从“看了视频”到“知道哪里出了问题”
Cohort intelligence
把同任务的 101 条轨迹聚成可追溯的行为群组，分开 demo 与 policy truth。
Agent-supervised review
Goal、当前状态、目标距离和中文讲解沿时间轴同步更新。
Synchronized evidence
三路相机、逐步 action、原生 score 与运行 manifest 对齐到同一个 step。
ZIWU AIEmbodied Intelligence MeasurementEMBODIED AI · EVIDENCE, NOT IMPRESSIONSGPU 仿真评测
GPU 仿真评测
从终局到运行证据
ZIWU AI 把具身策略的 GPU 仿真运行转化为可读、可比较、可追溯的证据：任务定义、当前进度、失败位置，以及需要由下一次实验验证的诊断假设。
03 · LIVE GPU SIMULATION · 真实 GPU 云端仿真
任务平台模型RTX 4090Isaac Sim 6.0.1Xiaomi_Robotics_1seed 0
Overview轨迹不该只是一段视频
轨迹不该只是一段视频
它应该是一段可视化的逻辑链条
Technical framework · Graph × Visualization
从复杂行为演化到可度量坐标系
Connector 接入运行，Graph 记住能力关系，Visualization 把差异摊开；证据再进入选型、门禁、采数和复测。
LIVE · 已有证据NEXT · 近期产品化VISION · 长期网络
这张图展示了 ZIWU 的完整技术沙盘：把终端 Agent、机器人和世界模型产生的运行统一成事件；用语义任务图记住路径与失败；再投影成任务地形和度量坐标。图上每个结论都要能回到具体版本、视频、action 和原生结果。
- LIVE01 · Connector接上异构运行
Task / Robot / Policy / Episode
- LIVE02 · Graph连起能力与失败
Metric / Failure / Evidence
- LIVE03 · Visualization把过程讲清楚
Workflow / Landscape / Replay
- NEXT04 · Decision让证据进入工作流
Match / Gate / Route / Retest
- VISION05 · Physical Track进入真实赛道网络
Test Cell → Robot Town
不是测完就结束，而是让每次运行推动下一次部署和训练。
从单一 success 到可进入 CI 的质量门禁
Deployment decision · PLANNED
规划将成功率、执行成本与经验证的过程指标组合成发布门禁；当前尚未形成完整企业闭环。
Regression detection
即使都到达相似终点，也能发现更慢、更绕、更抖和更多停滞。
Infrastructure truth
基础设施 pass 只证明环境可运行，不再被包装成 policy success。
Demo atlas
三个策略工作流 逐项进入代表性轨迹
Fill Pen Holder、Organize Table 与 Kongming Lock 各自连接聚合分析、两种策略和三路同步视频。百分比来自报告聚合的 cohort comparison；视频用于检查代表性 Episode，不作为单条轨迹得分。
Policy workflow analysis
把视频行为还原成可检查的任务路径
每张图把动作原语、观测门、恢复分支和失败断点放到同一条工作流中。点击图片打开高清 PDF；已有视频证据的任务可继续进入逐步回放与分析。
证据边界：工作流百分比是聚合结果；详情页视频是每种策略的一条代表性轨迹。每项两种策略只确认 episode index 相同，不声称它们构成 same-seed、same-layout 或 controlled A/B。
01 · Long-Horizon 主 Demo
同一任务 终点相似 中间过程天差地别
任务要求把四个蛋放入蛋盒、关盖并让机器人回到原位。两个官方示教以真实速度同步起播：Episode 2 在 10.80 秒结束，Episode 54 还要继续 18.64 秒。
更快、更直接Official demo · Episode 2
终点相似，过程更冗长Official demo · Episode 54
对照要点
两次运行耗时分别为 10.80 秒和 29.44 秒。同步多视角回放用于核对额外动作发生在哪个阶段，并将耗时、动作路径、方向反转和低活动步记录为可复测指标。
02 · 系统看见了什么
完成指定目标和执行成本一样重要
绿色代表 Episode 2，橙色代表 Episode 54。全部数字来自官方示教视频与 14 维 action；没有 ground truth 的成功分不会填成 0 或 100。
Episode 2Episode 54本组指标均为 ↓ 越低越好
示教时长三路视频从第一帧到最后一帧；25 FPS
↓ 越低越好快 63.3%
动作空间路径14 维 action 相邻步 L2 变化量总和，不是米
↓ 越低越好少 19.4%
方向反转各关节动作增量变号次数；是来回修正代理，不是语义重试
↓ 越低越好少 66.4%
低活动步相邻 14 维 action 变化 L2 < 0.01；是停滞代理
↓ 越低越好3 vs 123
逐步动作活动度
长程差异藏在过程，不藏在最后一帧
每根柱子聚合一段 14 维 action 的相邻变化量。点击柱子可以跳回相应视频时间；Episode 54 的时间轴横跨 29.44 秒，因此相似终点背后的额外等待与反复修正不会消失。
Episode 2
Episode 54
03 · 第二案例：细微退化
差异不总是 2.73×；小退化也值得在上线前被发现
之前的 Fold Clothes 官方示教没有删除。它现在承担更合适的角色：展示肉眼更难稳定识别的 4%–10% 级质量差异。
SUBTLE REGRESSION10.1%
Episode 36 的动作空间路径更短；同时快 4.2%，最终轮廓矩形度代理高 5.9%。这组差异没有蛋盒那么戏剧化，却正是持续评测与回归检测的价值。
下载 Fold Clothes 报告04 · 这些指标能解决什么问题
对海量视频数据缺少高质量分析
防止 Demo 偏差
“最好看的一次”无法代表部署质量。Anchor 保存完整 run、失败样本和 cohort 分布。
发现隐性退化
新 policy 仍然成功，却变慢、绕路、抖动或依赖更多修正；传统 success rate 看不见这些变化。
把质量接入 CI
同任务、同 seed、同 rubric 自动对比，让性能退化在合并前被检测，而不是上线后才暴露。
形成数据飞轮
失败定位和高质量轨迹筛选反向指导数据采集、policy 训练与下一轮评测。
05 · 证据边界
我们明确区分：示教素材、policy run 与科学结论
这不是免责声明，而是产品能力：系统必须知道自己能证明什么、不能证明什么。
证据事实可用于
Fill Egg Holder · Official Teleop demos两条官方训练示教；最终帧呈现关盖外观；官方 score 未重跑强差异质量对照 Demo
Fold Clothes · Official DateGen demos两条官方训练示教；4%–10% 级过程与视觉代理差异；官方 score 未重跑细微退化检测 Demo
Fill Pen Holder · ACT policy run真实 GPU，success=false，score=0；人工猜测阶段标签已撤回失败诊断 / 基础设施 smoke
- 两条蛋盒官方示教可被三视角同步回放
- 逐步 action 可计算时长、路径、反转与低活动步
- 强差异与细微退化能进入同一质量账本
- 系统可以区分“终点相似，但过程质量不同”
- 这两条是两个 policy 的同 seed / 同 layout A/B
- 两条都取得 RoboDojo 官方满分
- 反转与低活动步等同于人工标注的重试或停滞
- 两条样本足以证明跨 seed 稳健性
- 01锁定同一 task / seed / layout / assets
- 02两个 policy 均通过官方 score gate
- 03比较时间、路径、重试、平滑度和最终质量
- 04至少 3 seeds，形成置信区间与回归门禁
保留的研究页面
打开失败诊断版本查看一次长程仿真运行卡在哪里
fill_pen_holder 页面保留了 1100-step trace、三路同步视频、GPU manifest、过程指标和轨迹视图；原因只作为可验证假设。
可审计来源