究：让机器人在类似婴儿床环境中通过玩耍探索物体，检验动作-感知的 sensorimotor contingency（感觉运动条件性）学习机制。对好奇驱动的主动数据采集与具身探索设计有启发性。（无完整摘要）
Qiayuan Liao et al. · Science Robotics 人形专题：用 guided diffusion 把人/机器人动作跟踪数据扩展为多样可泛化的人形全身控制策略。扩散式动作生成与动作数据利用方式可供 humanoid VLA 组参考。（无完整摘要）
Mingshi Chi et al. · 面向人形机器人的汇聚式双目立体视觉深度感知研究，解决近距、大视角双目标定与深度估计问题。可作为感知前端的参考输入通道，但属视觉模块而非 VLA 训练方法。（无完整摘要）
Yan Gu et al. · Science Robotics 人形专题中的运动控制综述，梳理从 model-based/CPG 到 RL+数据驱动范式的演进与标志性能力。适合作为理解人形本体控制边界与 scaling 趋势的速览材料。（无完整摘要）
Hae-Won Park · Science Robotics 人形专题评述/观点文：讨论人形机器人从杂技式专用技能走向通用能力的关键转折点与技术缺口。属于战略视角文章，适合关注人形部署路线图的读者。（无完整摘要）
Jie Ma et al. · 为长程 VLA 执行设计标签高效的时间戳级失败检测，定位策略偏离预期动作的具体时刻而非只判断整体成败，可直接用在 VLA 部署监控层。属于可靠性评测/监控方向，对安全落地有价值但非训练范式创新。
Amarjot Singh et al. · 提出部署后持续域自适应模型 CFAMs，强调在只有机载算力、标签稀缺的真实场景中在线适应环境漂移。场景偏向任务关键自主作业，具体机器人评测细节未在摘要中展开，暂按方法与框架类论文跟踪。
Haoxiang Sun et al. · 面向机器人辅助穿衣的扩散策略：显式建模人体运动，解决穿衣过程中衣物-人体接触与遮挡导致的动作预测困难。是 deformable interaction 与人-机共用空间操纵的典型场景，动作表示方法可移植到相似照料任务，但非 VLA 主线。
Lin Liu et al. · 指出 LIBERO 等基准上 VLA/WAM 成功率接近满分，但模型在失败-恢复场景中表现脆弱，并发布带恢复评测的设置/数据。属于评测数据集型贡献，提醒团队：成功率饱和并不等于部署可靠。
Pasquale Marra et al. · 双臂机器人-人交接物体任务中，用时间序列触觉编码与力位顺从（compliance）判断接收者‘何时准备好拿取’，解决纯视觉无法分辨接管意图的问题。对触觉-视觉融合与安全人机交接的 VLA 末端控制有参考价值。
Zhenxuan Fan et al. · 引入 RoboSPA 评测来揭示 VLA 在固定预设场景之外的真实泛化缺口：涵盖未见组合、物理适配、更长任务等维度，并分析任务成功之外模型真正的失败原因。属 benchmark/诊断型贡献，适合作为 VLA 泛化压力的补充测试集。
Vivek Chavan et al. · 为长程操纵 VLA 引入神经-符号化过程推理：维护持久任务状态并支持依赖感知、条件分支与可靠 grounding，弥补纯策略模型在多阶段程序中的状态丢失问题。架构方向值得跟踪，但‘Towards’式表述下还需等待完整对照实验。
Vivek Chavan et al. · 诊断视觉运动模仿策略的 conditional visual grounding：当任务中引入相似目标/容器时策略把 attention 绑错物体而失效，并给出针对性改进。对 ACT/Diffusion 类模型的视觉特征选择机制有调试指导价值。
Yuhao Zhang et al. · 为 VLA 真机部署建立物理 red teaming 机制：在训练/仿真阶段主动注入物理扰动与危险事件，识别不可逆伤害风险，弥补部署前缺乏安全风险探测手段的空白。属安全评测与风险协议贡献，不直接提升任务成功率。
Taeyoon Lee et al. · 提出双臂机器人杂耍技能的在线学习框架，真机上数分钟即可习得多种扔/接模式，且在存在明显 sim2real gap 时仍能直接硬件学习。亮点是真实机器人样本效率，可作为 VLA 在线强化/快速运动的执行层参照。
Runze Xu et al. · 针对固定 action chunk 导致推理次数与振荡的 trade-off，提出利用 VLA 编码器内部 cross-attention 在 chunk 边界的动态特征判断停止/延长时机，实现自适应执行长度。模型无关，可附加在主流 VLA 推理端降低无效推理。
Pablo Valle et al. · 从不确定性度量与质量属性角度系统梳理 VLA 机器人系统的评测框架，覆盖感知、语言理解、规划与执行的综合评价维度。属评测方法论/综述型论文，适合作为 VLA 系统级验收指标的参考清单。
Jingyan Zhang et al. · 面向语言指令驱动的物理仿真人形控制，提出多阶段训练的扩散策略，化解语义表达能力与物理可行性之间的冲突。属仿真人形控制推进工作，暂未见真实机器人实验，适合作为语言-人形动作生成的算法参考。
Haoran Sun et al. · 提出面向 VLA 后训练的灵活异步 RL 框架，解耦策略优化、采样与回放环节，解决现有 VLA RL 框架串行化、吞吐受限的问题。与今日的 VLA-Precision 同属在线 RL 后训练方向，作为工程架构方案对比阅读。
Fan Du et al. · 针对 flow-based VLA 多步去噪耗时长、从无信息噪声恢复动作结构效率低的问题，提出先粗后细的动作生成：先确定动作整体结构再细化局部。能压缩 flow 策略推理步数、降低部署延迟，适合追求实时性的 VLA 团队参考。
Abdulaziz Almuzairee et al. · 提出加速视觉强化学习的训练策略，兼顾 off-policy 样本效率与大规模并行采样的速度，压缩 sim-to-real 视觉控制策略的训练周期。属 RL 基础设施型工作，对 VLA 后期真实场景微调有流程参考价值。
Jai Bardhan et al. · 用强化学习稳定动作条件机器人世界模型的长程视频 rollout，解决多步视频预测误差累积的问题，使视频世界模型能替代传统物理引擎做任务仿真。对世界模型驱动的数据生成与策略评估有直接参考。
Yukuan Lu et al. · 复现 DreamerV3/DIAMOND/TWISTER 等五种世界模型智能体，分析“强智能体内部的世界模型却很弱”这一现象及其对泛化的影响。属于世界模型原理研究，结论可迁移到机器人世界模型的评测设计。
Xin Zhang et al. · 提出将视频世界模型中的“观察者运动”与“外力干预导致物体运动/接触变化”区分开，显式引入物理分解，使单张图片即可支撑交互式探索与操纵相关的未来预测。若与真机验证结合将是世界模型瓶颈的一个重要解法，现有摘要偏向视觉动力学验证。
Penghao Zhu et al. · 针对 JEPA 类潜空间世界模型的预测训练，设计频谱目标的物理潜变量结构约束，提升 latent rollout 的长期稳定性与可解释性。属潜空间预测器的架构级改进，偏算法层创新，需结合下游任务判断收益。