持住笔筒
一只机械臂抓住并稳定笔筒，为另一只手提供操作空间。
ROBOTICS EVALUATION / 001PR #8 · 评审中
01固定评测场景
08有效模型试验
00/08模型通过记录
02/02最新参考方案验证通过
结果快照 · 2026.11.12 模型试验与参考验证分批运行，版本见下方记录。
01 / THE TASK
把四支笔放好，
只是开始。
机器人需要根据实时图像和自身状态决策。
抓住、插入、放稳、归位，整个序列都必须完成。
插入四支笔
另一只机械臂依次操作四支笔，笔夹端朝上，满足插入条件。
放回并归位
将笔筒直立放回桌面，再让两只机械臂返回初始姿态。
- 机器人
- 双 X5 机械臂
- 环境
- Isaac Sim 5.1.0.0
- 观测与动作
- 实时 RGB · 状态反馈 · 固定 H0 技能
- 每次试验预算
- 90 分钟 / 1,100 次动作
02 / SEE THE MOTION
同一次协作，
三个观察视角。
播放 PR #8 收录的历史参考轨迹。
切换头部与左右手腕摄像头，观察操作细节。
视频暂时无法加载，请刷新页面后重试。
历史演示 / v13-round01-layout0源自 GPT-6 Astra + VLA 的成功开发回合；三个视频均与 PR 中的 SHA-256 来源记录一致。
本录像用于展示任务与参考动作，
不计入下方 Kimi 模型试验成绩。
录像与当前验证是什么关系？
这段视频对应 PR 收录的 v13 历史参考轨迹。当前 RTX 4090 上通过验证的 Oracle 使用另一条 v12 参考轨迹，共 713 次动作，执行时不调用语言模型。历史录像、参考方案验证与新的模型试验，是三类不同证据。
03 / THE RUN RECORD
每一次尝试，
都有明确的结果。
模型：Kimi k3.1 pro。
分别使用 Codex 和 Claude Code 两套执行工具，
每套进行 5 次试验。
CODEX HARNESSGPU 1
0 / 3 次有效试验通过
3 次任务未完成 · 2 次 API 限流未计分
CLAUDE CODE HARNESSGPU 2
0 / 5 次有效试验通过
5 次任务未完成 · 回放均一致
| 试验 | 执行工具 | 任务结果 | 动作数 | 回放一致性 | 原始记录 |
|---|
i
怎样理解这些结果？8 次有效试验都用满了 1,100 次动作，原生任务得分为 0.0，且独立回放一致。两次接口限流属于执行错误，不算任务失败样本。这是一个固定场景的有限试验记录，不能外推为通用机器人能力排名。
模型试验版本
fbeaf4d后续修改包括运行配置与引擎元数据；PR 说明模型可见内容未改变。04 / VERIFY, THEN CONCLUDE
动作执行了，
也要能复核。
任务完成与回放一致必须同时成立。
智能体自己写下“成功”，不会获得通过奖励。
实时执行
智能体读取图像和状态，通过公开动作接口控制仿真机器人。
记录实际动作
可信采集器保存实际执行过程，封存可供后续验证的记录。
独立回放评分
在全新的隔离进程中重放轨迹，检查任务条件和物理状态一致性。
对照GPU 1GPU 2
Oracle713 次动作 / 回放一致通过 · 1通过 · 1
Nop不执行策略未通过 · 0未通过 · 0
05 / SOURCE & SCOPE
从结论，回到证据。
本页是 PR #8 的展示与结果快照。
完整项目仍在评审中，源记录以对应版本为准。