Repository navigation
v0.10.0 · Evidence-grade
v0.10.0 · Evidence-grade
这一版不加导入格式、不加页面、不加适配器。 它只做一件事:把「这个项目到底做到了什么程度」变成一串能复查的数字和命令,而不是 README 里互相矛盾的说法。
版本链收口
v0.9.0 发布时,README 和前端写 0.9.0,pyproject.toml 还停在 0.6.0,config.py 还停在 0.8.0。质量报告会把 APP_VERSION 写进产物,这意味着报告可能声称自己来自一个从未发布的版本。
pyproject.toml、robodata/config.py、frontend/package.json、README 首行与 release 徽章统一到 0.10.0。- 新增
tests/test_version_consistency.py:任一位置漂移、或缺少对应RELEASE_NOTES_v<version>.md,测试直接失败。 uv.lock中的项目版本随pyproject.toml更新。
运行记录读取
/api/runs 在 300 条运行记录下曾超过 5 秒阈值。根因不是磁盘慢,而是 list_runs 对每个条目重复调用 get_run,每次都重新 resolve() 两次运行根目录并重新校验路径。
- 抽出
_state_from_directory(),get_run保留完整路径校验,list_runs对已枚举的目录直接读取状态。 - 300 条运行记录的列表读取恢复到阈值内;运行状态语义、只读约束和中断派生逻辑未变。
规模证据
新增 10 万 / 100 万行规模实验 与原始 JSON:
| 行数 | 重复 | 中位数 | 表格行/秒 |
|---|---|---|---|
| 100,000 | 3 | 4.719 秒 | 21,190 |
| 1,000,000 | 1 | 61.245 秒 | 16,328 |
边界写在实验文档第一段:只测 run_checks(check_video=False) 的表格路径,不含 Parquet 读取、视频解码、转换、打包、并发或服务开销;100 万行档只跑 1 次,100,000 行档方差很大。不声称端到端容量,也不声称性能优化。
训练输入冒烟
新增 scripts/train_smoke.py 与 说明:在标准化状态特征上跑 100 步小批量 SGD,预测 6 维动作。
本机合成数据结果:2,048 行,初始 MSE 0.71632246,100 步后 0.00012241,损失比 0.000171,参数全部有限,CPU 耗时 0.003 秒。
这不是策略训练。 不使用 ACT / Diffusion Policy / VLA,不证明任务成功率、泛化或硬件安全。仓库不包含已验收的 ALOHA / SO-100 产物,所以没有在这里重跑真实数据集;拿到数据后可用 --dataset-root 复现。
Linux 核心检查
新增 .github/workflows/linux-smoke.yml,在 ubuntu-latest 上安装锁定依赖,运行版本一致性、表格质检、数据集读取、坏样本校验和 100 步冒烟,再执行 robodata verify-fixtures。Windows 全量测试 workflow 保持不变。
这只证明核心 Python 路径可在 Linux 上安装并运行;Docker 镜像、Linux 桌面启动脚本和真实数据转换未在此版本验证,因此不写进能力声明。
证据入口
- docs/EVIDENCE.md:版本链、测试计数、坏样本、真实数据验收、规模实验、训练冒烟、未验证事项
- docs/benchmarks/2026-11-18-scale-experiment.md
- docs/TRAINING_SMOKE.md
不宣称
- 不宣称训练效果、策略成功率或硬件同步。
- 不宣称 100 万行表格检查等于 100 万行端到端转换。
- 不宣称 Docker 或 Linux 桌面可用;Linux CI 只覆盖核心 Python 检查。
- 运行边界仍是本机单用户、
127.0.0.1loopback;公网多用户能力未在本版处理。