Skill2Real：面向零样本 Sim-to-Real 机器人操作的智能体技能学习 Skill2Real: Agentic Skill Learning for Zero-Shot Sim-to-Real Robot Manipulation
仿真中用三智能体验证两级技能库，冻结后经共享代码接口零样本迁移到真实机械臂
前置知识
零样本 Sim-to-Real 迁移
在仿真器中训练机器人策略，然后不经任何真实世界任务训练或微调，直接部署到物理机器人上。核心难点是“现实差距”：仿真与真实在光照、材质外观、接触动力学、机器人本体等维度的差异，会使仿真中学到的行为在现实中失效。传统应对手段包括域随机化、系统辨识以及在真实数据上微调策略。
本文的最终目标就是零样本迁移：所有技能只在 LIBERO-90 和 Robosuite 仿真中学得，冻结后直接在真实 UR5e 上执行，理解这一设定才能体会“冻结技能库而非调参数”设计的意义。
域随机化与非对称（特权）学习
域随机化在仿真中随机化光照、纹理、物体形状等属性，迫使策略学到对域变化不变的特征；非对称 actor-critic 让评论家访问仿真器特权状态（如物体真值位姿）辅助训练，而行动者只用真实可得的观测执行。两者的学习预算常被耗在与任务无关的底层表征建模上。
Skill2Real 的 Proposer-Verifier-Governor 结构是特权思想在智能体框架下的推广：Verifier 独享特权仿真证据做诊断，但其反馈被约束为公共可表达，保证特权信息只用于训练、绝不进入部署策略。
代码即策略（Code as Policies）
用大语言模型直接生成可执行程序（调用感知、规划与控制 API）作为机器人策略，而非输出网络的连续动作。优点是可组合、可解释、能复用成熟软件接口，代表工作有 Code as Policies 与 ProgPrompt；局限是通常只能组装人工预定义的原语，缺少从执行经验中改进技能本身的能力。
本文延续代码策略范式但更进一步：技能以“自然语言指导 + API 代码模板 + 结构化状态描述”的形式从经验中自动习得、验证并写入库；共享 API 契约正是程序能跨仿真/现实复用的关键载体。
视觉-语言基础模型（VLM）
在海量图文数据上预训练、可对图像做语言推理的大模型（如 GPT、Claude 系列）。它们具备零样本跨域视觉理解能力：对仿真渲染图和真实照片都能进行物体识别、空间关系推理与代码生成，无需针对目标域微调。
Skill2Real 把 sim-to-real 的桥接重任交给 VLM 的跨域 grounding 能力：策略的执行核心是一个冻结 VLM（Proposer），同一模型直接消化仿真和真实的 RGB-D 观测；实验还横跨 GPT-6 Astra、GPT-5.6 Sol、Claude Opus 多个模型验证学习增益与基座正交。
分层技能学习与技能库
把长时程任务分解为可复用的子技能并在其上做任务级组合，是分层强化学习（Options、MAXQ、HIRO）的核心思想。近期工作将其落为“技能库”形态：以程序、语言描述或潜变量存储技能，供任务层检索与组合，以提升长时程操作的成功率与泛化能力。
本文的两级层次直接借用“小脑（Cerebellum，局部操作技能）—大脑（Brain，任务级组合与恢复）”分工，并通过“Stage II 冻结小脑库”的顺序训练显式构造层级依赖，是读懂 C1-C3、B1-B4 训练曲线设计的钥匙。
研究动机
零样本 sim-to-real 操作的核心矛盾是：仿真提供了可扩展的经验来源，但外观、动力学、接触与本体差异使仿真策略难以在真实机器人上可靠运行。传统路线把学习预算大量花在与任务无关的底层表征上——外观主导的域随机化在建模光照、纹理变化上消耗容量，非对称 actor-critic 用特权状态训练的也是低层表征——真正可复用的任务级知识反而学得少。对长时程操作问题更严重：机器人不仅要可靠执行局部抓放等技能，还要把它们组合成任务级行为，并在中间步骤失败时恢复；现有代码生成方法（Code as Policies 等）只能组装人工给定的原语，不从执行经验中习得新技能；代表性技能库系统（LRRL、ASPIRE 等）依赖人类引导或真实世界执行反馈，难以规模化。基线数字很说明问题：不带任何习得技能的强 VLM 在未见过的 LIBERO-Pro Long 上，GPT-6 Astra 的 Overall 成功率只有 2.0%，Opus 5 只有 0.5%——纯靠基础模型通用推理，长时程操作几乎不可用。
本文的目标是本文目标是构建一个智能体策略框架，在仿真中自动习得“经过验证、可复用、可组合”的任务级知识，并以冻结知识（而非模型参数）的形式零样本迁移到真实机器人。具体拆成三点：(1) 设计共享代码策略接口，使同一套技能程序在仿真和现实有共同语义的执行形式，把“学什么”与“在哪执行”解耦；(2) 设计非对称的 Proposer-Verifier-Governor 多智能体循环，让特权仿真证据最大化转化为训练监督，同时绝不泄漏进部署策略；(3) 构造两级技能层次——Cerebellum 学可复用的局部操作技能，Brain 在小脑库冻结后学长时程任务程序与失败恢复——并验证知识在跨任务套件、跨 Proposer 模型、跨仿真/现实三个维度的迁移能力，例如把 LIBERO-Pro Long 上 Astra 的成功率从 2.0% 提到 56.3%，真实 UR5e 平均完成率从 27.50% 提到 78.75%。
与已有工作不同的是，本文的独特切入是重新定义 sim-to-real 迁移的“单位”：不是迁移网络参数或表征，而是迁移以公共 API 语义表达的可执行任务知识。核心分离原则是：监督技能学习所需的信息（仿真器特权状态、成功判定）与执行已学技能所需的信息（公开观测 + 文档化 API）彻底解耦——Verifier 可看特权证据做诊断，但必须把诊断翻译成 $f \in \mathcal{F}_{pub}$（仅用公共观测和 API 语义可表达的反馈）；Governor 只依据验证 rollout 的实证证据 $e_\delta$ 准入更新。这样特权信息成为纯训练期资产。与 Zetta 围绕冻结基础策略演化运行时 harness 不同，本文是完整多智能体系统在学习两级技能层次；与既有技能库系统依赖人类或真实反馈不同，本文靠 VLM 跨域 grounding 加仿真内验证闭环，把学习预算全部集中在任务级可复用知识上。
核心方法
直觉上，作者想让“机器人技能”像软件库：写成对公共 API 契约的程序，由仿真还是真实后端执行无所谓，语义一致即可复用。技术分三块。(1) 共享代码策略接口：仿真环境 $E^{sim}$ 与真实环境 $E^{real}$ 共享 18 个文档化操作的契约 $\mathcal{A} = \{a_k\}_{k=1}^{K}$（图像获取、SAM 分割、几何测量、位姿编译、运动命令等），策略只经接口推理，各后端自实现感知、标定与底层控制——接口即迁移边界。(2) PVG 循环：Proposer（VLM）依 $c_t \sim \pi_M(c \mid g, o_{\leq t}, \mathcal{D}_\mathcal{A}, S_{cer}, S_{brain})$ 采样程序并执行；确定性评估器给出 $e = E_{exec}(\tau, x^{priv}_{0:T})$；Verifier 转成公共反馈 $f$；Proposer 据此起草候选更新 $\delta$；Governor 检查验证证据 $e_\delta$（25 个独立种子 rollout 的完成、失败与回归）后准入。(3) 两阶段训练：Stage I 学小脑库，Stage II 冻结小脑后学大脑库；部署只留 Proposer、接口与冻结记忆。
核心创新是“非对称信息访问 + 验证准入”的技能学习机制，与已有方法的本质区别有三。第一，对比域随机化/非对称 actor-critic：它们把特权信息用于训练神经表征，迁移的仍是参数；本文特权信息只用于生成公共可表达的反馈（$f \in \mathcal{F}_{pub}$），迁移的是程序化知识，因此同一知识库可换 Proposer 模型、换物理后端复用。第二，对比 Code as Policies 类方法：它们组装人工预定义原语；本文技能从失败与成功经验中归纳、经 Verifier 诊断、由 Governor 用验证 rollout 筛选后写入库，并附适用条件、预期效果与失败边界。第三，层次结构靠顺序依赖显式构造：$S^*_{cer} = \text{TrainStage}(\mathcal{Q}_{cer}, \varnothing)$，$S^*_{brain} = \text{TrainStage}(\mathcal{Q}_{brain}, S^*_{cer})$，大脑学习以冻结小脑为只读上下文，只能学组合、排序、重绑定与恢复，不能改写局部技能，保证两级知识职责清晰且互补增强。
方法步骤详情
流程四步。第一步 Stage I（Cerebellum）：从空记忆开始，在 $\mathcal{Q}_{cer}$ 任务上跑 PVG 循环——Proposer 执行局部操作任务（抓取、放置、开抽屉），每任务 5 个种子 rollout；Verifier 定位第一个失败转移并译成公共反馈（如“夹爪闭合完成不等于物体被保持住”）；Proposer 把反馈凝练成候选技能（自然语言指导 + API 代码模板 + 紧凑状态描述）；每候选用 25 个独立种子验证 rollout 生成 $e_\delta$，Governor 综合证据后准入或拒绝。共 3 轮（C1-C3）。第二步 Stage II（Brain）：冻结 C3 小脑作只读上下文，同流程在 $\mathcal{Q}_{brain}$ 上学任务级技能（目标排序、实体重绑定、进度保留、恢复策略），4 轮（B1-B4）；LIBERO-90 每迭代 450 episodes、共 3,150 个。第三步冻结评测：Proposer 仅凭公开观测与 API 文档在 LIBERO-Pro Long（20 任务 x 10 种子）评测。第四步零样本真机部署：UR5e 后端实现同一 18 操作 API（RealSense RGB-D、手眼标定、ROS 控制），无示范、无微调、无在线更新，直接执行 R1-R4。
技术新颖性
技术新颖性有四点。(1) 迁移边界的工程化定义：18 个操作的 API 契约明确排除仿真器对象句柄、真值位姿、隐藏场景结构与成功谓词，连深度都必须由标定双目立体视觉重建而非读取深度缓冲——把“什么算公共信息”变成可检查的契约而非口头约定。(2) Verifier 的公共性约束：诊断可动用特权证据，但输出必须落在 $\mathcal{F}_{pub}$ 内，且要给出“下一步可用公共观测完成的判别性测试”，这是非对称 actor-critic 思想在 LLM 智能体语境下的重构。(3) Governor 的实证准入：候选更新不因单次成功即入库，需 25 个验证 rollout 支持其声称的改进且无回归；附录 D 的碗-托盘案例中 4 个候选只准入 1 个，层级越界（把小脑级接触规则写进大脑）与未实现未测试的条款都被拒收。(4) 两级顺序依赖（公式 3）把“技能习得”与“技能组合”变成可分别度量、可分别消融的两个阶段；消融显示去掉 Verifier/Governor 分别损失 17.25 与 13.25 个百分点，证明该机制并非工程点缀。
实验结果
证据链覆盖四层面。(1) 两级层次贡献：LIBERO-90 训练向未见 LIBERO-Pro Long 迁移（20 任务 x 10 种子），Astra Overall 从无技能 2.0% 升至 C3 小脑 35.3%、B4 完整层次 56.3%；Opus 5 从 0.5% 到 29.3% 再到 49.0%，证明技能跨 Proposer 迁移。B4 时 Task/Pos 为 76.0%/36.5%（Astra）与 66.5%/31.5%（Opus），位置变化仍是短板。Robosuite 七任务独立训练：Sol 均值 16.6%→45.6%→85.1%，Opus 19.4%→49.6%→89.4%，Brain 阶段 +39.6/+39.9 点且七任务全部提升，螺母装配 +62/+50 点、双臂传递 +52/+60 点。(2) 真实迁移：UR5e 四任务各 20 次试验，完整层次均值 78.75%（R1 95、R2 85、R3 85、R4 50），对比无技能 27.50%、仅小脑 56.25%、仅大脑 37.50%；只有完整层次能完成抽屉任务。(3) 横向比较：固定 Sol 的 C3/B3 库，Astra 上 Overall 55.3%、Task 75.0% 均最佳（Zetta 51.5%/63.0%，ASPIRE 30.5%），但 Pos 上 Zetta 以 40.0% 领先本文 35.5%。(4) 消融：去 Verifier 掉至 39.0%（-17.25 点），去 Governor 掉至 43.0%（-13.25 点）；源域 Sol 14.2%→38.2%→62.0%，Opus 18.7%→43.8%→73.3%。
查看结构化数据
| 任务 | 指标 | 本文 | 基线 | 提升 |
|---|---|---|---|---|
| LIBERO-90 → LIBERO-Pro Long 迁移（GPT-6 Astra 评测，Overall） | 任务成功率 (%) | 56.3（B4 完整层次） | 2.0（C0 无技能）；35.3（仅 Cerebellum C3） | +54.3 个百分点 |
| LIBERO-90 → LIBERO-Pro Long 迁移（Opus 5 评测，Overall） | 任务成功率 (%) | 49.0（B4） | 0.5（C0）；29.3（C3） | +48.5 个百分点 |
| LIBERO-Pro Long 指令扰动（Task）横向对比（固定 C3/B3 库） | 成功率 (%) | 75.0（Astra） | Zetta 63.0；CaP-Agent0 38.3；ASPIRE 30.5 | 较最强基线 +12.0 个百分点 |
| Robosuite 七任务均值（Opus 5 从零独立训练） | 平均成功率 (%) | 89.4（B4） | 19.4（C0）；49.6（C3） | +70.0 个百分点，Brain 阶段再 +39.9 |
| 真实 UR5e 四任务 R1-R4（各 20 次试验） | 平均任务完成率 (%) | 78.75（完整层次） | 27.50（无技能）；56.25（仅小脑）；11.25（CaP-Agent0） | 较无技能 +51.25 个百分点 |
| PVG 角色消融（Pro Long Overall，B4） | 成功率 (%) | 56.25（完整 PVG） | 39.0（去 Verifier）；43.0（去 Governor） | 两角色分别贡献 17.25 / 13.25 个百分点 |
局限与改进
作者承认的局限：(1) 成功率是固定库的记录评测点估计，未重复独立训练，不反映训练随机性；(2) 曲线按训练迭代而非累计 rollout 成本索引，阶段比较混淆“更多训练”与“更高层次”，未在匹配预算下隔离层次贡献；(3) LIBERO 本身基于 Robosuite，该实验不构成跨物理引擎迁移；(4) 当前是纯 code-as-policy 接口，VLM 推理延迟限制闭环速度。我的补充观察：(5) 位置扰动明显弱于指令扰动（Astra 36.5% 对 76.0%），窄空间抓放（bowl-in-drawer 仅 20.0%，Zetta 的端到端 VLA 达 75.0%）暴露代码接口反应式控制粒度不足；(6) 真实评测仅单台 UR5e、4 任务、各 20 次试验，R4 仅 50%，未覆盖柔性物体、动态干扰与人机共享场景；(7) 依赖顶级商业 VLM（GPT-6 Astra、Claude Opus 5），每候选 25 个验证 rollout 的调用与仿真成本可观，效果与 VLM 版本强耦合；(8) API 不承诺对象保持静止，方法隐含静态或准静态场景假设。
独立分析的弱点
独立分析四个弱点。其一，窄空间与位置泛化弱：Pos 下 bowl-in-drawer 仅 20.0%、mug-in-microwave 15.0%，被 Zetta 的闭环 VLA 反超，根因是代码接口下感知-动作回路较粗（先测量、再编译位姿、再执行）；改进方向是按作者设想把端到端策略封装成 API 内可调用工具，形成代码层规划 + 神经层反应的混合接口。其二，验证准入成本高：每候选 25 个验证 rollout、每迭代全任务重跑，LIBERO-90 共 3,150 个 episodes 外加大量 LLM 调用；可引入序贯检验（early-stopping 统计测试）或按历史准入率做优先级采样削减预算。其三，技能库无冲突管理与回归测试：Governor 逐条准入但不做全局回归与版本管理，库增大后条款可能冲突，论文也未报告最终库规模与检索方式；可加准入后全任务回归套件与知识去重。其四，真实评测面窄且定性：光照/桌布变化（附录 A.2）只给定性记录不进表；建议补充多物体堆叠、柔性物、动态干扰任务并报告置信区间；跨具身（换夹爪/臂型）理论上被后端抽象支持但未实测。
未来方向
作者在结论中提出两个方向：把端到端策略作为可调用工具暴露进当前纯 code-as-policy 接口，以及降低 VLM 推理延迟以支持更快的闭环执行。基于成果可自然延伸：(1) 跨物理引擎与跨具身迁移——目前 Robosuite 实验未离开同一仿真栈，可在 Isaac/MuJoCo 与不同机器人上检验 API 语义兼容假设的边界；(2) 技能库的终身演化——库当前完全冻结，可在部署后受控积累，用人工确认或视觉语言批评模型充当真实世界 Verifier，做带准入门槛的在线更新；(3) Governor 的形式化——把准入决策变成带统计功效分析的假设检验或贝叶斯 bandit，自动决定验证 rollout 数量并控制入库错误率；(4) 层次边界的自动协商——当前层级越界靠 Governor 人工规则审查（附录 D 案例），可让小脑在能力缺口出现时主动申请扩容并触发 Stage I 增量重训；(5) 与 VLA 的互补融合——结果已呈 Task 强/Pos 弱的互补格局，混合架构（VLA 做局部反应控制、本文层次做任务编排与恢复）是明确的工程方向。
复现评估
复现评估：项目页 skill2real.github.io，附录质量极高——附录 C 完整给出 18 个 API 操作的公共契约（Table C.1/C.2），附录 E 给出小脑/大脑技能模板实例，附录 F 给出六个角色的完整提示词，附录 G 给出训练伪代码 Algorithm 1，附录 D 复盘真实准入案例，方法层面接近白盒。硬性依赖是顶级商业 VLM（GPT-5.6 Sol、GPT-6 Astra、Claude Opus 5/4.6，推理 effort 为 medium），API 费用不菲且模型版本更迭会改变结果；算力上无 GPU 训练需求（不训练神经网络），主要是仿真 rollout 时间（LIBERO-90 共 3,150 个训练 episodes，另每候选 25 个验证 rollout）与 LLM 调用成本。真机需 UR5e + Pika 夹爪 + RealSense D435/D405 + ROS Noetic 及手眼标定；仿真用 LIBERO/Robosuite 可低成本起步。未见明确代码开源声明，若闭源需按附录重建契约与提示词，工作量中等偏大。综合难度：仿真复现中等，完整真机复现需要机器人工程经验。
论文图表
顶部并列展示仿真（Sim）与真实（Real）两组场景照片：Skill2Real 在多样仿真环境中学习可迁移的技能知识，得到的冻结技能在真实世界任务上不加任何额外学习直接评测，并对光照、材质与动力学变化保持鲁棒。
一图点题：迁移的单位是仿真中学到的技能知识而非模型参数，零样本真机执行是全文的核心主张，先看这张图能建立对问题设定的正确预期。
上排记录完整的真实柑橘取回任务：从打开的抽屉中抓取、取出到释放；下排记录 R3 方程装配任务（23+45=68）的初始状态、第一次放置与最终放置，每个任务一行连续执行帧。
展示冻结层次在真机上的长时程行为：既有小脑级的局部抓取，也有大脑级的任务编排（先取抽屉中物体再释放、按顺序摆放答案方块），对应真实 UR5e 评测的定性证据。
两条学习曲线面板：(a) LIBERO-90 训练的各冻结检查点（C0-C3 小脑、B1-B4 大脑）迁移到未见过的 LIBERO-Pro Long 的成功率——Astra 从 2.0% 升至 56.3%，Opus 5 从 0.5% 升至 49.0%；(b) Robosuite 独立训练库的成功率——Sol 达 85.1%，Opus 达 89.4%。两阶段（小脑/大脑）背景分区标注，所有评测库均冻结。
最重要的定量结果图：清晰展示小脑与大脑两阶段的互补增益，且增益在 Astra、Sol、Opus 三个基座模型上一致出现，支撑“学习增益与底层 VLM 正交”的关键论断。
与 CaP-Agent0（CaP-X）、ASPIRE、Zetta、π0、π0.5 在 LIBERO-Pro Long 上的柱状对比：Skill2Real（Astra + 固定 Sol C3/B3 库）Overall 55.3%、Task 75.0% 均为最高；Zetta 在位置扰动 Pos 上以 40.0% 领先 Skill2Real 的 35.5%；Opus 4.6 版本 Overall 35.3%，高于 ASPIRE 的 30.5%。
定位本文在当前 agentic/VLA 方法谱系中的位置：优势与短板（窄空间位置扰动）同时可见，是评价其真实贡献边界的核心对比实验。
Sol 与 Opus 独立训练库在 LIBERO-90 源任务套件本身的学习曲线（每迭代 450 个保留初始状态评测）：Sol 从 14.2% 经 38.2%（C3）到 62.0%（B4）；Opus 从 18.7% 经 43.8% 到 73.3%，大脑阶段在 C3 小脑冻结时再加 23.8/29.6 个百分点。
补充源域（非迁移）的学习动态，与 Figure 6(a) 的迁移曲线互为印证：技能既提升源任务性能也提升迁移性能，说明学到的是可复用知识而非过拟合。
按六个任务族（铰接存储、堆叠、炉灶操作、caddy 收纳、篮/托盘收纳、表面放置）分别画学习曲线，各用自己的归一化满分与纵轴。显示大脑阶段在 caddy 收纳、篮/托盘收纳、表面放置上的增益大于堆叠：Opus 的 caddy 收纳从 C3 的 56.7% 升到 B4 的 100.0%，而堆叠停在 40.0%。
揭示平均数字背后的结构性差异：不同操作类型从两级层次中的受益不均，帮助读者判断该方法适用于哪类操作，避免被单一总分误导。
七个 Robosuite 任务（立方体举起/堆叠/再堆叠、螺母装配、擦拭泼洒、双臂举起、双臂传递）的共享纵轴学习曲线。从 C3 到 B4：螺母装配 Sol/Opus 分别 +62/+50 点，双臂举起 +48/+46 点，双臂传递 +52/+60 点；B4 时 Opus 在五项任务领先，Sol 在立方体举起（98% 对 95%）与擦拭（100% 对 99%）更高。
展示方法在双臂与装配类操作上的扩展性——这是长时程操作中最难的类别之一，逐任务数字支撑“Brain 阶段改善全部七个任务”的声明。
三种训练变体（完整、去 Verifier、去 Governor）在 LIBERO-90 源套件上的学习动态：三者同从 C0 的 14.2% 起步，完整版每个迭代后都最高，B4 达 62.0%，去 Verifier 为 38.0%、去 Governor 为 40.0%；去 Governor 的变体从 B2 起停滞在约 40%。
与 Figure 8 形成源域/迁移域双重验证：去掉任一角色在源任务上损失更大（24.0/22.0 点），说明两个角色影响的是技能习得本身而非仅迁移表现。
四个真实任务的代表场景：(a) R1 抓取物体放置到盘子；(b) R2 按颜色分拣物体到带色标签的盒子；(c) R3 用答案方块摆出 23+45=68；(d) R4 抽屉操作。
给出 R1-R4 四个任务的直观定义，读 Table 1 的真实机器人数字前需要知道每个任务的完成条件，否则无法判断 78.75% 意味着什么难度。
真实部署的桌布与光照变化记录：(a) 白色桌面；(b) 花布桌面（同一土豆放盘操作任务完成）；(c) 红色格纹布（三个物体分拣全部入盒）；(d) 昏暗侧光下执行两次答案方块抓放。所有图像保留原始曝光，属定性证据。
支撑零样本迁移对域变化的鲁棒性声明：冻结技能在训练时未见过的外观与光照条件下仍能完成任务，是“知识级迁移”最直观的视觉证据。
真实 UR5e 四任务完成率：CaP-Agent0 均值 11.25%；Astra 无习得技能 27.50%（R4 为 0）；仅大脑 37.50%；仅小脑 56.25%；完整 Skill2Real 78.75%（R1 95、R2 85、R3 85、R4 50）。加大脑后 R1-R3 分别提升 15、5、20 个百分点，且唯一能完成抽屉任务（50%）。
全文最关键的真机结果表：用同一 Proposer（Astra）与同一接口的受控对比，逐一隔离小脑、大脑两个记忆层的贡献，直接支撑“层次化知识在真实世界有效”的核心结论。
定义 R1-R4 四个真实任务的指令模板与完成条件：R1 把指定物体放入指定容器；R2 按颜色或语义类别分拣；R3 移动方块组成所求等式且顺序正确；R4 打开目标抽屉、放入指定物体、关闭抽屉。
真实评测的判分标准来源：完成条件决定 Table 1 中每次试验成败的判定口径，是复现真机实验与理解结果必备的定义表。
LIBERO-90 六个分析用任务族及其操作范围与归一化满分：铰接存储 95、堆叠 20、炉灶操作 40、caddy 收纳 60、篮/托盘收纳 85、表面放置 150，六个分母合计 450。
理解 Figure B.2 分族分析的口径：不同族满分不同、按套件级平均而非族等权，是正确解读分族增益数字的前提。
固定 C3/B3 库在十个 Pro Long 任务上位置扰动的逐任务成功率：Skill2Real+Astra 均值 35.5%，Opus 4.6 为 24.0%，ASPIRE 22.6%，Zetta 40.0%。亮点如炉灶+摩卡壶 100.0%，短板如碗入抽屉 20.0%（Zetta 75.0%）、双摩卡 5.0%、汤+奶油奶酪 0.0%。
暴露方法真实短板的粒度：位置扰动下窄空间抓放被端到端 VLA 明显反超，逐任务数字是评估适用边界、改进方向的关键依据。
指令扰动设置的逐任务成功率：Skill2Real+Astra 均值 75.0%（十项中五项 90% 以上、三项 100%），Opus 4.6 为 46.5%，ASPIRE 38.3%，Zetta 63.0%。同任务跨设置波动大：汤+番茄酱 Pos 80.0% 而 Task 仅 30.0%。
与 Table B.2 对照呈现 Pos-Task 不对称性：指令改写时层次化可复用知识优势显著，位置变化时反应式控制更重要，这一对比是理解本文能力模型的核心。
18 个共享 API 操作中 8 个感知类操作的公共语义：场景/俯视/腕部图像获取、标定双目立体视图、立体度量深度、SAM 框选分割、可见几何测量（3D 中心、包围盒、主轴、置信度）、候选观测发现。强调它们提供证据而非保证操作结果。
定义“公共信息”的具体边界：感知操作明确排除仿真器深度缓冲与真值位姿，深度须由立体视觉重建，这是迁移边界契约可执行化的核心证据。
10 个状态、编译与控制类操作：preprocess 刷新观测、查询前序公共状态（含保持物体几何）、由抓取中心与闭合轴编译工具位姿、放置模式编译携带/释放/撤退位姿、末端位姿查询、回home、goto_pose、gripper_goto、双臂同步 goto_pose_both。
展示技能代码可调用的全部执行原语：位姿编译与运动命令的语义在仿真与真实后端一致，是程序级知识可跨域复用的工程基础。
记录一次碗-托盘转移中 Governor 对 4 个候选更新的裁决：相对参照物规则被准入（程序实现了该规则且写明何时需重新考虑）；接触绑定、目标几何、进度检查三条被拒——分别因属于冻结小脑的层级越界、超出大脑允许的局部放置程序、包含未实现未测试的同动检测条款。
Governor 准入机制唯一的过程性案例：展示“层级边界审查 + 证据一致性审查”如何实际过滤技能入库，是理解记忆质量控制的关键材料。
训练伪代码：TrainStage(Q, C) 从空记忆出发循环——采样任务 q，Proposer 生成 rollout τ，确定性评估器产出 e=E_exec(τ, x_priv_0:T)，Verifier 返回公共反馈 f 并要求 f∈F_pub，Proposer 在新上下文凝练候选 δ，收集验证证据 e_δ，Governor 裁决 accept/reject，接受则更新记忆；Stage I 得 S*_cer=TrainStage(Q_cer, ∅)，Stage II 得 S*_brain=TrainStage(Q_brain, S*_cer)。
方法的精确形式化：把信息流约束（f∈F_pub）、验证准入（基于 e_δ 而非单次成功）与两级顺序依赖压缩在 19 行内，是复现训练流程的最小完备规范。