📦 具身数据：从类型划分到训练配比¶
具身数据记录谁在什么环境中看到了什么、执行了什么，以及动作带来了什么结果。
预计阅读：25 min<br>
前置知识：机器人状态与动作格式、坐标系、手眼标定<br>
下一步：机器人学基础 · VLA 专题 · Robot Agent 专题
本章以五类数据为主线：Ego + 人手视频、Ego 人手到机械臂的运动学/动作对齐、UMI + Ego、VR/XR 遥操作和主从臂遥操作。它们覆盖了从无机器人动作的人类观察，到弱对齐的人体/工具运动，再到可直接记录目标机器人动作的遥操作示范。
自主 rollout、纠偏、众包、仿真和合成数据仍然有用，但放在扩展类型中说明。这样的层级更符合当前具身策略训练的实际数据入口，也能避免补充类型冲淡主线。
1. 五类主要数据¶
| 主路线 | 主要信号 | 动作监督强度 | 主要用途 | 首要问题 |
|---|---|---|---|---|
| 1. Ego + 人手视频 | 第一视角 RGB/RGB-D、手腕/手指、物体和任务语境 | 通常没有机器人动作 | 视觉语言表征、操作阶段、可供性、目标和 WM 预训练 | 遮挡、深度歧义，不能直接当作 action label |
| 2. Ego 人手 → 机械臂运动学/动作对齐 | 人手与物体运动、retarget 后的末端或关节伪动作 | 有伪动作，质量由对齐决定 | human-to-robot 预训练、跨本体动作先验 | 接触差异、可达域、IK、坐标系和伪动作置信度 |
| 3. UMI + Ego | 手持夹具轨迹、末端相机、可选头戴 Ego 相机 | 工具/夹爪运动，接近机器人动作 | 野外、双手、长时程和跨场景示范 | SLAM 漂移、多相机同步、机器人可执行性 |
| 4. VR/XR 遥操作 | 头部、手柄/手部追踪、机器人状态和实际动作 | 直接机器人动作 | 人形、双臂、灵巧手与移动操作 | 系统延迟、坐标漂移、奇异位形和操作者差异 |
| 5. 主从臂遥操作 | leader/follower 状态、多视角相机、夹爪和实际动作 | 直接机器人动作，语义最清楚 | 接触丰富、双臂和精细操作 | 硬件成本、工作空间映射和本体机械差异 |
第一类和第二类需要分开统计。原始 Ego + 人手视频没有机器人动作，只有经过手腕/物体估计、运动学 retarget、可达性和碰撞检查后，才会得到可用于动作学习的伪标签。Qwen-RobotManip 提供了 human-to-robot 合成、相机坐标系末端动作和跨本体 action mask 的参考，但生成后的样本仍要保存源视频、目标本体、对齐方法和置信度。
2. 扩展类型与数据标签¶
2.1 五类主线之外的补充数据¶
| 扩展类型 | 常见内容 | 主要用途 | 与五类主线的关系 |
|---|---|---|---|
| 其他直接示教 | 手把手、SpaceMouse/手柄、视觉手部遥操、远程众包 | 低成本示范、扩大操作者和场景覆盖 | 补充 VR 与主从臂，不替代二者的主线位置 |
| 机器人自主交互 | 脚本/规划器轨迹、策略 rollout、play、探索和 RL 经验 | dynamics、WM/WAM、价值与策略改进 | 补目标策略自己的状态分布 |
| 纠偏、失败与恢复 | 人工接管窗口、DAgger 式纠偏、残差修正和恢复动作 | evaluator、critic、风险、恢复策略和 Agent 失败模型 | 在主线示范之后补偏离与恢复状态 |
| 仿真、合成与变换 | 数字孪生、domain randomization、渲染、重定向、重标注和视觉增强 | 长尾、反事实、预训练和跨本体扩展 | 扩大主线数据，不应冒充独立真实交互 |
| 结果与决策监督 | 成功谓词、奖励、偏好对、技能边界、工具调用和 Agent 轨迹 | reward/evaluator、偏好学习、planner 与工具选择 | 作为标签附着在轨迹上，不是独立传感器模态 |
MimicPlay、DexCap、RoboTurk 和 DAgger 分别提供 human play、便携动捕、远程众包和在线纠偏的参考。这些方法用于补覆盖、补长尾或补反馈，不改变本章五类主路线的优先级。
2.2 用五条独立轴描述每条数据¶
| 分类轴 | 典型取值 | 它回答的问题 |
|---|---|---|
| 执行者 | 人类、遥操作机器人、自主机器人、脚本/规划器 | 动作是谁产生的 |
| 环境 | 真实、仿真、数字孪生、合成渲染 | 观测和动力学来自哪里 |
| 本体关系 | 无机器人、目标本体、同构本体、跨本体 | 动作能否直接迁移到目标机器人 |
| 监督强度 | 无动作、人体运动、伪动作、机器人动作、纠偏、偏好/结果 | 哪些损失可以安全计算 |
| 轨迹结果 | 成功、部分成功、失败、接管、恢复 | 轨迹在策略或评价训练中扮演什么角色 |
一条 episode 可以同时属于多个标签。例如，它可能是“真实环境 + 目标本体 + VR 遥操作 + 失败 + 人工接管 + RGB-D/力觉”。目录只按 vr/ 或 success/ 分文件，会丢失其余维度。更稳妥的做法是在 manifest 中显式保存这些标签。
模态是另一条轴，放在第 5 节统一说明。分类完成后，训练 loader 应按字段筛选和采样，而不是从文件名猜数据语义。
3. 采集前先定义数据契约¶
flowchart LR
T[任务协议] --> C[采集与同步]
C --> R[Raw 原始层]
R --> P[切分、标注与对齐]
P --> Q{质量检查}
Q -->|通过| D[Curated 数据层]
Q -->|返工| P
D --> M[按类型与目标采样]
M --> E[闭环评测]
E -->|补分布缺口| T开始采集前，先把任务写成可执行协议：
- 指令和允许的语言改写、对象集合、初始状态与随机化范围；
- 成功、部分成功、失败和超时条件，以及标签由谁给出；
- 最大时长、重置方式、禁止动作、人工接管和急停条件；
- 相机内外参、机器人 URDF/关节顺序、末端执行器类型与 TCP；
- 观测频率、控制频率、硬件时间戳源和允许的最大同步误差；
- 动作是绝对量还是增量，位于
joint / base / world / camera / end-effector中哪个参考系； - 代码、固件、标定和处理脚本版本，以及数据许可证、操作者授权和来源记录。
数据层级可以统一为 episode → segment → step。episode 对应一次完整任务尝试，成功和失败都要保留；segment 对应接近、预接触、抓取、运输、放置或恢复等阶段；step 保存时间对齐的观测、机器人状态、动作、标定、任务和质量字段。
这样分层后，任务结果属于 episode，接触和技能边界属于 segment，模型训练的时间窗口从 step 中生成。三者混在同一层，后续切窗、采样和结果标注都会变得含糊。
4. 五类主要数据怎样采集¶
4.1 Ego + 人手视频¶
这类数据以第一视角视频为主体，可以同时保存手腕/手指估计、物体轨迹、深度和语言。它适合扩展物体、场景和行为覆盖，也能学习操作阶段、可供性、目标和未来变化，但原始数据通常没有同步的机器人状态与动作。
EgoMimic 联合训练第一视角人类视频与机器人演示，MimicPlay 从 human play 提取高层计划，再用少量遥操作数据承担低层动作监督。这类方法保留了人类视频的规模优势，同时没有把视频帧直接冒充机器人动作。
4.2 Ego 人手到机械臂的运动学/动作对齐¶
这一类在 Ego + 人手视频之上增加动作转换。基本链路是：估计手腕、手指和物体运动，确定相机坐标与尺度，把人体动作 retarget 到目标末端或关节空间，再检查 IK、关节限位、速度、碰撞和接触合理性。满足动作质量要求的样本可以提供伪动作监督；动作不可靠的样本仍可留在表征或未来预测数据中。
Qwen-RobotManip 可作为主参考，其公开材料包括 human-to-robot 合成、相机坐标系末端增量和跨本体 action mask。若任务涉及灵巧手，DexCap 提供了手腕/手指动捕、三维场景观测与运动学映射的相邻参考。两者采用的采集与转换方法不同，但都说明了动作标签来自对齐过程，而不是原始视频本身。
4.3 UMI + Ego¶
Universal Manipulation Interface 使用手持夹具和末端相机记录操作轨迹。与纯手部视频相比，UMI 的工具运动和夹爪语义更接近机器人末端；叠加头戴 Ego 相机后，还能保留更大的场景视野和操作者任务语境。
这条路线需要标定 ego camera ↔ UMI camera ↔ gripper 的时空关系，并检查 SLAM 漂移、遮挡、多相机时钟偏移、机器人可达性和碰撞。UMI 轨迹接近机器人动作，但在用于动作监督前，仍要检查它能否在目标本体上执行。
4.4 VR/XR 遥操作¶
VR/XR 将头部、手柄或手部追踪结果映射到机器人头部、手臂、灵巧手或移动底盘。Open-TeleVision 提供了沉浸式主动视觉反馈的参考，AnyTeleop 则覆盖多种手臂、手、相机以及仿真/真机配置。
采集时除了机器人实际动作，还要保存操作者输入、retarget 前后姿态、网络和系统延迟、跟踪置信度、控制权状态与安全事件。只保存最终关节轨迹，会丢失奇异位形、跟踪失败和延迟引起的动作偏差。
4.5 主从臂遥操作¶
主从臂路线由 leader 控制 follower。两侧可以同构，也可以通过标定、缩放和 IK 建立映射。GELLO 使用与目标机械臂运动学结构相近的低成本主控制器，ALOHA/ACT 提供双臂主从采集与 action chunking 的参考。
这类数据直接记录目标机器人的状态和动作，监督歧义通常低于人手 retarget，适合接触丰富、精细和双臂任务。主要成本在硬件、工作空间映射、主从机械差异和操作者负担。采集时仍要主动覆盖不同速度、路径、抓取方式和恢复策略，避免把单个操作者的习惯当成唯一正确动作。
4.6 补充采集方式¶
手把手示教、SpaceMouse/手柄、视觉手部遥操和远程众包可以在成本、便携性或操作者吞吐上补充五类主路线。RoboTurk 是移动设备远程众包的参考。机器人自主 rollout、DAgger 式纠偏、失败和恢复数据则用于覆盖部署偏离状态。
仿真、数字孪生、domain randomization、human-to-robot 渲染、重标注和视觉增强也可补长尾。所有派生样本都应指向源 episode，并记录脚本、参数、版本和置信度。增强得到的多个视图不能在统计时被当作多次独立真实交互。
5. 模态、时间和样本结构¶
基础记录通常包括多视角 RGB、关节位置和速度、末端位姿、夹爪状态、动作、指令、时间戳与相机标定。按任务可以加入 RGB-D、点云、对象位姿、力和力矩、触觉、音频、IMU、底盘状态、控制权状态与安全事件。
RH20T 是多模态组织的参考，其机器人序列同时包含视觉、力、音频和动作信息，并提供对应的人类示范视频与语言描述。具体项目不必追求模态越多越好，关键是每种模态都能同步、标定，并对应明确的训练或评价用途。
在插接、旋拧、柔性物体操作和抓取滑移任务中，力与触觉可以直接输入模型，也能辅助确定接触边界、识别失败和学习恢复。若某种模态只存在于部分本体，应使用 availability mask 标出缺失项，不要用零值冒充真实测量。
一个 step 建议区分四类时间：传感器采样时间、命令生成时间、命令下发时间和实际执行状态时间。数据只保存“第几帧”而没有硬件时间戳，很难排查图像、动作和接触事件之间的固定延迟。
6. Human-to-Robot 与跨本体对齐¶
把动作补成相同长度，只解决了张量形状问题。真正的跨本体对齐还要检查四个层面：
- 表示层统一相机模型、图像方向、状态字段、关节顺序、夹爪语义和单位。
- 几何层要能沿带时间戳的变换链追溯每个动作，并明确 TCP 与相机内外参。
- 运动层负责把手腕或源机器人的运动转换为目标末端或关节动作，同时处理可达性、IK 多解、速度、加速度和碰撞。
- 行为层检查相同指令在不同本体上是否产生相近的任务效果。轨迹看起来相似，并不足以证明行为已经对齐。
6.1 对齐质量怎么检查¶
对齐不是一次性的“通过/不通过”。检查的目的是确认动作标签可靠到什么程度，并据此决定数据用途。不同任务可以采用不同阈值，但要回答下面几个问题。
| 检查项 | 要回答的问题 | 可查看的证据 | 发现问题后怎么处理 |
|---|---|---|---|
| 时间关系 | 图像、人体/工具运动、机器人命令和实际状态是否对应同一时刻 | 时钟偏移与漂移、丢帧、命令到执行延迟、接触事件 | 重新同步、截断缺口，或将该段降为无动作数据 |
| 坐标与标定 | 相机、人体/工具、TCP、机器人基座和对象之间的变换是否一致 | 重投影误差、TF 闭环、已知标定物、TCP 与对象轨迹 | 修正标定后重新处理；无法追溯时隔离该段 |
| 动作语义 | 单位、轴方向、旋转表示、绝对/增量动作和夹爪含义是否一致 | 单步动作可视化、动作反变换、控制周期和夹爪开合检查 | 修正转换器，不在错误语义上直接做归一化或训练 |
| 运动学可执行性 | retarget 后的动作能否由目标机器人安全执行 | IK、关节限位、速度/加速度、奇异性、自碰撞和环境碰撞 | 重新 retarget、投影到可行域，或降低/移除动作监督 |
| 接触与任务效果 | 对齐后的动作是否作用于正确对象，并产生预期状态变化 | RGB-D、对象位姿、夹爪、力/触觉、成功谓词和人工复核 | 重切 segment、修正结果标签，或只保留视觉监督 |
| 目标本体验证 | 代表性动作在目标机器人上是否仍保持方向、尺度和时序 | 仿真回放、低速受控回放或小规模闭环测试 | 根据失败类型修正动作映射，不能用回放失败的数据做高置信动作监督 |
检查完成后，数据可以按用途分级：
| 级别 | 可以怎样使用 |
|---|---|
| 直接动作监督 | 时间、动作语义和运动学一致，接触与任务效果有可靠证据，可进入正常行为克隆或动作预测损失 |
| 弱动作监督 | 动作方向基本可信，但尺度、接触或 retarget 仍有不确定性；保留置信度，并降低动作损失权重 |
| 仅表征/未来监督 | 图像和任务语境可用，但动作无法可靠恢复；只用于视觉语言表征、目标、进度或未来预测 |
| 隔离返工 | 时间、标定、来源或标签无法追溯；不进入训练集，等待重新处理或人工复核 |
每条伪动作应保存对齐方法、源轨迹、目标本体、检查结果、置信度和失败原因，训练时才能据此选择 loss mask 和权重。
7. 采集后的处理¶
7.1 Raw、Processed 和 Curated 分层¶
Raw保存原始传感器流、动作、任务记录和采集配置。该层只追加，不覆盖。Processed保存同步、去畸变、坐标转换、切分和自动标注结果，同时记录处理代码与参数版本。Curated是通过质检、可供特定训练目标使用的数据视图，仍要保留指向 Raw 的 provenance。
7.2 采集前先定义标注体系¶
标注从任务设计开始，而不是等视频采完再补。每个 task spec 先定义一套有限、可版本化的标签体系：
task_id / task_version、标准指令、允许的语言改写和禁止歧义；- 对象类别、对象实例、目标区域、初始状态和随机化变量；
- 成功、部分成功、失败、超时和人工终止的判定规则；
- 接近、预接触、抓取、运输、放置、验证和恢复等技能阶段；
- 未检测到对象、定位错误、抓取失败、滑落、碰撞、超时、控制异常等失败类别；
- 人工接管、重新演示、局部修正和急停的事件码。
标签表要允许 unknown / uncertain / not_applicable。标注员被迫在错误选项中二选一，产生的确定标签通常比缺失标签更难修复。任务、对象和失败类别也要有稳定 ID，显示名称可以修改，ID 不应随文案变化。
7.3 采集中记录事件标签¶
能够由系统直接记录的信息，不应全部留到采集后看视频推断。采集端可以同步写入：
- episode 开始、结束、重置、暂停和超时；
- 当前任务、对象、目标、操作者匿名 ID、采集设备和标定版本；
- 夹爪开合、接触、碰撞、控制权切换、人工接管和急停事件；
- 操作者按键标记的技能边界、失败时刻、失败原因候选和恢复开始/结束；
- 环境成功谓词、控制器错误码、网络延迟和传感器异常。
采集中标记不一定是最终真值，但它能为后续切分提供时间锚点。操作者给出的失败原因应保留为 operator_annotation，环境谓词和传感器事件则分别记录来源，避免把不同证据覆盖成一个布尔字段。
7.4 采集后切分¶
切分先确定完整 episode，再划分 skill segment，最后按训练窗口生成 step/chunk。边界可以综合人工事件标记、夹爪开合沿、末端速度变化、接触/力觉峰值、物体状态变化、控制权切换和模型候选结果。
接触任务中，边界最好允许一个不确定区间，而不是只保存单帧时间点。自动切分后要抽样复核以下问题：关键接触是否跨在两个 segment 之间，恢复动作是否被并入失败段，reset 后的新轨迹是否误接到上一个 episode，以及不同相机和机器人状态是否使用同一时间基准。
7.5 分层标注哪些内容¶
| 标注层级 | 主要字段 | 典型用途 |
|---|---|---|
| Dataset / source | 数据来源、采集接口、本体、场景、许可证、处理版本 | 数据治理、去重、采样和复现 |
| Episode | task ID、指令、对象/目标、初始条件、最终结果、终止原因、操作者和环境 | 任务条件策略、成功率、数据划分 |
| Segment | 技能类型、作用对象、接触阶段、子目标、前置/后置状态、失败与恢复类别 | skill policy、进度、失败检测和 Agent 工具轨迹 |
| Step / frame | 可见对象、位姿/跟踪、动作有效性、接触/力觉、安全事件、控制权 | 感知、动作、dynamics 和风险训练 |
| Language | 原始指令、规范指令、改写、对象指代、步骤描述和失败解释 | VLM/VLA、检索、planner 和 evaluator |
| Action / embodiment | 原始动作、统一动作、坐标系、单位、mask、retarget 方法与置信度 | 行为克隆、跨本体训练和动作审计 |
成功标签应同时保存结果和值得追溯的证据，例如目标物体位姿、夹爪状态、环境谓词或人工复核记录。只保存 success=true，后续无法判断标签错在任务规则、传感器还是人工判断。
语言标注可以包含同一任务的多种表达，但要区分原始操作者指令、人工改写和模型生成文本。模型可以生成候选指令、技能描述或失败原因，不能把自身生成的文本反过来当作任务成功证据。
7.6 标注来源、置信度和复核¶
同一个字段可能来自四种来源：环境/传感器直接记录、确定性规则、模型辅助标注、人工标注。每条标签建议至少保存：
label_name: failure_type
label_value: grasp_slip
label_source: human_review # sensor | rule | model | operator | human_review
confidence: 0.92
evidence: force_event_1842
annotator_or_model: reviewer_07
schema_version: failure-v2
created_at: 2026-09-17T14:20:00+08:00
confidence 的含义要按标签类型定义，不能把不同模型的 softmax 分数直接混用。传感器或规则标签也可能出错，因此仍需保留证据和生成版本。高风险标签、模型低置信结果和多来源冲突样本进入人工复核队列。
质检至少统计标签覆盖率、unknown 比例、不同标注员或来源的分歧、抽检错误率、边界偏移和各失败类别的样本量。复核时保留原标签、修订标签和裁决记录，不在原字段上静默覆盖。train/val/test 按场景、对象实例、操作者、任务模板和采集日期分组划分，避免同一演示的相邻片段跨集合泄漏。
7.7 动作标注与对齐¶
动作标注同时保存原始动作和统一 action schema。每条动作要能追溯坐标系、单位、控制频率、绝对/增量语义、夹爪定义、action mask 和时间戳。缺失自由度用 mask 表示，不参与损失计算。
Ego 人手、UMI 和跨本体数据还要记录源运动、retarget 输出、目标本体、IK/碰撞检查结果和伪动作置信度。若动作不满足运动学要求，可以保留视觉、语言和未来状态标签，但不能继续把它当作高置信机器人监督。
7.8 数据格式与版本¶
格式可参考 RLDS/Open X-Embodiment 和 LeRobot。格式统一不等于语义统一，转换时仍要保留原始动作定义、坐标变换、采集方式、类型标签和 provenance。
数据修复、重标注和删除都应产生新版本。模型 checkpoint 需要记录所用数据清单与采样配置，避免数据更新后无法解释性能变化。
7.9 隐私、许可证和数据治理¶
数据发布或交给其他团队前，需要核对人脸、屏幕、地址和语音等隐私信息，也要确认操作者是否知情、能否撤回数据，以及第三方场景和对象是否获得授权。代码、数据与模型许可证还可能限制商业训练或再分发。
数据卡应记录来源、采集接口、任务和本体分布、动作监督强度、模态、标注 schema、标签来源、处理历史、已知偏差、危险行为与删除流程。来自网络视频、众包操作者和家庭场景的数据尤其需要单独审查授权边界。
8. 训练配比：先按监督资格分桶¶
可以先把训练样本分为八个桶：无机器人动作的人类视频 \(V\)、人类运动/retarget 数据 \(H\)、目标本体直接示范 \(R_t\)、跨本体机器人示范 \(R_x\)、仿真/合成数据 \(S\)、自主 rollout \(U\)、失败/纠偏/恢复 \(F\)、Agent 规划与工具轨迹 \(A\)。五类主路线中，原始 Ego + 人手主要进入 \(V\)，human-to-robot 和 UMI 对齐数据进入 \(H\)，VR 与主从臂采集的目标机器人动作进入 \(R_t\)；跨机器人复用时再进入 \(R_x\)。
下表给出 sample/chunk 级别的起始采样比例。它是本仓库的工程建议，不是所列论文报告的最优结论，也不代表各类数据在磁盘上的小时数占比。
| 训练阶段 | \(R_t\) | \(R_x\) | \(H\) | \(S\) | \(U\) | \(F\) | \(A\) | \(V\) |
|---|---|---|---|---|---|---|---|---|
| 表征或 WM 预训练 | 8% | 12% | 15% | 10% | 5% | 5% | 0% | 45% |
| 通用 VLA/WAM 预训练 | 25% | 30% | 15% | 15% | 5% | 5% | 5% | 0% |
| 目标机器人适配 | 60% | 10% | 5% | 5% | 5% | 10% | 5% | 0% |
| Agent planner/evaluator 训练 | 20% | 10% | 0% | 15% | 10% | 20% | 25% | 0% |
实际采样分两层进行。先在数据桶或数据集之间抽样，再在桶内平衡任务、操作者、对象、采集接口和成败类型，避免大数据集淹没规模较小但更贴近目标本体的数据。
不同数据使用不同的 loss mask。无动作视频不计算动作损失，人类运动数据只有在 retarget 结果满足动作质量要求后才进入机器人动作监督，低置信伪动作需要降权。自主 rollout 和失败数据可以训练 dynamics、成功判别、价值、风险与恢复，但是否用于行为克隆要按 segment 决定。结果和偏好标签附着在相应轨迹上，不单独重复计算为新 episode。
每轮训练后可参考各桶的 held-out loss、目标本体闭环成功率、恢复率、P95 安全事件和动作分布偏移，将比例调整 5 到 10 个百分点。Octo 的 OXE mixture 配置提供了显式设置跨数据集采样权重的代码参考。
9. 最小可交付数据集¶
扩大采集规模之前，先用小规模数据走通完整链路。最低交付包括：
- 可版本化的 task spec、annotation schema、episode schema、类型标签、坐标系和动作定义；
- 采集前标签表，以及采集中任务、事件、接管和安全标记；
- episode/segment/step 切分结果与边界复核记录；
- 语言、对象、动作、成功/失败、恢复和 Agent 工具轨迹中的任务所需标签；
- 标签来源、置信度、证据、标注员/模型和 schema 版本；
- 可重放的 Raw → Processed → Curated 管线；
- 同步、标定、标注一致性、动作限位、碰撞和数据泄漏检查报告；
- 各数据桶的 held-out 集、目标机器人闭环验证和可审计的数据卡。
10. 论文与项目入口¶
- 人类视频与运动：MimicPlay · EgoMimic · DexCap · UMI
- 人机与跨本体对齐：Qwen-RobotManip · Open X-Embodiment
- 遥操作：Open-TeleVision · AnyTeleop · GELLO · ALOHA/ACT · RoboTurk
- 纠偏与离线示范：DAgger · robomimic
- 多模态与大规模真机：RH20T · BridgeData V2 · DROID
更多实现见代码仓，完整阅读顺序见论文清单。模型训练可继续阅读 VLA 和 WAM，任务级轨迹与运行时闭环见 Robot Agent。