我们改了哪里？效果如何？

每步重算：橙汁状态 +（倍率 − 1）×（橙汁状态 − 黄油状态）。

查看动作对比 ▶

我们的尝试：在中间层放大“目标指令 − 错抓物体指令”的差异。

位置变化对动作的影响集中在少数入口，但尚未修复任务。

冻结 U-Net 和 Transformer，每次只把一个入口换回移动前图像的信息，观察生成动作的变化。

横轴：图像条件入口编号；纵轴：示范进度。越红，换回原图后削弱的动作响应越多；不是成功率。

只移终点：U-Net 第4号、Transformer 第0号入口在四阶段均值都最强。整体平移：U-Net 的影响更分散，第0、1、4号入口都较突出。

78个观测、18个源示范组、两个种子。U-Net 部分阶段的领先差异不明确；只保留最强入口也不能复现完整动作变化。

数据与置信区间 · 方法与代码