本文综述至2026年10月的视觉-语言-动作（VLA）模型进展，聚焦其从“模仿学习”向“泛化、自适应、可部署”系统演进的关键突破。核心变化包括：连续分块控制提升高频精度；跨本体适配通过SoftPrompt与人类视频预训练实现；空间理解与主动感知增强环境适应性；强化学习支持在线自改进；全身与多机器人协同扩展应用边界；技能可组合化通过超网络实现。强调需理性看待成果，避免盲目比较不同评测数据，未来竞争焦