WORKSPACEZIWU / Fill Pen Holder
来源可查HU
数据来源

本页混合了服务器实证与产品仿真，每个模块都标注 SERVER / SIM。

ZIWU public evidence server · snapshot 2026-08-29官方 150 cohort ↗50-run 归因 ↗最新 QC JSON ↗Run index ↗
SIM → QUALIFICATION → FLEET

从 Isaac 仿真到真实机器人持续作业

评测数字全部来自我们的服务器，点开就能验证；流程里仍是仿真的部分，我们直接标了出来。

原生任务成功35 / 150SERVER · official cohort
P3 → P4 progression35 / 92SERVER · observed, non-causal
公开 QC Runs13SERVER · 3 success / 10 failed
等待人工决策3SIM · Patch / Promote / Service
核心工作流

人或 Agent 标注一个失败节点，GPU 从那一刻分叉重放，逐步算清这个节点的价值

真实基线 → 仿真实验
01
选择 Graph 节点

P3 → P4 · 35 / 92

服务器实证
02
Agent 提案 + 人工定界

可证伪假设 · 版本化 Patch

人 / Agent
03
GPU 成对 Rollout

只从 node-entry snapshot 分叉

Isaac 合约
04
更新 V(node) 与置信区间

扩样 / Reject / Promote

推导估计
Observed baselineV̂(P3→P4) = 0.380CI95 0.291–0.475 · 真实聚合 cohort，不代表 Patch 因果效果

Agent 发现模式、起草 Patch；人划定范围、拍板；GPU 产生可比样本；估计器更新 Value——证据不够，就继续采样。

证据链

同一策略从训练到实体服务的证据链

SERVER → SIM
发布门禁

上线前要过的四道门

产品仿真
决策示例

示例：先处理 与 J4 热漂移，再进入真实 Fleet。

Gate当前对比阻塞
Dataset quality93.2%+4.1ppPASS
Isaac simulation88.6%+7.3pp2 clusters
Hardware endurance99.2%+0.8ppJ4 drift
Fleet canary97.8%+1.5ppPASS
人工待办

只把真正需要判断的事交给人

产品仿真
Patch #19 · ALIGN_PEN

证据充分 · 影响 184 Episodes · 8 GPUh

Incident #047 · J4 drift

影响 1 台 · SLA 01:42:18 · 可远程诊断

Policy rc.42 · Canary

仿真通过 · 硬件门禁剩 1 项

自动评测循环

真实数据已接入，自动化按此顺序补齐

产品仿真
✓RUN
✓CAPTURE
✓CLUSTER
✓ANALYZE
5HITL
6REPLAY
7GATE

SERVER INPUT · NATIVE-SCORE150 已发布；自动聚类、Agent 分析、HITL 与定向重放为产品工作流仿真。

模型团队

哪些失败值得拿去训练

从总成功率下钻到真实失败节点，筛选最值得训练的失败、恢复和回归数据。

  • Checkpoint 与阶段漏斗对比
  • 高价值数据回流
  • 固定失败 Cohort 回归
本体厂商

证明机器人能持续干活

用 8/24/72 小时持续作业和多场景矩阵，形成客户可复核的交付证据。

  • 策略/本体/环境分层归因
  • 硬件与策略兼容矩阵
  • 验收 Evidence Package
实体运营

机器人卖出去之后的事

实时状态、远程诊断、预测维护、灰度发布、服务工单——续费收入从这里来。

  • Fleet Health 与实时 Task Graph
  • Policy / Firmware Canary
  • Incident、SLA 与售后闭环