Echo：把停止与失败信号同动作一起预测
机器人能否在执行动作时知道任务结束，或需要恢复？
Echo给π0.5动作块加入停止与失败信号，用成功、失败、干预前和恢复轨迹共同监督，并通过异步去噪让信号影响动作。真实任务评分改善，但它既不是无标注训练，也尚未证明模拟中的失败监测和自动停止能力。
图解主要方法
机器人能否在执行动作时知道任务结束，或需要恢复？
- 1
1 · 图2左侧：四类轨迹各有职责
成功遥操作、终止失败、干预前片段和恢复演示构成训练数据。信号目标由轨迹结果、子任务边界和动作填充构造，不要求逐帧进度分数，却仍需要人工边界、干预和轨迹级标签；失败动作不直接进入模仿损失。
- 2
2 · 让信号与动作共享信息而不互相泄露
动作、Stop Signal和Failure Signal用不同输入输出投影与token组，动作可与两类信号交换信息，但SS与FS之间屏蔽注意力。填充区标记任务终结，恢复区失败信号按位置下降，不能把构造目标当成真实物理风险概率。
- 3
3 · 信号先去噪，动作再细化
在动作去噪尚未结束时，信号先达到干净状态并保持，用于条件化剩余动作迭代。真实实验的清洁时间设置与公开模拟仓库配置并不完全相同，复现应记录tau约定，不能直接互换。
- 4
4 · 恢复表现与信号检测分开验证
真实任务观察动作评分、信号分类及恢复案例；附录模拟实验单独比较LIBERO-Recovery成功率。模拟信号未用来终止回合，数据没有失败起点标签，因此不能用模拟帧准确率证明自动失败检测已解决。
实验与证据
已阅读正文与方法、实验相关附录，核对实验条件与原图；未独立复现。
来源证据插花任务评分从5.67±0.92到8.33±0.69，抽屉从5.4到7.9；评分范围0–10，含接触扣分。 真实机器人：五任务各30次 ↗
我的解读8.33不是83.3%成功率；插花ID子集9.33→8.67而OOD 2→8，平均值也有分布差异。
来源证据RTX4090单次约115→120ms，token由60增至180；Capsule与Drawer测试均30次成功，没有失败真值样本。 信号与效率 ↗
我的解读小延迟增加有吸引力，但全成功子集不能建立失败召回率。
来源证据150个恢复场景、每场10次、3个评估种子，每模型4500回合，成功率32.67→34.76。单checkpoint，信号不控制终止。 附录A10模拟 ↗
我的解读约2.09百分点的独立模拟收益较温和；89.97%的逐帧标签准确率只覆盖持续/成功状态。
开放情况与使用许可
官方项目链接Echo-Sim实际仓库，含echo训练/评估代码、配置、测试与数据来源清单。其公开范围为模拟扩展，不冒充全部真实机器人系统；第三方许可保留在LICENSES及THIRD_PARTY.md，未确认统一新增代码许可，故不笼统标为MIT或Apache。
LICENSECC BY 4.0（论文及原图）
我的判断
独立分析 · 未复现实验正方 · 为什么值得投入
把执行状态作为动作生成的一部分，提供了连接失败数据、恢复行为与停止判断的具体监督机制。
反方 · 哪些结论还不够
标签依然依赖任务和人为干预；真实失败检测覆盖不均，模拟实验没有失败起点真值，多个评估种子不等于多个独立训练种子。
综合判断
可以作为恢复策略和信号设计的可复现起点；距离可信的在线安全监测还需要失败专用测试。
我会先做的验证
未执行的验证方案：建立含成功、卡住、碰撞、误停、可恢复偏离的平衡测试集，标注真实失败起点；分别测检测延迟、误报率和闭环恢复成功，固定动作预算比较启用与禁用信号的策略。