具身智能實踐（十二）：恢復預算耗盡之後，夾爪應該做什麼？

git clone https://github.com/VirtualSelect/hohoo-embodied-agent.git hohoo-embodied-agent-study
cd hohoo-embodied-agent-study
git checkout 2cf78a9afce618ea8ce35a882f0db203b2a74f57
python -m venv .venv
$py = '.\.venv\Scripts\python.exe'
& $py -m pip install -r requirements-lock.txt
& $py experiments/vl01_abort_exit/run.py --out outputs/my-run
& $py experiments/vl01_abort_exit/audit.py outputs/my-run

固定版本程式碼 · 原始記錄與審計 · 實驗檔案

恢復預算耗盡，狀態機進入 aborted。接下來夾爪應該做什麼？繼續夾住、立即松開，還是松開後抬離現場？

之前的 E8 比較過退出動作，E10 限制過恢復次數，但兩者還沒有組合驗證。這一輪固定 E10 的監控與恢復條件，只替換終止後的執行動作，跑了 12 個 MuJoCo 回合。結果很直接：兩組搬運階段中斷條件下，三種退出動作都沒有完成放置；它們只是留下了不同的物理後果。

這篇記錄失敗的差別，也回答一個工程問題：決定不再繼續任務，與決定執行什麼退出動作，為什麼必須分開建模。

先看同一次終止的三種後果

下面不是制作出來的示意動畫。三個畫面來自 repeated-gap 條件的歸檔狀態：每 20ms 保存一次 qpos/qvel/ctrl，重放時呼叫 mj_forward 更新可視化，不再次推進物理模擬。影片按每隔一個記錄取一幀生成 25fps，三側使用相同時間點。

左側保持夾持，方塊停在半空；中間鬆爪，方塊落到盒子外的地板；右側鬆爪後抬升夾爪，方塊仍在地板上。三個畫面中的盒子位置沒有變，退出前軌跡也經過逐行一致性檢查。影片展示的是腳本控制的模擬夾爪，不是真實機械臂、視覺策略或學習得到的機器人控制器。

兩層狀態，各自回答不同的問題

決策層	輸入	輸出
恢復門控	觀測年齡、抓取證據、重新確認窗口、恢復次數	運行、等待或終止
退出執行	終止時保存的目標、經過的時間、退出策略	夾爪開合與位置目標

保持原來的恢復規則：只在 transfer 階段主動檢查抓取；觀測每 20ms 取樣，年齡達到 60ms 進入等待；恢復需要暫停後新鮮、連續的良好證據覆蓋至少 100ms，每次等待至少 400ms；最多恢復兩次，等待 800ms 仍未恢復則終止。

預算檢查在冷卻檢查之前：兩次恢復已經用完時，下一次滿足恢復證據的機會直接觸發預算終止，不需要再等滿 400ms。這是沿用 E10 的規則，不是根據本輪結果臨時調參。

終止本輪任務後不自動重抓，也不清零預算重新運行。aborted 不再退回 running，但物理模擬還要繼續，才能看到退出動作的後果。

凍結條件：四種觀測情況乘三種動作

場景、方塊、盒子、執行器、控制路徑與最終放置判據都沿用前序實驗。物理步長 2ms，每回合持續 12 秒，每個組合運行一次，沒有隨機擾動或成功率統計。

條件	故障注入	用途
clean	無	確認新增退出邏輯不改變正常路徑
repeated-gap	4.3–6.94 秒，每 440ms 周期前 140ms 不發觀測	觸發多次暫停，最終耗盡恢復預算
permanent-gap	4.3 秒起不再發觀測	觸發重新確認截止時間
lower-silence	5.6–5.84 秒不發觀測	保留 transfer-only 監控覆蓋範圍外的對照

這些故障刪除的是觀察包，沒有瞬移方塊或偽造物理位置。它們按絕對模擬時間注入；不同控制器可能因暫停而處於不同階段，所以不能把結果解釋為任意任務階段都具有相同暴露時間。

三種動作只在終止後的下一物理步生效：

• hold：繼續使用保存的夾持和位置目標。
• open：位置不變，夾爪開合目標設為 0。
• open-retreat：先鬆爪；200ms 後，在 600ms 內按 smoothstep 將高度目標提高 100mm。

hold 也不是斷電停機。執行器仍在追蹤目標、持續施加控制，這份實驗沒有測熱量、力限值或能耗。

實際結果：終止一致，物理後果不同

條件	終止時間	恢復次數	hold 最後狀態	open / open-retreat 最後狀態	放置判據
clean	未終止	0	盒底接觸	盒底接觸	三種均通過
repeated-gap	5.422 秒	2	雙指接觸，方塊約 165.00mm 高	地板接觸，方塊約 19.99mm 高	三種均未通過
permanent-gap	5.142 秒	0	雙指接觸，方塊約 165.48mm 高	地板接觸，方塊約 19.99mm 高	三種均未通過
lower-silence	未終止	0	盒底接觸	盒底接觸	三種均通過

無故障與下降靜默組最終方塊中心高度約 25.98mm，與盒底接觸。表中的“通過”檢查的是最後 500ms 內位置、速度、無手指接觸以及先前確實抬起等約束；不是只在最終截圖里目測“好像進盒子了”。12 回合沒有 MuJoCo 數值警告。

重複間斷組的事件鏈可以逐步解釋：

4.342s HOLD → 4.742s RESUME
4.782s HOLD → 5.182s RESUME
5.222s HOLD → 5.422s ABORT (budget)

永久間斷則在 4.342 秒暫停，經過 800ms 於 5.142 秒終止。兩者終止原因不同，紀錄保留 budget 和 revalidation_deadline，不能統一吞成一個模糊的“失敗”。

為什麼抬高夾爪仍然不算更好的恢復

open-retreat 在視覺上更“干凈”：夾爪離開了方塊。但它沒有改變已經失去支撐的方塊落向地板這一事實。高度曲線中，鬆爪與鬆爪後退的方塊最終高度相同，夾爪高度才分開。

同樣，hold 保留雙指接觸，不代表任務更接近完成。它把物體繼續留在盒子外的半空。若要選擇真實系統的退出方式，還需要允許放置區域、碰撞、抓力、關節限位、人員接近等資訊；本場景無法證明任一動作“最安全”。

因此，這組實驗沒有勝出策略。它說明的是：退出策略應接受任務和環境約束，不能把一個動作模板當成所有失敗的通用補救。

下降靜默為什麼必須留下

lower-silence 最終放置成功，卻沒有觸發任何暫停或終止。原因不是靜默無害，而是本輪沿用的門控只監控搬運階段；下降階段的靜默沒有進入主動判定範圍。

這個結果限制了結論：E12 研究的是“同一終止決定之後的動作”，並沒有把 E7 的階段監控全面並入 E10。保留覆蓋範圍外的條件，可以防止讀者誤以為已得到全程故障處理器。後續要做階段監控、恢復預算和退出動作的完整組合，仍需另凍協議、另跑矩陣。

證據怎樣復核

每回合歸檔三個檔案：control.csv.gz 包含 6,000 行逐步控制/位置/觀測；states.jsonl.gz 包含 600 個回放狀態；summary.json 保存終止事件、接觸和結果。合計 72,000 行控制記錄、7,200 個狀態、36 份原始檔案。

獨立審計核對檔案哈希，重新計算故障時間表、退出目標、最終放置與狀態投影，並檢查同條件三種動作在終止之前的軌跡：四種條件共 12 組兩兩比較均一致。對無終止條件，比較覆蓋整個回合。它沒有窮盡驗證所有可能的門控輸入。

python -m unittest discover -s experiments/vl01_abort_exit -p "test_*.py"
python experiments/vl01_abort_exit/run.py --out evidence/abort-exit-MY-RUN
python experiments/vl01_abort_exit/audit.py evidence/abort-exit-MY-RUN
python experiments/vl01_abort_exit/replay.py --evidence evidence/abort-exit-MY-RUN

歸檔使用 Python 3.12.14、NumPy 2.2.6、MuJoCo 3.3.7。圖表依賴 Matplotlib，回放使用倉庫已有的 imageio/FFmpeg 與 Pillow。核心實驗不需要渲染；回放需要可用圖形環境。關於 mj_step 與派生狀態更新可查閱 MuJoCo 模擬文檔。

下一步該補什麼

真正缺少的不是第四種固定動作，而是終止時可用的環境資訊和退出約束。例如，是否存在已確認可接觸的安全承托區域；觀測失效時允許移動多遠；物體掉落後是否應禁止再次閉爪。先把這些問題變成可檢驗條件，再比較策略，才可能從“停止以後做點什麼”走向有依據的故障處理。

當前結論停留在固定模擬場景。沒有 ROS2、真實機器人、學習策略或重抓取，也沒有因此宣布完整 VL01、M4/M5 已完成。