测试方式
直接使用缺层输入进行推理采用训练时相同的层级 sentinel；机器人元信息始终保留。辅助 decoder 不补写指令。GT 反馈每段输入相同真实观察；预测反馈从同一初始观察出发，各条件随后使用自己的预测。
Hierarchy conditioning / matched observations and seeds
少一层指令，会发生什么？
同一个 20k checkpoint · 12 个场景 · 完整输入与六种缺层组合 · 配对视频与动作预测
完整指令基线 · 当前协议
—12 个 case 平均动作 XYZ RMSE，越低越好。
选定缺层条件 · 当前协议
—正在读取结果
查看七种条件的总体指标与解释
这里的 GT 是原始录像对应的未来。缺层后指令可能变得不唯一，误差衡量对原始未来的恢复程度，不是缺层指令下唯一正确行为，也不是机器人成功率。只有 12 个固定案例。
正在加载
GT · 原始真实未来
20k · 完整 L1 + L2 + L3
0.00 / 1.28s
动作轨迹 · 相对真实初始状态
━ GT━ 完整指令━ 选定缺层条件
LEFT ARM
RIGHT ARM
完整指令
实际送入 T5 的缺层指令
<extra_id_0> 对应 L3，<extra_id_1> 对应 L2，<extra_id_2> 对应 L1。Video/Action 直接接收这些文本的 T5 编码，不接收被遮住的原文或 decoder 补全结果。