Mehmet Turan Yardımcı et al. · 针对在线 RL 精调 flow-matching VLA 时单任务能力被破坏（task collapse）的问题，用不确定性门控的探索噪声抑制更新冲突；可直接照搬到 VLA 部署后持续学习的训练流程。
Jinxuan Zhu et al. · 指出 VLA 高精度操作失败源于视觉注意力分散，用反事实视觉干预学出动作相关的注视监督，把注意力对齐到任务区域；给 VLA 提供了一条不依赖额外硬件标注的注意力约束训练思路。
Hongxin Zhang et al. · 针对 VLA 无记忆、对测试时环境与硬件漂移（磨损、标定误差）脆弱的问题，提出运行时自适应调整，使预训练 VLA 在部署后维持操作成功率；为 VLA 上线后的鲁棒性提供可复用方案。
Yufei Duan et al. · 重新审视离散 token VLA 的动作表示：指出位姿增量 token 对执行速度和数据集归一化敏感，提出方向-尺度解耦的动作 token 化，让 token 更稳定、跨数据集更可迁移。
Joseph Rigal et al. · 提出 SpectRobot，把高带宽单点触觉信号重建为空间分布的触觉表征用于学习式操作，为主流分布式触觉阵列之外提供轻量传感方案；对做触觉 VLA 感知输入选型有直接参考价值。
Tara Sadjadpour et al. · 提出形态与接触感知的人手重定向方法，把人类手-物交互演示转成动力学可行的机器人手部动作，并训练可 sim-to-real 的视觉运动策略，面向灵巧操作演示数据的规模化采集。
Zhaofeng Luo et al. · 为胶带粘贴这类涉及柔性带、滚筒与粘附/脱附表面的操作构建高效仿真环境，让难以重复的交互可批量用于机器人开发与评测，属专用仿真器工作。
Teeratham Vitchutripop et al. · 分析流式深度强化学习在机器人持续学习中的行为，考察在线数据更新对既有任务能力的保持与退化，给出持续学习在实际机器人上的权衡证据。
Shuxin Cao et al. · 用无监督关键点学习物体中心表示，使行为克隆策略能跨形状、尺寸、位姿不同的未见物体泛化，缓解对单一实例几何的过拟合。
Xuyao Huang et al. · 提出动作条件的世界-动作模型用于异步操作，错开视觉预测与动作生成以避免后续动作依赖过期预测，降低世界模型在线推理的延迟开销。
Ihab Tabbara et al. · 研究跨本体潜空间安全滤波器，假设 VLA 学到的共享状态表征可承载安全约束，从而让同一滤波器适配异构机器人，属 VLA 安全方向的早期探索。
Ziyuan Wang et al. · 面向受限空间的臂-手协同运动规划，避免把手臂路径规划与手部动作生成解耦带来的不一致，属灵巧操作的运动规划方法而非学习策略。
Yijun Yuan et al. · 提出表示世界模型，直接在表征空间学习状态、转移与可执行计划，不联合学习显式动力学与潜表征，面向规划式操作任务。
Junyi Tang et al. · 为长时程 VLA 执行引入自适应任务 harness，用持久化记忆与规划上下文补足端到端 VLA 的局部控制短板，缓解长任务中的遗忘与重复。
Hanbit Oh et al. · 把人类演示中的操作节奏迁移到机器人策略，让模仿学习策略突破机器人示教固有的保守速度，在保持成功率的同时加快任务执行。
Riccardo Andrea Izzo et al. · 针对 flow-matching VLA 的推理成本，提出解耦的早退机制，让 VLM backbone 与 action expert 按任务难度分别退出，降低平均推理延迟。
Zexi Li et al. · 用感知增强把基础 VLM 的物体、指令与空间理解接入机器人操作，绕开 VLA 对大量示教的依赖，属 agent 式封装路线，未见具体技术细节。 [💧灌水]
Zexi Li et al. · 把推理、行动与代码生成统一为可进化的策略，在运行时生成并修复程序，并把可复用机制与任务特定决策解耦以降低延迟，是 Code-as-Policies 的改进。
Gaytri Jena et al. · 综述预测式具身智能的评测基准，指出直接 VLA 策略（看闭环成功率）与世界模型（看预测质量）两条评测轨道长期割裂，并梳理各自指标。
Yehang Zhang et al. · 让 VLM 通过世界动作预演直接参与操作，而不是只用来预测约束或写程序，探索把 VLM 的世界知识当作可推演动作空间的用法。
S. Talha Bukhari et al. · 在动作流形上用黎曼 MeanFlow 加速扩散/流匹配策略学习，减少多步采样带来的推理开销，属通用视觉运动策略生成的加速方法。
Yinghua Zhou et al. · 提出滚动想象的 world-action 模型，用滚动式未来预测替代每个重规划周期都做完整视频-动作联合去噪，降低世界模型操作的推理延迟。
Abhiram Maddukuri et al. · 为 Ego-Exo4D 补全 4D 人体网格标注，提供同步第一/第三人称视频上的稠密人体运动数据，可用于技能学习评测与人到机器人的动作迁移。
Kartikay Milind Pangaonkar et al. · 针对 VLA 在存在干扰物和被遮挡场景下的典型失败模式，提出执行感知的缓解机制，在任务执行过程中主动处理干扰与阻塞。
Zhen Zhang et al. · 用指尖视角视觉感知做真实世界灵巧操作，替代易被遮挡的外置与腕部相机，在需要近距离多视角反馈的精细任务上提升表现。
Qiwei Li et al. · 指出潜动作模型多用离散隐变量而丢失旋转结构，提出旋转潜动作作为跨本体统一动作空间，用于 VLA 异构数据预训练。
Xin Liu et al. · 用推理时模拟器在环优化提升布料操作鲁棒性：以物理仿真并行 rollout 评估候选轨迹并在线修正标称动作，属推理期优化范式。
Yixian Zhang et al. · 用记忆引导的 agent 外壳驱动冻结的 VLA，把端到端 VLA 的强局部视觉运动能力编排成可靠操作原语，补足其长时程与语言推理短板。
Ding Yi et al. · 把端到端 VLA 与 agent 式工具调用结合（ART），通过工具注入让任意 VLA 调用现成工具模块完成底层控制，扩展 VLA 的能力边界。
Shreya Deshmukh et al. · 用条件流匹配把多任务操作策略蒸馏成更高效的策略，在保持多任务成功率的同时降低生成式策略的推理成本。