機器人資料與硬體

透過顯式約束、新狀態、截止時間感知過濾和可恢復的緩衝，在學習的機器人策略與致動器之間設定執行安全屏障，並整理真實機器人部署前需要核對的條件、指標與失敗證據。

選擇僅頭部培訓、適配器、 LoRA 或從實際分發轉移開始的全程 VLA 微調，然後測試保留和打包所有依賴，並整理真實機器人部署前需要核對的條件、指標與失敗證據。

將連續機器人指令轉換為令牌，而不隱藏裁剪、量化誤差、視野成本或控制器不匹配，並整理真實機器人部署前需要核對的條件、指標與失敗證據。

透過分離光度變換和幾何變換、保持時間並驗證解碼行為，增強機器人-攝影機資料而不破壞動作標籤，並整理真實機器人部署前需要核對的條件、指標與失敗證據。

透過根據部署宣告對事件、會話、站點、物件、操作員和衍生兄弟節點進行分組，防止機器人評估洩露，並整理真實機器人部署前需要核對的條件、指標與失敗證據。

追蹤機器人資料，從不可變的原始事件，透過標籤、轉換、拆分和統計資料，再到訓練執行、部署模型、影響分析和回復，並整理真實機器人部署前需要核對的條件、指標與失敗證據。

將機器人試執行中的失敗片段作為帶上下文的回合視窗進行挖掘，校正不確定性和新穎性，按失效機制聚類，安全補採資料，並在未見失敗上覆測，同時整理真實機器人部署前需要核對的條件、指標與失敗證據。

收集帶有明確控制權限、接管前背景、糾正意圖、時間安排、迴歸門和獨立安全測試的人工介入資料，並整理真實機器人部署前需要核對的條件、指標與失敗證據。

按任務、實體、場地和結果加權機器人資料集，同時控制取樣暴露、重複、集數長度和最差域表現，並整理真實機器人部署前需要核對的條件、指標與失敗證據。

透過保留命令類型、影格、單元、抓握器語意、時序、掩碼、每個資料集統計和往返測試，規範機器人間的動作，並整理真實機器人部署前需要核對的條件、指標與失敗證據。