ManiUnit：把长程机器人任务拆成可诊断的技能测试
局部操作78.7%不等于完整任务78.7%；组合系统完整成功率仍为18%
ManiUnit从BEHAVIOR-1K的50类活动整理137899个操作片段，用明确子任务指令消除阶段歧义，并恢复中间仿真状态独立测试21种技能。1260个测试实例对比原始、底座扰动和关节扰动起点，揭示相近总分下不同技能短板，以及起始姿态变化导致的明显退化。两活动的策略组合把完整任务成功从4%提升至18%，仍远低于局部操作分数。
图解主要方法
长任务失败时，如何辨别是当前技能不会做、起点偏了，还是高层切换错了？
- 1
从整任务轨迹提取完整操作
为50活动手工定义312条提取规则和48条合并规则，例如把推到床边再抓起合成一次Pick Up。合并会保留中间导航，不能理解为所有片段完全没有移动过程。
- 2
修边界并写明确子任务指令
监测双臂各前三关节偏离低垂参考姿态，5帧平滑、15度阈值、至少5帧；夹爪事件前后保留5秒，剩余不足20%则恢复原段。模板明确动作、对象、来源和目标，再逐集人工核对指令。
- 3
恢复中间状态并定义局部成功
从源场景回放状态与对象增删历史，补回辅助抓握约束，25步settle加60步hold并清速度。人工BDDL目标绑定具体对象；放置要求容器内且不再接触机器人，扫地只检查示范实际清掉的粒子。
- 4
构造配对扰动并逐技能评分
Full为21技能各20起点，乘原始/底座/关节三条件，共1260实例。扰动必须保留抓持等前提，排除非预期碰撞。目标连续10帧成立才算成功，预算是该子任务平均示范时长的三倍。
- 5
用显式规划器衔接技能与任务策略
任务策略默认负责导航与过渡；状态历史分类为操作阶段后，子任务分类与视频检索须在技能种类及置信条件上达成一致才切换。32个1Hz状态、最近8帧SigLIP和适配VideoMAEv2参与判断，切换只发生在动作块边界。
实验与证据
完整正文及附录A–E已读，包含提取规则、状态恢复、全部技能表和规划器细节；图2视觉核验，未执行仿真实验。
来源证据Full137899片段、417子任务、21技能，平均17.9秒；拿起与放置占73.8%。 2.1；B.1表4 ↗
我的解读原始数据严重不均衡，技能宏平均与逐帧训练分布不同，不能只看总体样本量。
来源证据Lite10588片段来自挑战赛成功率最高的8活动；186实例、62起点、7技能。 B.1 ↗
我的解读Lite有任务选择偏差且每技能起点数不同，成绩不能直接与Full对照为模型规模收益。
来源证据Full每实例重复3次，Lite5次；每条件先平均技能内试验，再技能等权，最后三条件等权。 4.1；D.2 ↗
我的解读这说明总体得分不是按训练片段数量加权，也不是一个长程任务的成功率。
来源证据Full PI原始60.1%、关节26.5%；GR00T63.5%到28.2%，相对下降约56%。 图3；C.3 ↗
我的解读约56%是相对下降而非下降56个百分点；底座位移8.0–11.8厘米，关节最大变化中位0.916弧度。
来源证据Full总体PI45.9%、GR00T47.6%；Pick Up44.4%对54.4%，Place69.4%对65.6%。 图3；表6 ↗
我的解读总分接近却各有短板；逐技能结果更能决定应补什么训练数据。
来源证据Lite π0.5总体66.3%，PI54.7%、GR00T57.1%、Cosmos245.3%。 4.1–4.2；D.1 ↗
我的解读π0.5有多机器人策略预训练，其他action head随机初始化；不是仅比较动作架构的公平控制。
来源证据Pick Up位置变化：GR00T71.4%到20%，π0.5 91.4%到74.3%；每条件7实例×5次。 表1 ↗
我的解读位置扰动在这小组比颜色/干扰物影响更大，但不能外推所有技能或所有扰动强度。
来源证据同初始π0.5训练5epochs，在两活动五子任务75实例上：整任务49.3%、技能78.7%；关节条件32%对76%。 4.3；图4 ↗
我的解读29.4个百分点是局部操作改善；子任务指令与训练数据组织同时变化，因果来源尚未完全拆开。
来源证据两完整活动各10episode×5次：组合Radio24%、Trash12%，宏平均18%；任务策略两者均4%。 表2；D.3 ↗
我的解读总体增加14个百分点。Q-score11%到25%是部分目标完成度，不能替代完整成功。
来源证据StarVLA动作块30、23维、batch512；π0.5用绝对关节、batch256；训练种子42。 D.1 ↗
我的解读相同5epochs不等于相同计算与动作表示；论文未充分报告训练种子置信区间及规划端到端时延。
开放情况与使用许可
论文称构建并整理数据，但正文未给官方数据或代码链接；按题名检索未核实可下载官方语料、检查点、模型卡或实现。按待核实处理，不把论文中的released字样当作已可获取。
LICENSE论文及图2为CC BY 4.0；衍生数据、仿真资产和策略检查点许可未独立确认。
我的判断
独立分析 · 未复现实验正方 · 为什么值得投入
同操作锚点下只变底座或关节，有助于隔离起始配置敏感性；按技能等权汇总避免高频拿放掩盖稀有技能。
相同π0.5初始权重下，技能训练在五个子任务及三类起点均优于整任务训练；完整任务实验进一步检查是否能衔接。
反方 · 哪些结论还不够
从训练示范恢复的起点可能偏乐观，手工扰动不等于真实前一策略产生的完整状态分布。
技能与整任务训练同时改变轨迹长度、指令粒度和采样分布，不能将全部提升归于任意单一因素。
完整任务只测两个活动；规划器增加检索、分类器和阈值，最终18%仍表明衔接困难。
综合判断
有价值的技能诊断基准与数据组织工作；支持起点鲁棒性和分层训练值得关注，尚未证明大规模长程任务或实机可靠执行。
我会先做的验证
建议实验（尚未执行）：采用未见源轨迹及真实前序策略产生的起点，分开控制指令细化与片段采样；报告多训练种子、所有50活动的完整任务成功与切换错误，并在无辅助抓握条件下复核接触技能。