机器人数据与硬件

通过比较立体光、飞行时间和结构光在距离、表面、照明、运动和校准中的行为，选择并验证机器人深度相机，并整理真实机器人部署前需要核对的条件、指标与失败证据。

审计机器人学习集数，用于同步观察与动作、协调语义、校准、失效标签、干预记录、泄漏和谱系，并整理真实机器人部署前需要核对的条件、指标与失败证据。

通过路线约束、车载自主性、车队责任、安全验证、吞吐量、恢复和生命周期成本比较AMR和AGV，并整理真实机器人部署前需要核对的条件、指标与失败证据。

理解人形电池组、 BMS、直流母线、关节驱动、辅助负载和再生制动如何决定峰值能力和运行时间，并整理真实机器人部署前需要核对的条件、指标与失败证据。

学习如何通过信息激励、同步测量、可识别参数、约束估计和持续验证来识别机器人模型，并整理真实机器人部署前需要核对的条件、指标与失败证据。

理解机器人扩散策略如何生成多模态动作序列，利用观察和动作视野，并要求延迟、控制器和安全验证，并整理真实机器人部署前需要核对的条件、指标与失败证据。

了解机器人动作分块如何缩短有效决策视野， ACT如何预测区块，时间集合如何结合重叠，以及如何测试执行，并整理真实机器人部署前需要核对的条件、指标与失败证据。

构建可重复的视觉-语言-动作机器人策略评估，包含任务层级、置信区间、延迟、干预措施、失效隔离和换位测试，并整理真实机器人部署前需要核对的条件、指标与失败证据。

了解机器人抓握规划如何生成候选方案、评分接触、过滤IK和碰撞约束、规划接近路径和提起，以及验证真实抓取，并整理真实机器人部署前需要核对的条件、指标与失败证据。

了解机器人安全功能如何获得所需的PL或 SIL，架构和诊断如何支持目标，以及如何验证完整的物理反应，并整理真实机器人部署前需要核对的条件、指标与失败证据。