SO-101数字孪生仿真基准：纯仿真训练系统真机排名零违约，LLM智能体83.2%登顶

免参数更新，把交互经验蒸馏为动作前置条件与效果，让MLLM长程规划成功率近乎翻倍

用50个物理token预测未来RGB、深度与光流，让VLA零推理延迟地理解物理动力学

把动作思维表示为动力学链，用想象未来与观测未来的对齐作奖励，让无动作标注的人类视频也能训练VLA

用冻结未来表征的预测损失替代视觉生成目标，训练后丢弃预判分支，性能更高且训练更省

30个仿真定量实验要求智能体动手操作仪器来求知，最强前沿智能体T0成功率仅43.3%

用3D接地潜动作把异构视频变成共享监督，无需原生动作标签预训练出4B级VLA操作策略

无需训练模型，给LLM装上几何控制外设即可在长程机器人任务上超越VLA与世界动作模型。

16B 统一具身模型，以交错视频-语言推理打通理解、预测与机器人控制。

用带成功门控多样性目标的RL生成器批量产出多样成功示教，大幅提升下游VLA模仿学习成功率

让VLA模型预测未来交互意图，按操作阶段动态路由全局与腕部视角。

将停止/失败信号作为动作块附加维度联合去噪，让VLA自省成败并引导纠错动作。

单次前向直接输出类别级6D位姿、尺寸与完整形状，28 FPS 兼顾精度与实时

奖励模型自动监视并触发教师接管收集恢复轨迹，联合三分布蒸馏迁移基础模型能力，较BC最高提升4.1倍

用10倍小的Mamba动作专家替换π0.5，去噪延迟降64.8%，LIBERO成功率反升1.08点

SFT加多轮RL后训练机器人规划器，成功率从18.1%提升至71.0%

仅用静止图像与文本预训练单一冻结编码器，同时支持状态感知、语言对齐与像素重建。

用三专家混合架构联合去噪代码、视频与动作，让世界动作模型具备可复用的技能级代码规划能力

VPM多视角世界模型联合预测未来视频与持久3D点轨迹，点监督同时提升视频保真度与机器人操作成功率

复用被丢弃的动作尾部，自适应分配去噪预算，让VLA更快更准