Robot Reel：把机器人策略仿真变成可逐帧核对的回放与三维场景

Robot Reel 把策略仿真和物理仿真的运行记录整理成可以交付的东西：浏览器里能逐帧看的回放、带哈希校验的原始数据，以及可以继续在 Blender / OpenUSD 里编辑的三维场景。它关心的问题是，一段机器人演示视频本身证明不了什么，除非观看者能回到每一帧对应的动作、状态、推理耗时和运行环境。Robot Reel 把这些记录和影片一起交付，并附带校验器。

核心实验：SmolVLA 策略压力实验室

这是项目里证据最完整的一组实验。SmolVLA 在 LIBERO 的一个任务上，从 10 组配对的初始状态出发，分别在三种条件下做闭环推理：参考条件、灯光强度降低 25%、相机移动 12 cm。共 30 次试次，每次最多执行 160 个动作（8 秒仿真时间）。实验于 2026-09-12 在 NVIDIA L40S 上录制，使用 PyTorch 2.11.0+cu130：

条件	成功	达到步数上限	95% Wilson 区间
参考	5/10	5	23.7–76.3%
灯光降低 25%	4/10	6	16.8–68.7%
相机 +12 cm	7/10	3	39.7–89.2%

文档没有停在成功率上。相机条件净增的 2 次成功，实际是 3 组从失败变为成功、1 组从成功变为失败，在线页面按配对结果分组展示，保留两个方向的变化。14 次未成功的试次全部是达到动作预算上限，每个回合最后十分之一时段的末端移动距离在 44.8–138.6 mm 之间，都高于 1 mm 的停滞阈值，说明截断时机械臂仍在运动。至于它有没有在推进任务、给更多步数能否成功，文档说需要另行实验。同一块 L40S 上完整重复一次，30/30 次的结果、步数、状态和动作数值一致，策略调用用到的 360/360 个渲染帧一致；3,195 个仅用于记录的帧中有 1 帧不同，这一帧没有进入推理。平均每次策略调用实测 0.491 秒。作者明确写明：这是受控诊断实验，不是 LIBERO 官方榜单成绩；三个区间互相重叠，不能据此说“相机偏移能提升策略”。

30 条试次和 20 条配对结果已作为表格数据集发布在 Hugging Face（Apache-2.0，不含图像、视频或权重）。遥测以 MCAP 格式提供，可以用 Foxglove 打开；精选的第 9 组配对另有 Rerun 工作区。

其他几个实验室

LeRobot 数据集回放：把任意 LeRobotDataset 的一个 episode（Hub 或本地，v3.0 与 v2.x）导出为可离线打开的文件夹，所有相机共用一条时间轴，每个关节的指令曲线和实测曲线并排显示，可以跳到两者差值最大的帧。导出时锁定 Hub 提交、记录每个源文件的 SHA-256，不需要安装 LeRobot。
Solver Lab：Genesis 与 Newton 在 L40S / CUDA 上各录三次抛体运动，积分频率为每秒 30、120、480 次。最大位置误差随步长缩小，从 32.70 cm 降到 2.05 cm。这个场景没有碰撞也没有阻力，两个引擎给出的数值相同，所以它只是积分误差诊断，不是仿真器排名。
Microduck 动作实验室：Pollen Robotics 的 Microduck 在 MuJoCo 中运行官方 ONNX 步行策略（50 Hz，14 个关节），在 0.3 / 0.5 m/s 两种速度命令下保留 8,400 个实测关节样本。执行器采用 PD 近似，属于仿真结果，不是硬件结果。
蝴蝶效应、布料、Scene Lab、Director：12 个 Newton 双摆世界的释放角依次相差 0.05°；三组只改弯曲系数的 Newton 布料仿真，保留 42,471 个顶点样本；Microduck 在实景资产场景中的 Blender 工程；以及由 MCP agent 编排机位、字幕和慢动作生成的 Blender 影片，成片的每一帧都能追溯到源样本。

0.16.0 起增加了 robot-reel review-claims：把模型对一段回放给出的结构化说法，与录制下来的结果、动作数量和帧标签逐项对照，全程不做推理。无法核对的说法保留为“未评估”，视觉解释不会被自动判为已验证。

怎么试

最省事的入口是 Hugging Face Space 和 GitHub Pages 站点：只看回放，不需要安装，也不需要账号。命令行工具需要 Python 3.12+：

python3 -m venv .venv
source .venv/bin/activate
python -m pip install robot-reel==0.17.0
robot-reel --help

回放自己的 LeRobot 数据，以 SmolVLA 微调所用的 SO-101 数据集为例：

python -m pip install 'robot-reel[lerobot]==0.17.0'
robot-reel lerobot lerobot/svla_so101_pickplace --episode 0 --output artifacts/so101
robot-reel lerobot artifacts/so101 --verify --check-media --check-source

只想核对仓库里已有的录制，克隆源码后用标准库就能运行：

git clone https://github.com/noteflowai/robot-reel.git
cd robot-reel
python3 -m robot_reel.cli stress docs/stress   # 校验配对实验中的全部试次
python3 -m robot_reel.cli vla docs/vla         # 检查已录制的策略运行与证据

重新录制则需要完整的运行环境（CUDA、Newton、Blender 等，按实验而定），见仓库的录制指南。

局限 / 注意

浏览器里展示的都是已录制的仿真。VLA 单次示例是一次固定种子的运行，播放时省略了推理等待时间。
所有结果都来自仿真，规模较小：压力实验只有一个任务、10 组配对。重复一致只说明在已记录的条件下可以复现，不能证明普遍确定性，也不能用来做因果归因。
许可证分层：代码为 Apache-2.0；VLA 画面保留上游署名与资产条款；Microduck 模型衍生结构和媒体沿用上游的非商业、相同方式共享条款，商用前请逐项阅读 THIRD_PARTY.md。
项目独立维护，不代表 LeRobot、MuJoCo、Newton、Pollen Robotics 等上游的官方立场。当前版本 0.17.0（2026-09-27）。