免训练质量/刚度估计加双智能体探索，让机器人主动摸出隐藏物理属性。

用VLM编排VLA探索采集新任务数据，再经蒸馏与残差RL高效微调

只用夹爪几何训练CVAE学习接触分布，推理时才见物体，零样本生成灵巧抓取

冻结VLA策略，用自进化的代码Critic与恢复技能实现机器人闭环执行治理与持续提升

可解码不等于可排序：动作条件辅助监督让潜在代价排序对齐真实结果，提升MPC成功率

4千条视触觉演示加DSR指标，识别任务成功却过度挤压物体的策略

SE(3) 几何感知的动作条件视频世界模型，登顶 WorldArena 2.0 预测赛道

用4D持久世界记忆+自我工作记忆，让VLA仅凭腕部相机打赢多视角基线的长时程操作

任务条件化的腕部未来潜在预测，让VLA获得细粒度操作能力

将黏性污渍清洁重定义为拓扑聚合问题，用扩散策略生成分段推动实现零样本泛化

用DINOv3语义表示从未来预测和历史检索双向增强WAM的操作鲁棒性。

统一世界预测与价值估计的VLA强化学习评论家模型，149任务达SOTA

0.9B小模型自引导预测未来状态并注入几何监督，登顶LIBERO与LIBERO-Plus

首个大规模触觉预训练VTLA模型，把触觉当作预测目标并配ALTER离线强化学习。

首个大规模触觉原生世界-动作模型，联合预测视觉、触觉与动作

在VLA预测失败时用RL策略组合式引导动作流，OOD任务成功率最高提升17.3%

摒弃LLM中转，用轻量编码器与双向跨注意力直接预测动作，实现32Hz实时控制

让大规模VLA流匹配策略实时闭环，重规划提速约4倍，成功率提升最高30%

用高保真手持采集替代遥操作，实现零机器人数据的策略训练与直接部署

用代码归纳世界动力学，可仿真、可规划、可解释。