Jingkun Yi et al. · 认为预训练 VLM 本身已具备空间与推理能力，只需显式 grounding 到动作空间即可成为通用操作策略。可复用点：把现成 VLM 直接改造成操作策略的 action-space 对齐思路，为 VLA 架构设计提供新范式。
Zipei Ma et al. · 指出 VLA 与 world action model 都缺乏对“动作如何改变场景”的显式监督，提出前向动力学模型作为新的训练范式。可复用点：为 VLA 增加显式的前向动力学监督目标，可提升控制与预测的一致性。
Feng Jiang et al. · 用带物理 grounding 的世界模型合成动作标注数据，绕开真机采集与纯仿真的代价。可复用点：将世界模型生成的合成轨迹作为 VLA 训练数据源，缓解数据规模瓶颈。
Xiaomeng Ye et al. · 指出 π0.5 等强通用策略在用户真实场景中拾取成功率仅 0%，用 3D Gaussian Splatting 重建用户场景并微调实现个性化操作。可复用点：3DGS 场景重建+个性化微调流程，直接提升通用 VLA 的落地成功率。
Zhiyuan Xiang et al. · 用大规模第一人称人类视频做潜动作预训练，为无动作标注视频生成可迁移的具身监督以扩展策略。可复用点：把 latch action 预训练管线接到自有机械臂数据上缓解采集瓶颈。
Xiaomeng Xu et al. · 提出可穿戴接触接口 PanTact，让人形机器人用全身（不止手）与环境接触完成 loco-manipulation，扩展操作表面。属硬件/接触界面类工作，未见与 VLA 策略的明确结合路径。
Lance Pharand et al. · 用扩散式轨迹规划实现移动机器人对多物体的非抓取式精密摆放，超出 Push-T 式粗略目标区域。属移动操作规划方法，未涉及 VLA 架构或策略学习。
Justin Tien-Smith et al. · 提出真机 Spa-Bench，专门评测 VLA 的空间 grounding 能力，弥补现有评测偏重聚合成功率的不足。是有用的评测基准，但属数据集/benchmark 类，重要不紧急。
Revanth Krishna Senthilkumaran et al. · 针对长程操作提出可修订的具身记忆 REMM，能在环境扰动后撤回不再被物理证据支持的条件。聚焦记忆表征，但抽象层次偏方法论，未展示 VLA 上的完整集成效果。
Jason Chen et al. · 无需双目相机即可为双臂机器人合成双目数据，缓解 VLA 立体视觉数据集稀缺的瓶颈。属数据生成类工作，可复用但为数据集贡献，归为值得了解。
Feng Han · 利用触觉在未知物体上同时满足防滑与防损的“稳妥且轻柔”抓取约束。属触觉抓取控制，未涉及 VLA 策略或泛化架构，单作者短文。
Yudong Liu et al. · 指出预训练 VLA 因训练数据高度 Markov 而在记忆任务上失败，提出带机械审计的 grounded 多智能体记忆。方向切题但方法偏框架堆叠，摘要未给出量化对比。
Weiwei Chen et al. · 针对机器人演示数据长尾分布，提出证据引导的反事实学习以改善 VLA 策略对尾类任务的适应。方向有价值但实验与收益幅度在摘要中不明确。
Zile Zhong et al. · 用光流监督为轻量 VLA 增加未来运动预测，为控制提供场景演化信息。属 VLA 世界模型增强的轻量变体，思路常见，提升幅度未见显著。
Jiachen Zhang et al. · 提出以手腕为中心的人类演示共享语料，使同一份自然人类数据可复用于不同灵巧手，减少逐任务采集。对数据接口有启发，但偏数据采集范式，未涉 VLA 架构。
Min Lin et al. · 提出除动作块外额外预测“未来操作目标”，补足 VLA 只学执行不发问结果的缺陷，即 Action-Future 表征。想法合理但摘要未展示相对 SOTA 的量化增益。
Yang Wang et al. · 为 VLA 策略设计双流记忆，分别跟踪执行状态与恢复不可见视觉证据，应对记忆依赖型操作。与今日其他记忆类论文方向重叠，创新度一般。
David Ahmedt-Aristizabal et al. · 提出用反事实评估 VLA 运行时失效监控器，衡量告警是否“值得介入”而非只看准确率。对部署安全有参考，但属评测方法，非操作能力贡献。
Xuhui Kang et al. · 用检索锚定的表征对齐来缓解少样本微调 VLA 时的灾难性遗忘。属微调工程改进，方法常见，摘要未给出跨基准的显著结论。
Faith Ogunwoye et al. · 针对 VLA 稀疏目标导致的人机协作运动抖动，提出可回放的评测基准。是有价值的 motion quality benchmark，属数据集/基准类。
Xuanye Wu et al. · 面向生物实验室自动化，构建含动态实验现象的灵巧操作基准。属领域专用基准，评测价值有限。
Timi Owolabi et al. · 提出可在边缘设备运行的潜空间 world-action model，避免昂贵的视频扩散 Transformer。工程部署有意义，但摘要未显示相对强基线的能力保持程度。
Junjie Lu et al. · 用噪声空间学习在有限交互与算力下适配 flow-matching VLA。属适配微调技巧，动机明确但创新幅度有限。
Shenglan Li et al. · 让 VLA 通过内部化时空想象进行高效推理，减少对外部未来推演的依赖。思路与未来预测类工作重叠，效率收益未明确量化。
Octi Zhang et al. · 在 NIST Assembly Task Board #1 上仅用二元任务奖励涌现装配技能，覆盖接触密集与长程恢复。属装配 RL 工作，非 VLA 策略，作者含 NVIDIA 研究团队。
Hongzhi Zang et al. · 提出统一可扩展的真机在线策略学习系统，应对物理世界无法任意加速/重置/复制的限制。属系统/基础设施贡献，方法创新有限。
Jichuan Yu et al. · 面向长程互锁积木装配，提出结合情境化人工引导的视觉运动技能组合框架。属装配专用系统，非 VLA 通用方法。
Xiang Zhu et al. · 针对人类视频与机器人本体在视觉与动作上的跨具身差异，提出人机对齐表征以从人类视频学习 VLA。方向切题，但摘要未给出相对现有潜动作方法的量化优势。
Sreevardhan Sirigiri et al. · 用 Feynman-Kac 采样为预训练扩散/flow 策略做带约束的后验轨迹生成，兼顾专家保真与推理时安全约束。属控制层方法，非 VLA 策略架构。