历史惯性不是充分解释
Drop2k 在 episode 第一个 chunk 交换单 L1 的左右臂，XYZ 变化仅 0.49 mm；中途完整历史为 0.42 mm。没有运动历史，也未出现明显的执行臂切换。
01 / 先看结论
明确区分：观察到的事实，与尚未验证的解释。
原始模型也有类似现象
Joint-100k 使用原生任务 prompt，“只用左臂”改成“只用右臂”，起点 XYZ 变化仅 0.22 mm。停止要求下仍保留 87.5% 的运动量。
历史会改变动作，仍未实现可靠控制
固定 L3+L1 原指令，将历史重复为当前帧，动作平均变化 16.84 mm；仅缩短历史为 1.60 mm。但停止与换臂仍不可靠。历史会影响预测，不能解释全部指令跟随问题。
结论范围4 个复用诊断任务、2 个种子、单 chunk 离线预测。不是闭环成功率评测，也不是模型能力的普遍结论。跨臂可达性、未见过的停止／冲突指令、合成历史均可能影响结果。
02 / INTERACTIVE EVIDENCE
把变化放在一起看
正在载入实验数据…
A
对照
实际输入 PROMPT
输入画面与历史帧来源
B
修改后
实际输入 PROMPT
输入画面与历史帧来源
动作预测 · 双臂轨迹
前 24 个动作，0.96 秒计划执行区间。
A 对照B 修改后
展开逐轴 XYZ 与末端姿态差异
包含原始 prompt、状态、32 × 16 动作与实际历史索引
03 / CONTEXT IS A CONDITION
四种历史，分别改变了什么？
中途完整历史
0−175…−25t
episode 首帧锚点 + 8 张真实历史帧，相邻采样间隔 25 步。当前 RGB 与机械臂状态均为真实记录。
两个模型均已测试历史重复当前帧
0tttt
保留首帧锚点，将其后 8 个位置都换成当前画面。当前状态不变，去掉历史运动变化；属于合成条件。
仅 Drop2k 已测试只保留最近历史
00×6−25t
只提供 t−25 和 t，其余位置沿用原 policy 的回退逻辑填 episode 首帧。不新增 mask。
仅 Drop2k 已测试episode 第一个 chunk
00000
实际第 0 帧、初始状态和当时生效的标注，9 个图像位置均为首帧。没有运动历史，但仍有场景与状态信息。
两个模型均已测试重要区别中途三种历史可固定当前观察比较。episode 起点与中途的画面和状态也不同，不能把它们的差异全部归因于历史长度。
| 已完成的对照 | Drop2k | Joint-100k | 比较边界 |
|---|---|---|---|
| 起点 / 中途真实历史 | 已完成 | 已完成 | 当前状态不同；不是同状态历史消融 |
| 重复当前帧 / 缩短历史 | 已完成 | 未测试 | 不推断原始模型的合成历史表现 |
| 原生任务、修改任务、停止 | 单 L3 子集 | 原生 prompt | 跨模型模式仅使用逐字相同的 prompt |
| L1、L3+L1、三层与冲突 | 已完成，覆盖不同 | 未测试 | 下拉菜单只展示真实存在的结果 |
04 / READ THE SETTINGS
下载分组统计 ↓实验设置与指标定义
模型与推理
- Drop2k
- Joint-100k 初始化；视频 LoRA rank 128，action 全量；Dojo 单 chunk 微调 2,000 步。
- 语言 dropout
- 70% L3+L2+L1；10% L3+L1；10% L3+L2；10% L3。仅 L1 未在此采样配置中出现。
- Joint-100k
- 原始配套 video / action 权重，未加载本次微调权重；直接走原生 task prompt 编码。
- 固定推理参数
- video 一步预测；action 10 步去噪；sigma shift = 1；BF16；配对种子 1、17。
- 输入与输出
- 三视角 RGB，240×416 T 形拼接；9 张历史条件图像。未来视频 8 帧 / 1.28 s；动作 32×16，展示前 24 步 / 0.96 s。均为预测，未实际执行。
- 动作表示
- 双臂绝对 EE 位姿与夹爪，每臂 XYZ + quaternion(qwxyz) + gripper。图中 XYZ 使用毫米，夹爪保持原单位。
怎样读这些变化？
- XYZ 差异 RMSE
- 两次预测前 24 步、双臂共 6 个 XYZ 坐标的均方根差，单位 mm。不是相对正确答案的误差。
- 运动量比 B/A
- 各臂相对初始位置的欧氏距离 RMS，双臂求和后取比。均值按每个任务与种子分别计算再平均；不代表速度比、路程比或成功率。
- 视频 RGB 差异
- 未压缩预测帧的像素平均绝对差（0–255），只对原实验中保存的配对关系展示。跨历史或跨模型没有该值时明确留空。
- 同输入重复
- 原实验中重复 prompt、观察和种子的输出差异为 0；换 seed 的变化在汇总数据中保留。
- 因果边界
- 修改文字引起变化不等于正确执行。停止与冲突可能偏离训练分布；左右臂交换可能受可达性影响。当前证据不能区分视觉、状态及训练关联的全部贡献。
数据完整性
三轮已完成实验共 672 次预测；合并 96 个完全重叠设置后，本页保留 576 个唯一设置（Drop2k 448，Joint-100k 128）。重复项经动作数值核对；每个视频与 setting 一一对应。未包含仍在独立分析的本体状态扰动实验。
任务：build_tower / episode 163；fold_clothes / 917；classify_objects / 251；fasten_screws / 604。中途起点分别为 528 / 189 / 175 / 175；起点实验为 0。
下载页面实验数据（含源分析文件 SHA-256） ↓