基于抓空自恢复的桌面整理机器人技能编排研究

面向办公桌面整理场景，以"判别—重试"闭环补全行为克隆策略缺失的失败感知与恢复能力，产出可 DOI 归档的桌面整理时序轨迹数据集。

庞擎

复现文档

第一部分：通用实验前置部分

环境校验是正式实验的硬前提，按以下顺序逐项通过后才能进入示教采集与正式试验。每项都有对应脚本与产出，任一项不过即停、整改后重跑。

第 1 步：六项体检（check_ready.bat）

运行 check_ready.bat（或 python check\_[ready.py](http://ready.py)），一次性体检六项：

1\.       LeLab 服务是否在跑（/health）；

2\.       从臂串口是否就位；

3\.       相机可用性（能打开几路、各自 index 与分辨率，须至少 2 路：环境 + 腕部）；

4\.       数据集是否就位（每个数据集多少条 episode，是否达到计划条数）；

5\.       是否有训好的模型可跑（/jobs 与本地 checkpoint）；

判定器在当前画面能否认出方块（桌面应有 2 个方块、收纳区应为空）。

第 2 步：相机曝光 / 视角 / 摆位三项检查（\_cam\_[check.py](http://check.py)）

运行 python *cam*[check.py](http://check.py)，对照训练基准校验三项，确保实验环境与训练场景一致：

1\.       曝光：画面平均亮度须落在训练基准（148±8）内，过曝占比 < 5%；

2\.       相机视角：蓝板检测框与训练基准的偏差须在 ±6px 内，否则相机被挪动、须复位；

3\.       方块摆位：当前桌面方块中心与训练基准位置的偏差须在容差内。产出 check_out/cam_check.png 标注图，三项全过才继续。