第 6 章的规则循环、第 7 章的目标判据和第 8 章的误差检查,都在强调同一件事:程序说成功之前,先看实际发生了什么。本章把这个要求放进两个可重复的意外中——第一次抓空,以及抓取后目标移动。
前置要求:能读第 6 章事件日志,理解单步 ok 与任务 success。本章仍用仿真状态和离线规则,不依赖第 7 章选学的模型服务,也没有把第 8 章颜色定位接入控制器。
本章目标:做一组真正可以比较的实验
固定脚本与反馈控制器采用相同种子、相同扰动。这样的比较叫对照实验:尽量保持其他条件一致,把不同结果与决策方式联系起来。一个回合是从创建初始场景,到任务成功或预算结束的一次完整尝试。
我们将运行 2 种控制器 × 3 种条件,共 6 个单回合,再用 5 个种子做 30 回合检查。保留失败回合,才能知道方法何时有用。
先把三层“成功”分开
- 程序运行完毕:没有在依赖或代码错误处崩溃。
- 工具执行成功:例如一次
move达到该调用要求的位置。 - 整个任务成功:方块已释放,并满足当前蓝区的放置条件。
本环境的 World.success() 同时检查四项:
| 条件 | 从哪里检查 | 具体阈值 |
|---|---|---|
| 已松开 | robot.holding |
必须为假 |
| 水平位置正确 | scene.block_xyz 与 scene.goal_xyz 的 XY 距离 |
小于 0.045 m,即 4.5 cm |
| 高度合理 | 方块中心 block_xyz[2] |
严格位于 0.015 与 0.065 m 之间 |
| 运动足够慢 | scene.block_linear_speed_m_s |
小于 0.05 m/s,即 5 cm/s |
这些数值是教学环境的约定,不是通用机器人标准。速度是在等待物体落下后采样的瞬时值,不能把一次检查扩大为“物体以后永远稳定”。位置日志保留五位小数,若恰好在阈值边缘,仍以 World.success() 的原始状态计算为准。
先手算一次验收:假设红块已释放,高度为 0.03 米,速度为 0.01 米/秒,但它与目标的 x、y 分别相差 0.03、0.04 米。水平距离是 √(0.03² + 0.04²) = 0.05 米,大于 0.045 米,所以任务失败。分别检查两个坐标差都小于 0.045 米,会误把这次放置判为成功。四个条件之间是“并且”:任何一项不满足,都不能宣布完成。
第一步:建立无扰动对照
在仓库根目录、已激活环境中逐条运行:
python lab/run.py baseline --seed 7 --perturb none --out runs/ch09-baseline-clean
python lab/run.py agent --mode scripted --seed 7 --perturb none --out runs/ch09-agent-clean
baseline 开始时缓存坐标,随后走固定序列;scripted 每轮重新看状态。无扰动时,两者的参考结果都是成功、7 次工具调用。这个结果说明两者都能完成顺利场景,尚不能说明谁更会处理故障。
每条命令都会新建世界,不会接着上一条命令的末态运行。相同种子用于匹配初态,独立输出目录用于避免覆盖证据。
第二步:只让第一次有效抓取失败
运行前先写下预测:抓取返回失败后,固定脚本会不会改变下一步?反馈控制器需要看到哪一个字段,才能决定再次抓取?先保留自己的答案,再用下面的输出修正它。
python lab/run.py baseline --seed 7 --perturb miss-grasp --out runs/ch09-baseline-miss
python lab/run.py agent --mode scripted --seed 7 --perturb miss-grasp --out runs/ch09-agent-miss
miss-grasp 是故障注入:人为在指定时刻制造已知错误,以便比较系统反应。它在第一次满足位置条件的 grasp 上返回 injected_miss_grasp,不建立附着;之后的有效抓取可正常发生。它不模拟真实滑落或摩擦不足。
抓空后,固定脚本仍搬运并释放空夹爪,最终失败。反馈控制器在下一轮看到 holding: false,且工具仍在方块附近,于是再次尝试抓取。恢复规则是人工编写的,不是模型临场发明的。
基线失败时退出码为 2,但仍会写出日志;这是预期结果。不要用 && 把两条命令连起来,因为第一条非零退出会阻止第二条执行。在普通终端逐条运行即可。反馈控制器的参考结果是成功、8 次工具调用,多出来的一次就是重试抓取。
第三步:让蓝色目标移到另一侧
先看同一教学环境的固定序列录像。观看时记住两个位置:抓取之前蓝区在哪里,抓取之后蓝区在哪里;然后看机械臂究竟把方块送向哪一个位置。
种子 7,首次抓取成功后蓝色目标移位。固定序列沿用初始目标坐标,动作执行完毕,但最终验收失败。
本课 SCARA 实际仿真录像 · 状态输入与规则控制 · 无模型调用。动作间加入定格便于读字幕;无音轨。
逐步观看:点击记录跳到对应画面
固定序列已经保存了旧目标位置,因此即使蓝区移走,仍会在旧位置放下。这里可以出现“各个工具都执行正常,但任务失败”:释放确实发生了,只是地点不对。
再看反馈控制器。两段录像都使用种子 7 与 shift-goal 条件,区别是是否根据当前观察重新选择动作。观看时寻找第一次体现新目标坐标的横向移动。
与对照 A 使用相同种子和扰动。反馈控制器重新读取目标位置,将方块放入移动后的蓝区。
本课 SCARA 实际仿真录像 · 状态输入与规则控制 · 无模型调用。动作间加入定格便于读字幕;无音轨。
逐步观看:点击记录跳到对应画面
反馈控制器先抬高,再向移动后的蓝区运输。图像帮助理解动作差异,下面的日志用于确认目标何时改变、动作采用了什么坐标;视频本身不替代验收。
在自己的环境运行同一对照:
python lab/run.py baseline --seed 7 --perturb shift-goal --out runs/ch09-baseline-shift
python lab/run.py agent --mode scripted --seed 7 --perturb shift-goal --out runs/ch09-agent-shift
扰动在第一次成功抓取后,把蓝区从 (0.08,-0.18) 移到 (0.08,0.20) 米。新位置仍然可达,且只移动一次。这里不检验任意动态追踪、视觉感知或碰撞避障。
第四步:一次读出全部六组结果
把以下代码保存为仓库根目录的 inspect_ch09.py:
import json
import math
from pathlib import Path
names = (
"baseline-clean", "agent-clean", "baseline-miss",
"agent-miss", "baseline-shift", "agent-shift",
)
for name in names:
folder = Path("runs") / f"ch09-{name}"
summary = json.loads((folder / "summary.json").read_text())
events = [json.loads(line) for line in
(folder / "events.jsonl").read_text().splitlines()]
observation = summary["final_observation"]
scene = observation["scene"]
checks = {
"released": not observation["robot"]["holding"],
"near_current_goal": math.dist(scene["block_xyz"][:2],
scene["goal_xyz"][:2]) < 0.045,
"height_ok": 0.015 < scene["block_xyz"][2] < 0.065,
"slow_enough": scene["block_linear_speed_m_s"] < 0.05,
}
print(name, "success=", summary["success"], "steps=", summary["steps"])
print(" 从最终日志复核:", checks)
for event in events:
if not event["result"]["ok"]:
print(" 工具失败:", event["step"], event["tool"],
event["result"].get("error"))
assert summary["model_calls"] == 0
print("\n移动目标的事件证据:")
for name in ("baseline-shift", "agent-shift"):
path = Path("runs") / f"ch09-{name}" / "events.jsonl"
events = [json.loads(line) for line in path.read_text().splitlines()]
grasp_index = next(i for i, event in enumerate(events)
if event["tool"] == "grasp")
before = events[grasp_index - 1]["result"]["observation"]
after = events[grasp_index]["result"]["observation"]
print(name, "抓取前目标:", before["scene"]["goal_xyz"],
"抓取后目标:", after["scene"]["goal_xyz"])
for event in events[grasp_index + 1:]:
if event["tool"] == "move":
print(" 后续move:", event["step"], event["arguments"])
python inspect_ch09.py
第一部分分别检查释放、水平位置、高度与速度。math.dist 计算两点距离,[:2] 只取 XY;与第 8 章不同,这里比较的是两个状态位置,不是视觉预测误差。参考结果为:
| 条件 | 固定脚本 | 反馈控制器 |
|---|---|---|
| 无扰动 | 成功,7 次调用 | 成功,7 次调用 |
| 首次抓空 | 失败,7 次调用 | 成功,8 次调用 |
| 目标移动 | 失败,7 次调用 | 成功,7 次调用 |
第二部分应显示两组目标都从旧位置变到新位置;后续 move 参数却不同。先抬高的动作仍使用工具当前位置,不能把它误当成“控制器忽略了新目标”。继续看后面的运输动作:固定序列仍采用 y=-0.18,反馈策略采用 y=0.20。
抓空基线会出现工具错误;目标移动基线却可能没有任何工具报错。正因为如此,需要独立的任务检查,不能只统计工具 ok 的比例。
第五步:用多个种子检查结论
python lab/run.py evaluate --seeds 5 --out runs/ch09-evaluation
此处 --seeds 5 表示使用种子 0 到 4,不是“使用种子 5”。两种控制器 × 三种条件 × 五个种子,共 30 回合。终端按组显示成功数,每回合目录及 evaluation.json 保留明细。参考结果为无扰动两策略均 5/5;两种扰动下基线均 0/5,反馈策略均 5/5。
实验能够支持“这组规则在这些条件下对两种故障有效”。它没有测试更多物体、任意扰动、真实机械臂或在线模型,不应写成通用可靠性结论。不同结果也要保留,先核对版本、种子、条件与失败事件。
恢复必须有限,也必须针对原因
当前规则最多执行 32 轮。预算指允许继续尝试的次数;耗尽后结束,避免无限循环。但“有次数上限”不等于“恢复方法正确”。
例如暂时抓空可以尝试重抓;目标已移动需要重读位置;不可达位置重复调用 32 次也不会因此变得可达。今后扩展控制器,应同时写清错误如何识别、采取什么不同动作、最多重试几次、何时停止。
本章验收包括六组单回合日志、30 回合结果,以及两条具体证据链:“抓空→未持物→再次抓取”和“目标改变→运输坐标改变→当前目标验收通过”。
基础练习:指出目标移动基线中哪个任务条件为假,而哪些工具仍然成功。进阶练习:为“连续三次抓取都失败”写一条停止规则,先说明期望日志,再实现测试;不要把现有只失败一次的实验当成已经验证该规则。
基础练习自查:应找到 near_current_goal: False;机械臂可以正常移动到旧位置并正常释放,因此工具 ok 仍可能全为真。抓空实验中,决定能否运输的关键反馈是 holding,仅知道“刚刚调用了 grasp”还不够。若你的解释只写了“基线不智能”,请替换为具体字段、动作参数和最终条件。
下一章保留这些事件证据,解决另一个问题:这次任务已经完成,如果同一请求再次出现,程序怎样知道自己做过,又怎样确认结果现在仍然有效?
参考
- 本课程控制器与成功判据
- MemS 目标移动展厅案例:阅读更复杂的感知与记忆系统时,沿用本章的证据检查方法;本实验不等于复现该系统。