能力盘点18,042 条 reasoning · 108 条成功轨迹

机器人双臂轨迹 · Kimi K3.1 Pro + gpt-6-astra + gpt-6.1-sol · 规则化扫描,非人工抽样
中位 395 字 · 4.2% 全无数字

最值钱的是度量几何与失败纠正;最缺语言落地,补写文本不可用于度量训练。

18,042条 reasoning(108 条轨迹)
88.8%含具体数值(坐标/角度/像素)
99.0%来自同一任务「分拣装箱」
2.5%是 rewriter 补写(453 条)

能力覆盖一条可命中多类,占比之和 > 100%

条形长度 = 相对最高维度(B 79.8%) · 每个能力在干嘛 →
维度条数占比典型例子
A 几何反投影/三角测量 2,719
15.1%
三角测量误差 0.017 m 充足
B 位姿与运动学 14,402
79.8%
四元数点积 → 姿态差 0.948 rad 充足
C 碰撞与可行性 6,317
35.0%
垂直间距 0.24 m,判断可行 充足
D 失败检测与纠正 7,329
40.6%
被拒 0.254 m → 改 0.218 m 充足
E 预算与长程规划 1,513
8.4%
还剩 240 步,压到 10 步收尾 偏少
F 语言落地与指代 357
2.0%
“我称为牛的物体其实是狗” 稀缺
G 工具增强推理 897
5.0%
SciPy 纠正手算四元数 偏少
H 双臂协同/换手 7,449
41.3%
左臂搬象、右臂搬车 充足

稀缺清单 · 细粒度信号(< 250 条)

  • 按语言/颜色显式映射0
  • exec_command 字面出现2
  • 相机内参 intrinsic18
  • 最小二乘 least-squares75
  • 引用指令原文136
维度本身不缺,缺的是可判定的细信号:显式“按语言/颜色”映射 0 条, exec_command 字面只出现 2 条。想训语言落地,这批数据补不出来。

数据质量 · 三类文本的“可度量性”

原生模型输出1,508 50.5% 含数值
来自 rollout reasoning · 中位 266 字
改写 rewrite16,081 94.9% 含数值
同一段推理被润色/扩写 · 中位 422 字
补写 supplement453 0.4% 含数值
原无推理,由 rewriter 生成 · 中位 65 字
补写 453 条里 97.8% 没有任何数字; Astra 的 111 条补写中 0 条含数值。同任务下改写把“含数值率” 从 49.0% 抬到 94.9%,多出来的数可能是补的。

最有价值的 3 个例子原文摘录

负样本:24/49 条失败,24 条走完步数;被拒率 4.4%(成功 2.6%)
A 几何反投影/三角测量

当前三角测量给出的奖章位置估计几乎相同,P ≈ [-0.36, -0.083, 0.83] m。为什么将较早的估计投影后得到像素 (351, 329),而不是观测到的腕部图像位置 (345, 393)?三角测量使用的是当前高机位相机和腕部相机的射线。如果 P 是由经过 (345, 393) 的腕部射线计算得到的,我预期其投影应返回 (345, 393),在拟合误差范围内。较早的…

误差能算到毫米级,还会把估计投影回像素做自检
000211 · step 60
D 失败检测与纠正

被拒绝的左臂避让目标距离测量位姿约 sqrt(0.15² + 0.16² + 0.13²) = 0.2544 m,刚好超过 0.25 m 的命令限制。我将使用更近的中间位置 [-0.16, -0.28, 0.98] m,我估计距离为 0.218 m,在限制内。右臂将继续朝小车下降。我将请求六个控制步。

失败原因与替代动作成对出现,天然是纠正样本
000188 · step 926
G 工具增强推理

SciPy 的 wxyz 输出 [0.579, -0.405, 0.405, 0.579] 给出了将局部 +X 朝向世界 +Y 的期望倾斜。我早先手工计算的四元数是错误的,可能是乘法公式的 X 分量有误。我将信任 SciPy 的结果,并使用 [0.579228, -0.40558, 0.40558, 0.579228] 作为 20 度倾斜。我想知道这个朝向是否更接近初始腕部朝向…

手算→调 SciPy→纠错闭环,工具使用可监督
000122 · step 262
方法 正则 + 关键词组合,中文译文与英文原文同时匹配;24 条人工抽检 22/24 判对(91.7%),F 维度仅 2/3。
不能证明 不能证明模型真会推理;不能证明改写文本里的数值来自模型原话;样本 99.0% 来自同一任务。