汽车→左篮
手表→中篮
木制玩具→右篮
最后双臂归位。真实配对记录：Hybrid 成功；Direct 失败。具体动作与判分见第 7–8 页。
Astra 每段自己构造机器人动作，称为 Direct。
动作模型 π0.5 先给建议，Astra 检查后接受或纠正，称为 Hybrid。
案例来自双机械臂模拟环境 RoboDojo。研究的是运行时配合，没有新训练或蒸馏；分类任务整体并非 Hybrid 更好。
GPT 6 Astra as an Embodied Policy · Galbot01 / 12
看懂“木制玩具进右篮”，怎样把它做成？
报告 §1–2 · classify_objects_by_language / standard / g0 / l0原始报告
Part 0 · 面向 LLM / VLM 读者02 / 12
机器人输出的是动作，抓住没有要看实际反馈
看当前状态三路 RGB + 双臂 14 维状态 + 指令与历史
决定下一段机器人策略 policy 把观察变成一小段动作
执行目标关节角，或夹爪的位置、朝向与开合
再观察物体是否随手抬起？是否掉落？再决定
π0.5 是 VLA（Vision-Language-Action）：读图与指令，输出动作。每臂 6 个关节 + 1 个开合值，两臂共 14 个数。
夹爪等末端执行部件叫 EEF（end-effector）。这里开合状态是最近的命令，不是测量的手指间距，更不能证明已抓住。
执行模型看不到隐藏物体真值、评分或未来物理状态。基础概念的详细说明在文章底部，可从正文跳转。
报告工具 / 控制说明 · 固定 client.py / gate_assessment.py基础补充
Method · Direct03 / 12
Astra 自己构造目标，程序把目标转成关节运动
① 当前观察 + 执行历史
② Astra 生成目标 → 执行 → 新观察
每次执行 1–5 步。IK（inverse kinematics）根据希望夹爪到达的位置，求关节怎样改变；它不保证无碰撞、抓稳或物体不滑落。Direct 不启动 π0.5。
Figure 2 右列阶段裁剪 · Su et al. · MIT完整原图
Method · Hybrid / 104 / 12
π0.5 提出 50 步，但 Astra 不会一次全部执行
π0.5 提供 50×14 个绝对关节目标。一次输出的动作序列叫 action chunk（动作段）。
FK（forward kinematics）从关节角算夹爪的位置、朝向，提供可检查的候选轨迹。
FK 只算机器人几何，没有预演物体、碰撞或抓取结果。
Figure 2 左列上部裁剪 · Su et al. · MIT；官方 client.py完整原图
Method · Hybrid / 205 / 12
接受或修正是二选一，没用完的候选丢弃
student：原样执行候选前 1–15 步。
edit：在候选夹爪轨迹上加修正，执行 1–5 步。
eef：给显式夹爪目标，执行 1–5 步。
修正每个实际控制步都用反馈重新求局部 IK；模型在整段结束才得到新观察。余下候选不缓存接着用，π0.5 从新状态重新提议。
Figure 2 左列下部裁剪 · Su et al. · MIT；固定控制代码完整原图
Method · 什么允许修正06 / 12
先判断上段失败没有，再判断下段目标对不对
execution_status：上一段是否失败？闭合以后物体没随手抬起，需要结合前后图像。
intent_status：下一段是否选错子目标？没抓住就开始搬运，前置条件没有满足。
# 根据官方 gate_assessment.py 简化改写，Python 3
failure = assessment["execution_status"] == "failed"
wrong_intent = assessment["intent_status"] == "misaligned"
if response["mode"] in ("edit", "eef"):
if not (failure or wrong_intent):
raise ValueError("Takeover requires observed failure or wrong task intent")不确定或姿势“不好看”不够。失败也能接受合理重试。程序检查的是 Astra 填的状态，不独立验证判断是否正确。
固定 gate_assessment.py · 状态来自模型，非隐藏真值官方代码
Case · Decision：决策序号 / Control：累计控制步07 / 12
一段纠正以后，又把动作交回 π0.5
Decision 29
接受 π0.5：释放左篮里的绿色汽车，向上撤回。
Decision 33 / Control 409
手里拿着木制玩具。Astra 修正候选，让它往右红篮移动。
Δxyz=(+4.5,0,+0.1) cm
维持闭合，执行 5 步。
Decision 47
重新接受 π0.5，接近剩余的木制狮子。
Hybrid：794/1,100 步，73 段
成功 · Score 100
Direct：1,100/1,100 步，220 段
失败 · Score 40
实际动作见原片 Video 1；终态分数见公开摘要。逐步 checker 日志未公开，不能从 40 分推断 Direct 最后哪件物体放错。该任务整体 Hybrid 1/5，Direct 2/5。
原报告 Video 1 / 公开配对记录 · 视频资产只链接、不再分发看原片
Judge · RoboDojo 自带 Python 规则08 / 12
放对类别、满足几何条件、双臂归位，才算成功
任务的 gen_instruction() 从场景类别生成指令，汽车→左、手表→中、木制玩具→右。
检查每个物体参考点在指定篮的水平范围内，高于篮底且不超过篮顶 +1 cm。
由任务代码检查场景几何，不用 VLM 看图打分；参考点通过不等于整个网格都在篮内。
| 完成类别数 | Score |
|---|---|
| 任一类 | 10 |
| 任意两类 | 40 |
| 三类 | 100 |
阶段还要求松手、篮内无混类。每控制步最多晋一级；最终成功未通过，100 分退回 40。
成功还要求双臂归位：每个位置坐标偏差 ≤15 cm、朝向差 ≤20°。物体放对但未归位，仍失败。报告没有披露独立人工校验的一致性研究。
原生 checker revision ee67a146 · classify / func_parser / reward_manager原生任务代码
Experiments · 10 个所选任务 × 5 次09 / 12
Hybrid 更好，但只代表这组偏向困难任务的结果
成功：Hybrid 24/50（48%） / Direct 13/50（26%）。Score：62.60 / 37.81；Direct 有两条无原生终态的记录，成功率按未成功计入 50 条，Score 仅用 48 条。
任务按 π0.5 原成功率四档选 6/2/1/1 个，偏向低分段。π0.5 的 15.67% / 24.43 是重加权公开参照，没有同 seed 重跑。分类任务反而 Direct 更好，两边整理桌面均 0/5。
Figure 3 上部细节 · Su et al. · MIT；完整图表在正文公开指标摘录
Experiments · RoboLab / 单臂 Franka10 / 12
换一套任务，Direct 比 Hybrid 好
98% 是选定最终记录的描述性成绩：含历史结果与重试，最后两次 Direct 把决策上限 180→500；各方法没有严格配对相同状态与预算。
此处 π0.5 用机器人数据集 DROID 的训练权重，未在测试任务微调；RoboDojo 则微调过。“候选不适合任务”尚无对应因果消融。
Figure 4 · Su et al. · MIT；官方 RoboLab selection / notes / report_baselines.py逐任务原表
Experiments · 仅 RoboDojo 各 50 条记录11 / 12
14.4% 是修正控制步，不是模型只调用这么多
Hybrid 修正 6,174/42,750=14.44% 控制步，但每段都经过 Astra 审查。记录 token 为 624.8M / 1.13B，少 44.8%，含缓存输入，不能等同账单。
25 Hz 是控制节拍：一步 0.04 s；15 步为 0.6 s，5 步为 0.2 s。模拟器停住等模型思考，这些秒数都不含等待，不证明实时运行。
Table 3 控制行裁剪 · Su et al. · MIT；本文 Python 3 算术核查离线核查脚本
Discussion / Conclusion12 / 12
候选怎样帮到下一步，需要进一步隔离验证
已有动作策略给建议，通用模型检查执行与目标，必要时改一小段。这套系统在所选 RoboDojo 上提高成功率，也减少记录 token。
目前同时改变了候选来源、动作接口和执行长度。没有同接口、同段长下的“有无候选”消融，不能把收益全部归于某一个部件。
对 Agent 研究，可以固定观察频率、接口与段长，再改变候选质量，测真实修复、误改正确候选和实际等待时间。
没有训练 / OPD；没有真实机器人部署或实时延迟实验。RoboLab 是重要反例：候选加入后可能更差。原图、完整表格、代码依据与机器人基础见正文。
全文、原图与固定代码核查 · 未复现机器人实验读完整文章