ACT

用一个开抽屉、抓物、放入、关抽屉的长序列任务，串起接触仿真、轨迹生成、数据质检、ACT 模仿学习和失败补采。记录 100 到 200 条演示的过程，以及统一模型退步后，固定 SKU 选择方案在 60 个新场景上从 65.0% 提升至 73.3% 的结果。