学会正常抓取，不等于学会从掉落中恢复

到达目标点，只完成了入盒的一部分

想象把杯子交给别人：手到了对方附近，不代表已经交接；松手后杯子掉在地上，更不能算成功。机器人同样需要检查物体，而不是只检查夹爪或命令。

我们复用 Fetch 机械臂，并加入有底板和四壁的碰撞容器。方块边长 5 cm，容器内部水平尺寸为 17 × 15 cm；方块初始位置在 x∈[1.16,1.43] m、y∈[0.59,0.77] m 内随机采样。容器、机器人、物体形状和物理参数保持固定。执行期间不把方块绑到夹爪，也不改写方块位置，抓取与掉落都由 MuJoCo 接触物理计算。

底部高度与低速是这个固定场景的教学判据，不是接触支撑力证明，也不是安全认证。默认 Fetch 的目标距离奖励不要求这套入盒合同，因此这里的成功率不能当作官方 Fetch 基准成绩。

学到的是观察到动作的映射，不是示范器阶段

示范器是手写的阶段控制程序：靠近、下降、闭合、提起、搬运、降低、松开、撤离。它负责提供训练标签，不是模型内部的隐藏答案。学习策略看不到阶段编号，也不调用示范器来补出正常动作。

观察包含夹爪和物体位置、相对位置、夹爪开度、物体姿态及速度等。它们由仿真器直接提供，属于特权状态。真实相机不会自动吐出这些精确数值；替换为视觉输入需要增加感知、标定、遮挡处理与误差评估，不能只把输入名称改成“图像”。

动作的前三维是归一化末端位移命令，Fetch 内部再乘以 0.05；第四维控制夹爪。底层采用 mocap 约束接口，不是直接电机电流，也不是通用真机驱动。ExtraTreesRegressor（极端随机树集成回归器）以多棵树预测的平均值输出连续动作，适合在这个小型状态任务中展示完整学习链路；这不构成它优于机器人神经策略的结论。

数据可以重采，模型可以重训，结果可以逐回合核对

下载完整源码、依赖锁与实验报告 ZIP。解压后进入 robot-pick-place 目录，用 Python 3.11 或 3.12 和 uv 运行以下命令。不需要 API Key，也不连接真实机械臂。

uv sync --frozen
uv run --frozen python -m unittest test_project -v
uv run --frozen python pipeline.py collect
uv run --frozen python pipeline.py train
uv run --frozen python pipeline.py evaluate --split validation
# 冻结模型与规则后，再运行独立测试
uv run --frozen python pipeline.py evaluate --split test --policy expert
uv run --frozen python pipeline.py evaluate --split test
uv run --frozen python pipeline.py evaluate --split test --stress grip-release
uv run --frozen python pipeline.py evaluate --split test --policy bc-recovery --stress grip-release

environment.py 定义物理环境与成功判据；pipeline.py 负责采集、训练和评测；test_project.py 检查回合隔离、历史特征、碰撞几何和成功边界。生成的数据与模型保存在 runs/，下载包内 evidence/ 是本次留存报告，不会被当作新运行结果。

训练集使用种子 100–179，验证集为 1000–1019，测试集为 2000–2049；按整条轨迹划分，不把相邻帧随机分进训练和测试。验证用于开发，冻结策略后才测试。报告记录模型与源码哈希，防止把旧结果与新代码拼在一起。

正常场景里的满分，挡不住一次没练过的掉落

80 条训练示范共 6,550 步，20 条验证示范共 1,638 步。验证动作均方误差约 0.000528，度量的是归一化动作标签误差，不是米制位置误差，也不是成功概率。下面是独立 50 个测试种子上的闭环结果；四组使用同一组初始位置种子。

验证集三种对应设置分别为 20/20、0/20、20/20。测试使用新的回合种子，但仍来自相同的位置分布；不是新物体、新光照、新容器或新机器人上的泛化。50 次全部成功也不等于真实成功概率为 100%：在独立同分布的二项假设下，95% Wilson 区间约为 92.9%–100%；0/50 对应约 0%–7.1%。这些区间不覆盖未测试的分布变化。

查看汇总及哈希；逐回合判据、物体位置和恢复步数在下载包 evidence/ 内。不要只截取成功演示而隐藏失败组。

补上系统恢复，不等于模型自己学会恢复

干扰在物体首次提起、尚未移到盒子上方时触发：连续 12 步暂停平移并张开夹爪，共 0.48 秒。我们只覆盖控制命令，不修改物体状态。学习策略随后仍根据自己的观察运行，但测试中未能在时限内完成入盒。

这个对比说明：成功示范覆盖了正常路径，却没有充分覆盖掉落后的状态；一个边界明确的恢复模块能改善整个系统，但不会自动改变模型本身。若要研究“学会恢复”，应另行采集纠正示范、训练新策略，并保留新的独立测试集，不能用本轮测试继续调参后还称完全未见。

跑通这一盒，不代表具备通用操作能力

本实验不包含视觉感知、自然语言指令、动态避障、跨物体迁移或真机安全控制。盒子宽、物体规则、状态精确、任务固定，都是范围限定，不应该藏在“自主完成”的标题后面。仿真接触参数也不等于真实材质；未来接入硬件前，需要独立标定、时延测量、限位限力与停止机制。

当前只支持这里的行为克隆流程。继承的 GoalEnv 目标奖励重算仍遵循原 Fetch 语义，不能直接拿来做 HER（Hindsight Experience Replay，事后经验回放）训练：本文终止条件依赖接触、速度和连续历史，不是目标坐标一项就能重算。

继续实验时，每次只改变一个因素并重新定义证据：先改变初始位置范围，再研究物体质量与摩擦；然后加入带误差的感知，最后才讨论真实机器人。不能把新增场景失败简单归因于“模型不够大”。

回到六个专栏：坐标与运动学解释动作空间；标定解释视觉接口缺口；模仿学习解释分布偏移；物理仿真解释接触；失败恢复解释状态与接管；机器人评测解释分母与不确定性。也可以返回具身智能总览。