这一夜做了什么：试验记录 schema v2、B0 证据升级、以及三个被证伪的说法

一份如实的工作记录。每条结论后面都标了证据等级 —— 实测（跑过，有输出）／未测（没跑过）／被挡住（想跑但没跑成）。 这条规矩是 2026-09-03 白天操作者提出批评后定下的，这份记录是它的第一次全面应用， 包括用它去检验别人论文里的数字。

1 · 试验记录 schema v2（GOAL-TRIAL-DATA §3.1，第 1 步）

问题：05-training/trials/ 下 37 个文件、114 次试验， 其中 75 次失败是个黑箱 —— 记录里只有 outcome: "failure"，没有原因。 而且三个读取端（robot_server.read_trials / gen_status.collect_trials / 面板 html）各写了一份「字段缺了怎么兜底」的逻辑， 兜底规则还不一样，同一个文件在两个地方能显示成两个数。

做了什么

Clopper-Pearson：为什么值得单独写

评测规程要求报绝对数和区间，不报点估计（arXiv 2409.09491）。 但这台机器上三个 python 环境的 scipy 状态各不相同 —— 系统 python 的 scipy 是装着但坏的 （numpy 1.21.5 太老，import 时抛 TypeError 而不是 ImportError）。 所以正则化不完全贝塔函数是手写的，零依赖。

效果：同一批数据，改口径前后

改之前   累计计入 83  ·  成功 8            ← 一个裸计数
改之后   累计: 8/83（9.6%，95%CI 4.3–18.1%）
         预注册的运行: 0/37 · 其余只能算探索性，不参与结论

每一行也带上了区间：
  0/23  →  95%CI 0–14.8%     这两行在「成功」那一列
  0/4   →  95%CI 0–60.2%     长得一模一样，但后者什么都没证明

向后兼容（GOAL 边界条件 1：不许改历史记录）

• 实测：normalize_run() 只做读时归一化，不写回磁盘，37 个老文件一个字节没动。
• 实测：面板依赖的 13 个老字段（success / counted / void / counts / held_pct / aborts / trials / model_label…）全部保留， v2 只往上加 ci95 / rate / failure_modes / subgoal_funnel / preregistered。
• 实测：造了一份 v2 记录和 5 个 v1 老文件混在同一目录读，不崩，版本分布正确。

验收

2 · B0 路线：证据升了一档，又被我们自己按住一半

B0 是「不自己算 3D 坐标，把物体 token 当结构先验喂给策略」这条路。 原来撑着它的是 VIOLA（CoRL 2022，+45.8%）， 但 VIOLA 用的是它自己的 transformer 策略，不是 VLA。

新找到 Oat-VLA —— 同一个思路做在真正的 VLA（OpenVLA）上：

为什么它对我们仍然重要：token 少 93.75%。SmolVLA 在这台 Jetson 上是 146 ms/帧（6.9 Hz），视觉 token 是大头 —— 这条路有可能顺带把推理变快， 而不是像大多数「加感知」的方案那样再吃一口算力。

能不能直接换成 Oat-VLA？不能，但理由要说准

三条未验证，写进 GOAL 时都标了

1. 没人在 SmolVLA 上做过。 论文只对比 OpenVLA / Octo / Diffusion Policy。 SmolVLA 视觉侧是 SmolVLM2-500M，token 布局和 OpenVLA 不同。
2. 主干冻不冻结，论文没明说。 全文核对过，没有一句写 "frozen"， 只说从预训练视觉编码器的 token 上做聚合。不要把「Depth Helps」那条的冻结主干套过来。
3. FT-Dinosaur 在 Jetson 上的耗时没测。 省下的 token 时间可能被分割模型吃回去， 净收益是正是负没算过。

3 · 三个被证伪或纠正的说法

4 · 顺带查清的三个环境事实（都是实测）

5 · 没碰的东西（明确声明）

操作者特别问了这一条。用文件修改时间实证 —— 本会话的改动全部在 23:33 之后：

安全层没动（GOAL 边界条件 3）：z_floor(pitch) / y_floor(pitch) 是白天刚接好的，拒帧率 96.6% → 0.49%，这次一行没碰。

6 · 下一步