10-06 加 / 不加 focus：5 个任务的典型回放

embodied first exam 标准模式（只给相机图像和关节状态，不能重置）里挑的 5 个 Astra 没做成的任务；模型 Solar（Codex，推理强度 max）；每个任务不加 focus、加 focus 各跑 6 次。加 focus 指每步动作前，让 agent 用三维形式记下要碰的物体、要避开的东西、动作后要核对的状态。

结果

任务	不加 focus	加 focus	主要失败原因（仿真重放核实）
把勺子放进杯子	5/6	4/6	勺子抬起后滑落、碰倒杯子
把红杯子摆正	2/6	3/6	翻转途中杯子从夹爪里滑出
两个杯子放上架子	0/6	0/6	杯子抓住后滑落，或夹住了提不起来
关水龙头	0/6	0/6	这个水龙头往下压是开得更大、往上抬才是关；agent 一直往下压
打开左前炉头	1/6	0/6	认错旋钮：最左边两个旋钮管的是后排炉头
合计	8/30	7/30	两组找位置一样准：RoboLab 三个任务里，夹爪合拢时离物体表面中位都是 0.9 cm

RoboLab 的三个任务视频是三路相机并排（正面 / 左肩 / 手腕），每秒 15 帧对应 15 个控制步；RoboCasa 的两个任务只有一路相机。

RoboLab：抓得准，但拿不稳

1 · 把勺子放进杯子成功不加 focus 第 6 次

0:05 夹起木碗里的勺子；0:12 放进杯子，任务完成。

2 · 把勺子放进杯子失败不加 focus 第 4 次

0:11 夹起勺子，0:13 勺子滑落；1:08、1:30 又两次夹起，都在几秒内滑落。
1:43 把杯子碰倒，之后没能完成。

3 · 两个杯子放上架子失败不加 focus 第 6 次

0:11 抓起白瓷杯，0:14 滑落；0:18 抓起另一个杯子，0:26 滑落。
这两次夹爪都对准了杯子（合拢时离杯子表面 0.2 cm），问题出在抓住以后拿不稳。

4 · 把红杯子摆正成功不加 focus 第 3 次

全程约 8 秒：0:02 抓住红杯子，翻转后杯口朝上放下。

5 · 把红杯子摆正失败不加 focus 第 6 次

前几次抓起、翻转都没摆正；1:22、1:50 两次在翻转途中杯子从夹爪里滑出，最后一次滑出后杯子够不着了。

RoboCasa 的相机画面有问题

RoboCasa 两个任务里红白闪烁、机械臂发绿，是 benchmark 生成相机画面时把物体的碰撞外壳（物理计算用的简化几何，家具为红色、机器人为绿色）和真实外观一起画了出来，两者叠在同一表面上互相遮挡。agent 拿到的图像就是左图；启能那边 Astra 跑同一任务的画面也一样。右图是同一时刻隐藏碰撞外壳后的画面。

因此下面两个 RoboCasa 任务的失败分析，是在相机画面被遮挡的条件下得到的，要在修好画面后重新跑过才能定论。

RoboCasa：动作做到了，但对"动这个会发生什么"判断错了

6 · 关水龙头失败加 focus 第 4 次

0:09–0:10、0:16–0:18、0:30 是夹爪按在把手上往下压的时段。重放读出的把手角度在这三段分别从约 0.52 升到 0.74、1.06、0.77。
这个水龙头角度越大水开得越大，关闭要把角度降到 0.40 以下，也就是把手往上抬。agent 按常识一直往下压；12 次重放里，把手角度一次也没降到起始的 0.47 以下。
focus 记录里标的把手位置离真实把手 3–4 cm，位置基本对。

7 · 打开左前炉头失败不加 focus 第 1 次

agent 拧了面板最左边的两个旋钮，认为其中一个管左前炉头。
重放读数：左后炉头的旋钮转了 2.61 弧度、中后的转了 0.48，左前炉头的旋钮一直是 0。

下面两张是这次运行中 agent 自己看过的图（从它的会话记录里原样取出）：左图是开局时四路相机的画面，台面的红白条纹在 agent 拿到的图像里本来就有，远处三路相机分辨率只有 320×240，旋钮看不清；右图是 agent 把手移到灶台上方后、用手腕相机拍下再放大的画面，最下面一排带 D 形刻度的就是旋钮。旋钮看得见，但看不出哪个旋钮管哪个炉头。

8 · 打开左前炉头成功不加 focus 第 3 次

先拧了最左边两个旋钮；换一个更大的画面后，看到点着的是后排两个炉圈，于是改拧左数第 4 个，左前炉头点着。
这次成功的关键，是拧完后去看了"哪个炉头点着了"。

9 · 打开左前炉头失败加 focus 第 1 次

focus 记录把最左边的旋钮标成了"左前炉头的旋钮"（target），记录里写它转了约 0.55 弧度，没有记录左前炉头是否点着。
重放读数：转的是左后炉头的旋钮（0.56 弧度），左前炉头的旋钮是 0。