GO-3 Preview 演示里的抓取任务,先分清模型决策与预编排动作

文章导读
看到 GO-3 Preview 的抓取演示,容易把整段流畅动作一并当成模型能力。更稳妥的归因方式是:把一次演示拆成抓取、移动、放置三类片段,逐段问一句——这段动作的起止点、时长和轨迹,在重复执行时是否几乎不变。若几乎不变,多半来自场景侧预编排的固定动作;若随目标位置、遮挡、光照等输入变化而改变,才有理由把该段归到模型决策。这套观察不依赖内部实现,靠回放画面、运行日志和一次只改一个变量的可控扰动就能
📋 目录
  1. A 把演示画面切成可判断的动作片段
  2. B 在片段里找预编排的痕迹
  3. C 确认模型决策段依赖哪些外部输入
  4. D 写成团队能直接用的能力边界表述
A A

看到 GO-3 Preview 的抓取演示,容易把整段流畅动作一并当成模型能力。更稳妥的归因方式是:把一次演示拆成抓取、移动、放置三类片段,逐段问一句——这段动作的起止点、时长和轨迹,在重复执行时是否几乎不变。若几乎不变,多半来自场景侧预编排的固定动作;若随目标位置、遮挡、光照等输入变化而改变,才有理由把该段归到模型决策。这套观察不依赖内部实现,靠回放画面、运行日志和一次只改一个变量的可控扰动就能做。

判断:演示画面里预编排动作与模型决策动作通常混在一起,单看流畅度无法区分。处理方向是把任务切成抓取、移动、放置片段,用重复执行比对轨迹一致性、用可控扰动看动作是否改变,再倒推每段依赖的视觉与位姿输入。边界:拿不到该段输入、或扰动无法复现时,只能标注“未确认”,不要写进对外能力说明。

把演示画面切成可判断的动作片段

归因的前提是片段有明确起止。建议以抓取、移动、放置为切分点:末端开始接近目标记为抓取段起点,夹爪闭合或吸附生效记为抓取段终点;末端离开抓取点记为移动段起点,到达放置点上方记为移动段终点;释放动作与撤离记为放置段。切分点最好能在日志或画面上找到对应事件,例如夹爪状态位翻转、末端速度由高转低、路径出现明显拐点。

每段至少记录四个字段:时长、轨迹是否重复出现、关键点位姿、动作前后的触发条件。可以先填一张手写表,格式示意如下,字段名按实际日志替换:

片段编号  类型(抓取/移动/放置)  起止事件  时长(s)  轨迹是否逐帧重复  关键点(目标/末端位姿)  触发条件
1        抓取                  接近开始→夹爪闭合   ?       待比对             ?                     视觉目标框
2        移动                  夹爪闭合→到达放置点  ?       待比对             ?                     预设工位坐标
3        放置                  释放→撤离            ?       待比对             ?                     -

这张表的用途不是做精确统计,而是让“哪一段值得继续追查”变得具体。时长和轨迹在多次执行中高度一致、触发条件又与视觉输入无关的片段,优先按预编排处理;时长波动明显、关键点随目标位置漂移的片段,才进入下一步验证。

GO-3 Preview 演示里的抓取任务,先分清模型决策与预编排动作

在片段里找预编排的痕迹

最直接的判据是重复性。同一任务建议至少回放三次,逐帧比对轨迹:如果末端路径、速度曲线、夹爪开合时刻几乎重合,说明这一段动作的执行不依赖当次感知结果,通常属于预编排或脚本化执行;如果轨迹随目标物体微小位移而整体平移,说明该段读到了实时输入。

只做重复执行还不够,因为固定轨迹也可能被“参数化”过。还需要做单变量扰动,一次只改一个条件:把目标物体平移几厘米、在路径上加一个轻质遮挡物、改变背景纹理或光照、临时改变某个物体的朝向。观察扰动后动作是否改变——动作逻辑随之调整(绕开、重定位、换抓取方向),说明该段存在实时决策;动作完全不变甚至撞上遮挡物仍照原路走,基本可以判定为预编排。

GO-3 Preview 演示里的抓取任务,先分清模型决策与预编排动作
观察到的现象更可能的归因补充验证动作
多次回放轨迹逐帧重合,扰动后不变预编排 / 固定路径查日志里是否有与路径绑定的工位坐标或固定姿态
多次回放轨迹重合,扰动后整体平移预编排 + 实时定位参数只改目标位置,不改其他条件,看偏移是否线性跟随
轨迹在扰动后改变走向存在模型决策段改回原条件复现,确认改变来自感知而非随机抖动
动作中途停顿或重试决策环节在等待输入看停顿前最后一个输入事件是什么

确认模型决策段依赖哪些外部输入

某一段看起来是实时响应,仍要确认它靠什么成立。先把该段可能用到的输入列全:目标物体的位姿或检测框、深度图或点云、相机内外参、机器人当前关节角与末端位姿、工作空间边界、抓取候选的评分结果。再逐项做“输入变化→动作是否变化”的对照。

验证时保持其他条件不变,只替换一个输入:挪动目标物体看抓取点是否跟随;遮住深度通道看是否退化为固定高度抓取;给出超出工作空间的目标看是否拒绝执行。日志侧建议把每次运行的输入摘要与输出动作起始时间对齐,示意骨架如下,字段按实际接入替换:

# 仅为记录字段示意,不是任何官方接口
run_id, 片段类型, 输入摘要(目标位姿/末端位姿/相机参数版本), 输出动作(起始时刻/抓取点/接近方向), 是否与上次一致

如果输入变化后动作完全不变,说明这段实际没有消费该输入;如果输入缺失时动作直接失败或退化为默认姿态,说明该输入是这段成立的前提,需要在能力表述里写明。无法构造对应扰动的输入项,保守标注为“未确认”,不要默认它被用上了。

GO-3 Preview 演示里的抓取任务,先分清模型决策与预编排动作

写成团队能直接用的能力边界表述

观察做完后,把结论压成团队能复述的三句话,避免对外描述时把演示效果整体拔高。句式可以固定为:能做什么、在什么条件下做、哪些不算模型能力。

  • 能做什么:在△场景、△物体类别、△工作空间范围内,GO-3 Preview 演示完成了从抓取到放置的连续动作,其中△片段的关键点随目标位置变化。
  • 在什么条件下做:该段成立需要△视觉输入与△位姿输入,且场景侧已提供△固定工位或预设路径;输入缺失或超出范围时,动作表现未经确认。
  • 哪些不算模型能力:工位之间的固定移动、末端预设的释放姿态、以及重复执行中不随扰动改变的片段,属于场景预编排,不应写进模型能力说明。

三句里有任何一句填不上具体值,就说明对应验证还没做够,先按“未确认”处理,再补一次回放或扰动实验,而不是先写结论。