例如先把夹爪降到物体旁,或闭合后试提。整题是把物体放进架子,两步都有自己的成功条件。
命令可以如期执行,物体也可能在抬升时滑落。判断依据是画面里的物体和夹爪。
既有操作基准,分析 Astra 轨迹
人工给动作定标签,检验判分模型
用 Astra 标签监督训练判分模型
AgentRoboCritic · arXiv:2611.2661301 / 09
一段机器人操作只记成功或失败,会丢掉哪里出了问题,以及后来怎样补救。
例如先把夹爪降到物体旁,或闭合后试提。整题是把物体放进架子,两步都有自己的成功条件。
命令可以如期执行,物体也可能在抬升时滑落。判断依据是画面里的物体和夹爪。
既有操作基准,分析 Astra 轨迹
人工给动作定标签,检验判分模型
用 Astra 标签监督训练判分模型
论文 v1 · §1、§3、§5、Appendix F
方法 · 观测流向02 / 09
模型给出末端位姿、关节目标或一段低层控制量,并用 note 写明这次要看到什么效果。

图 2 的投币例要求夹住硬币上沿。后续试提仍没把硬币带起来,critic 与人都标 Failed / Grasp。
公开样本 · Meta-World+ shelf-place i0003 / 09
这步要把蓝色物体提离桌面并确认抓稳。仿真执行 108 行 ee_delta,无裁剪。

动作末尾能看到空夹爪已抬起,蓝色物体仍在台面。人工将这次记为抓取未保持,细类是初次抬升滑落。
测试集第 0 行 · ARC-v0.3-f61a1c684a95fc33043ee2b7 · 示意图按标签和观测绘制
判分 · 对照人工标签04 / 09
模型只见动作请求和图像。评分脚本用样本 ID 取出模型没看到的人工标签。
| 针对抬升案例的示例回答 | 成败 | 失败类型 | 联合 |
|---|---|---|---|
| Failed / M1 / S7,带原因 | ✓ | ✓ | ✓ |
| Failed / M1 / S2,带原因 | ✓ | ✓ | ✓ |
| Failed / M2,带原因 | ✓ | 0 | 0 |
| Failed / M1 / S7,缺原因 | 0 | 0 | 0 |
成败和联合分母都是 400 条,失败类型只看人标失败的 264 条。S7 和诊断文本须符合格式,具体内容不计入这三项分数。
公开评分代码 · 上表是代入人工标签的计算
训练 · 将动作诊断教给 30B05 / 09
GPT-6 Astra 生成动作标签与原因,Muse-Glimmer-30B 用 LoRA 学写同样的四字段 JSON。控制策略权重保持固定。

失败类型答对 196/264,Astra 是 213/264。同一个 400 条评测里,Astra 拿掉局部意图后仅 66/264 答对类型。
控制轨迹 · 逐条寻找恢复证据06 / 09
RoboDojo 实例先夹空,再开夹爪、后移、重新闭合。看到紫块随手抬起时,才确认这次修复。

6,435 次直接修复,589 次换路绕过。49.8% 的成功回合经历过失败动作,这一比例用的是成功回合作分母。
Figure 5(c) · Appendix C、Figure 12 · 本文据文中计数作图
恢复 · 按失败类型拆开07 / 09
只给图像的 UniVTAC / OpenViTac 中,对齐分别占已归类失败的 75% / 86%。

Choice 只看是否照自己的 note 选对。题目要按 3,note 写 7,模型也按了 7,这条可以局部达成。
Figure 7(a) · Figure 4、Appendix J · 本文据文中计数作图
对照 · 同一任务,比较代价08 / 09
这些比较均未在目标任务上微调或给演示。专用模型充分适配后能做到多少,实验没有测。
| 任务套件 | GPT-6 Astra | π0.5 | InternW0-Δ |
|---|---|---|---|
| RoboTwin 2.0 | 91% | 6% | 0% |
| YAMLab | 90% | 0% | 0% |
Astra · 决策间隔中位数
π0.5 · 同 74 个匹配任务的量法
先为每次运行取中位数,再在任务间取中位数。计时从观察请求结束到下一次已执行命令的提交。
Figure 6 · Appendix H.3–H.4、Table 12
附录实验 · 同一浇花任务重试09 / 09
两个重试都读到上次失败通知与三条意图。反馈组还看到上次各动作的诊断,例如瓶子转完后喷嘴仍朝外。
喷嘴朝外时扣动扳机。12 次模拟器调用,575 个控制步。
把瓶颈推向植物,使喷嘴进入目标区。164 次调用,12,536 个控制步。
回放诊断本身可以先独立评测。要估计它给控制带来的收益,还需要多个初态、相同预算和实时反馈实验。
Appendix H.1 · Table 11、Figures 14–15