实验回放：让画面、数据、结论指认同一件事
贴一张 GIF 或一段视频，读者只能相信你剪的那 3 秒。这里的做法不一样：
- 录制：
sim/export_replay.py跑真实仿真（物理 100 Hz，L4 真模型），把每 20 ms 的 状态写成一条回放带（site/public/replay/*.json）； - 回放：下面的播放器读这条带子画俯视图——机器人轨迹、间隙、电量、杯子受力；
- 对账：指标表里的每个数字都来自同一份 JSON 的
metrics字段， 本页没有手写任何一个数； - 指认：每条结论（M1/M2…）都能点一下跳到那一帧，自己看当时发生了什么。
回放不是浏览器里的实时仿真：拖动时间轴不会触发新推理，也不会改变结论。 它是一次运行的录像 + 同一次运行的指标，用途是让"我说它过期了"变成"你看这一帧"。
一、T1 · 基线：慢推理撞上 100 Hz 物理
L4 用真模型（qwen2.5:7b，Ollama），L2 走规则代理。这一段要看的不是"任务完成没有"， 而是请求与结果之间那 0.7–1.1 s 里，世界走到了哪里。
这一段能看出三件事
| 现象 | 证据（同一份 JSON） |
|---|---|
| L4 结果普遍迟到 0.6–1.1 s | M5_transport.latency_p50 |
| 被抢占的请求，结果回来时已经被判死 | 7.09 s 发生 preempt，8.99 s 返回的 plan_result 带 inv=1 |
| 没被抢占的结果，也可能基于过期状态 | 10.12 s 采纳的 g2 带 stale=1（拒绝它的策略在 --stale-policy discard） |
| 物理没被拖住 | M6_physics.step_gap_p99 ≈ 10.3 ms，deadline_miss = 0 |
| 任务没完成，而且看得出为什么 | 十次采纳的目标点都在起点附近（adopt 事件的 x/y），机器人被按在原地打转——L4 的规划语义上说得通、任务目标丢了。这不是渲染问题，是这一段最该被看到的结果 |
二、T5 · 操作：2-DOF 臂抓易碎杯
底盘定位 + 固定臂姿把杯子夹起来，杯子受力超过 5 N 判碎。这一段看的是 力曲线在抓取瞬间顶到哪，以及"夹住了"和"夹碎了"之间那 0.7 N 的余量。
这一段的读法
- 画面里黄色十字是两指中点，杯子是青色圆；杯力显示在 HUD 与数据条里。
- 抓取成功那一帧的
cup_force明显低于 5 N——这是"力控参数够用"的直接证据， 不是"我们做了力控"这句话。 - 如果哪天有人把
GRIP_CLOSE_*调大，这条曲线会先顶到红线再碎：判碎与夹住的差别只有 0.7 N。
三、T6 · 断网：端点消失，物理不停
第 3 秒把 L4 端点指到一个已关闭的端口，复现"连接被拒"。整段用假服务跑， 所以它可复现、也不依赖模型——重点看谁死了、谁没死。
这一段能看出什么
| 事实 | 读数 |
|---|---|
| 端点坏了，L4 请求全部失败 | M5_transport.connection_errors = 7/10 |
| 物理完全不受影响 | M6_physics.physics_hz_actual ≈ 100 Hz、deadline_miss = 0 |
| L2 没跟着崩 | collision_ticks = 0，底盘仍在按动作块走 |
| 只有"语义层"降级 | 之前采纳的目标仍在执行，新请求全部退回 |
四、这些数字的出处
| 你想核对的 | 去哪看 |
|---|---|
| 指标定义与阈值 | evaluation.md、evals/metrics.md |
| 探针的真/假边界（L2 是规则代理） | sim/vla/README.md |
| 每段回放的参数 | 页面顶部标签（provider / 模型 / 时长 / 录制时间） |
| 原始运行日志 | logs/vla/r*/…jsonl（不随仓库分发，体积原因） |
| 怎么重跑出同样的形状 | 下面第五节 |
五、自己重录一遍
bash
# 全部四个用例（需要本机 Ollama + qwen2.5:7b；t6 用假服务，不需要模型）
python -m sim.export_replay
# 只重录一段
python -m sim.export_replay --only t1-baseline
# 看看会执行什么（不真跑）
python -m sim.export_replay --dry产物写到 site/public/replay/<id>.json，cd site && pnpm run docs:build 即进站点。
六、诚实边界（与前几节一致）
- L2 的策略是规则代理，不是 VLA。 这些画面里的"动作块"由
sim/vla/scripted.py产出。 - 延迟是真的（Ollama 推理，本机 AMD Vulkan，约 0.6–1.1 s）；不是人为 sleep。
- 样本很小：单次运行、单场景、确定性环境。上面每张表的 n 都写在表里。
- M1 允许出现 0%：那只是"这次没抓到过期的结果"，不是"过期问题不存在"。
- 回放带是录制件：它证明"发生过"，不证明"必然发生"。