全文级解读arXiv · 预印本·无IF论文发表 2026-10-01解读发布 2026-10-04约 30 分钟读完

原文：Fewer Tokens, Better Action: GPT-6 Astra Robot Agents with 14% Higher Success Rate but 65% Fewer Tokens · 均分 -（0 人评分）

更少令牌，更好行动：GPT-6 Astra 机器人代理成功率提高14%，令牌减少65%

（Fewer Tokens, Better Action: GPT-6 Astra Robot Agents with 14% Higher Success Rate but 65% Fewer Tokens）

导读

这篇论文提出了 PyRUA-Lean 框架，一种交互式代码执行接口，用于机器人代理的视觉语言模型（VLM）。它通过组合基础机器人原语和选择性观察，在相同的大语言模型（LLM）调用预算下，将任务成功率从 63.1% 提升至 71.7%，同时减少 65% 的输入令牌（tokens）。这项工作意义重大，因为它解决了机器人控制中令牌消耗过高的核心问题，为高效、低成本的机器人操作提供了新路径。论文难度评级为 ★★★（中等偏上），涉及 AI 和机器人交互概念，但通过类比可逐步理解。

一、背景知识卡

【卡1】视觉语言模型

生活类比：想象一个机器人拥有“眼睛”和“大脑”，眼睛通过摄像头捕捉图像（如看到桌子上的苹果），大脑则用语言理解这些图像并决定动作（如“拿起苹果”）。
现象描述：视觉语言模型（Vision Language Model, VLM）能同时处理视觉输入（如图像）和语言指令，生成对应的行动。例如，在机器人任务中，VLM 分析场景图像并输出操作命令。
英文原词：Vision Language Model (VLM)。
浅数学：论文未详述，但 VLM 的核心是编码器-解码器架构，将图像特征映射到语言空间。

【卡2】机器人原语

生活类比：就像乐高积木有基础模块（如“抓取”“移动”），机器人原语是预定义的简单动作，如“移动机械臂到指定位置”或“夹紧物体”。
现象描述：机器人原语（Robot Primitives）是封装好的基本操作单元，由底层代码实现，供高层调用。例如，在论文中，原语包括 move_to（移动）、set_gripper（夹爪控制）等。
英文原词：Robot Primitives。
浅数学：论文未详述，但原语通常以函数形式定义，如 robo.move_to(position)，返回执行结果（成功/失败）。

【卡3】原语组合

生活类比：如同烹饪时按食谱步骤组合食材（先切菜，再炒菜），原语组合（Primitive Composition）将多个基础动作串联成复杂任务。
现象描述：原语组合允许代理在代码中调用多个原语，并基于中间结果调整后续动作。例如，先移动物体，再检查是否成功，失败则重试。
英文原词：Primitive Composition。
浅数学：论文未详述，但组合逻辑可用伪代码表示：

if move_to(target).reached:  
    grasp()  
else:  
    retry()  

【卡4】选择性观察

生活类比：就像医生只检查必要的症状（如发烧时量体温），选择性观察（Selective Observation）让代理只请求关键图像或状态反馈，避免冗余数据。
现象描述：代理在代码中显式指定何时获取视觉或状态信息（如 robo.show('agentview')），减少不必要的上下文令牌。
英文原词：Selective Observation。
浅数学：论文未详述，但观察触发条件由代码控制，如 if not task_done: robo.show()。

【卡5】工具调用接口

生活类比：如同用遥控器逐个控制家电（按“开”键→灯亮→按“关”键），工具调用（Tool Calling Interface）让代理通过离散的模型调用执行原语，每次调用返回结果。
现象描述：代理将原语作为“工具”调用，每次调用需等待模型响应，结果累积在对话历史中，易导致令牌膨胀。
英文原词：Tool Calling Interface。
浅数学：论文未详述，但调用流程为：VLM → 工具调用 → 原语执行 → 返回结果 → 下一次调用。

【卡6】GPT-6 Astra

生活类比：想象一个超级助手，能理解复杂指令并分解任务（如“打扫房间”→“扫地”“擦窗”），GPT-6 Astra 是高级语言模型，专为机器人规划设计。
现象描述：GPT-6 Astra 是 OpenAI 开发的语言模型，在论文中作为代理的“大脑”，负责解析任务、生成代码或工具调用指令。
英文原词：GPT-6 Astra。
浅数学：论文未详述，但模型基于 Transformer 架构，输入令牌和输出文本由概率分布生成。

【卡7】令牌效率

生活类比：就像写文章时删减冗词（如“非常美丽”→“美丽”），令牌效率（Token Efficiency）指用最少令牌（文本单元）完成任务的优化。
现象描述：令牌效率衡量代理在完成任务时消耗的输入令牌数量。论文中，PyRUA-Lean 通过减少模型调用次数和选择性观察，显著降低令牌开销。
英文原词：Token Efficiency。
浅数学：论文未详述，但令牌数与输入文本长度相关，如 1000 个单词 ≈ 1500 个令牌。

【卡8】成功率

生活类比：如同考试通过率（如 10 人考 8 人过），成功率（Success Rate）指代理完成任务的比例。
现象描述：成功率是代理在给定预算下成功执行任务的比例。论文中，PyRUA-Lean 在 700 个任务实例中成功率提升 8.6 个百分点。
英文原词：Success Rate。
浅数学：成功率 = (成功任务数 / 总任务数) × 100%，例如 71.7% = 502/700。

【卡9】LLM 调用

生活类比：如同打电话时每次通话需拨号（拨号→通话→挂机），LLM 调用（LLM Calls）指代理每次请求语言模型生成响应的过程。
现象描述：LLM 调用是代理与模型交互的基本单位，每次调用消耗时间和令牌。论文中，PyRUA-Lean 通过代码组合减少调用次数。
英文原词：LLM Calls。
浅数学：论文未详述，但调用频率影响总令牌数，如 17 次调用 × 50k 令词/次 = 850k 令牌。

【卡10】输入令牌

生活类比：就像阅读时只看关键段落（跳过前言），输入令牌（Input Tokens）是模型处理的前文本单元，包括指令、历史和反馈。
现象描述：输入令牌是模型生成响应时消耗的文本单元。代理通过减少冗余历史和选择性观察，降低输入令牌总量。
英文原词：Input Tokens。
浅数学：论文未详述，但令牌数与文本长度成正比，如 1MB 文本 ≈ 250k 令牌。

二、Introduction 原文逐段精读

¶1

Vision language model (VLM) agents can control robots through visual feedback and action primitives, but repeated model invocations and redundant observations incur substantial token overhead. We introduce PyRUA-Lean, an interactive code-execution framework that couples feedback-driven primitive composition with selective observation: the agent composes classical robot primitives and learned vision-language-action (VLA) policies into Python cells that perform conditional checks and local retries, returning only explicitly requested images and state feedback for replanning. Across 700 simulated task instances from LIBERO-PRO, RoboTwin 2.0, and RoboCasa365, we compare PyRUA-Lean with a tool-calling baseline using the same GPT-6 Astra planner and underlying robot primitives. Under equal LLM-call budgets, PyRUA-Lean increases overall success from 63.1% to 71.7%. On instances solved by both agents, it uses 49% fewer LLM calls and 65% fewer input tokens.

[翻译]：视觉语言模型（VLM）代理可以通过视觉反馈和动作原语控制机器人，但重复的模型调用和冗余的观察会带来大量的令牌开销。我们引入了PyRUA-Lean，一个交互式代码执行框架，它将反馈驱动的原语组合与选择性观察相结合：代理将经典的机器人原语和学习的视觉-语言-动作（VLA）策略组合成Python单元，执行条件检查和本地重试，只返回显式请求的图像和状态反馈以进行重新规划。在来自LIBERO-PRO、RoboTwin 2.0和RoboCasa365的700个模拟任务实例中，我们比较了PyRUA-Lean与使用相同GPT-6 Astra规划器和底层机器人原语的工具调用基线。在相等的LLM调用预算下，PyRUA-Lean将整体成功率从63.1%提高到71.7%。在两个代理都解决的实例中，它减少了49%的LLM调用和65%的输入令牌。

[讲解]：这段Introduction采用了经典的科研论文“问题-方案-证据”结构，逻辑严谨且数据驱动。开篇直指核心痛点：VLM代理控制机器人时，重复调用（如多次询问状态）和冗余观察（如自动返回多张图像）导致令牌（token）开销激增（“令牌”指LLM输入输出的文本单元，是计算资源消耗的度量）。作者巧妙用“substantial”强调开销的严重性，暗示现有方法效率低下。接着，引出PyRUA-Lean框架，其核心创新点在于“反馈驱动原语组合”和“选择性观察”：通过Python单元封装多个动作原语（如移动、抓取），实现条件检查（如“如果抓取失败则重试”）和本地重试，避免每次操作都调用LLM；同时，仅返回显式请求的反馈（如图像），减少冗余信息流。术语“vision-language-action (VLA) policies”需标注英文（首次出现），指预训练的视觉-语言-动作模型，用于处理复杂任务。写作上，作者用冒号结构详细解释机制，增强可读性。数据展示部分，通过具体数字（700实例、63.1%→71.7%成功率提升、49%调用减少、65%令牌减少）量化优势，突出“少令牌、高成功率”的核心贡献。需警惕两点：一是“模拟任务实例”与真实机器人环境的差异（如物理噪声未考虑）；二是“相同LLM调用预算”的公平性，但未说明预算设置依据。整体写作套路符合IMRAD规范，先定义问题，再提出创新方案，最后用实验数据佐证，说服力强。读者需注意，令牌减少源于调用次数下降（49%），而非单次调用优化，这为后续分析埋下伏笔。

三、正文解读（Results）

4.1 实验设置

实验设计基于三个机器人基准测试：LIBERO-PRO（40个扰动任务，5个种子，共200个实例）、RoboTwin 2.0（50个双臂任务，5个种子，共250个实例）和RoboCasa365（50个任务，分为18个原子任务和32个复合任务，5个种子，共160个实例）。每个任务实例在5个环境种子下运行，生成700个任务实例和1400个episode。两个代理（PyRUA-Lean和工具调用基线）使用相同的GPT-6 Astra规划器、RPent机器人堆栈和冻结的视觉-语言-动作（VLA）策略（如π₀.₅在LIBERO-PRO上，LingBot-VLA在RoboTwin 2.0上，RLDX-1在RoboCasa365上）。实验流程包括：A → 设置环境并初始化代理 → B → 运行代理完成任务（每个episode最多40次LLM调用，复合任务100次，限时2小时） → C → 收集成功率和成本数据。所有代理无跨episode记忆，使用相同的操作指南（RoboCasa365除外）。关键指标包括成功率、LLM调用次数、输入令牌数和估算成本（基于GPT-6 Astra的列表价格：输入$10/百万令牌，输出$50，缓存$1-$12.5）。

4.2 任务成功与推理成本

此小节评估PyRUA-Lean在任务完成效率和推理成本上的表现。核心结果来自Table 2和Figure 3，展示了PyRUA-Lean在所有基准测试上的一致改进。Table 2汇总了整体成功率和联合解决实例的成本指标。PyRUA-Lean的整体成功率从63.1%提升至71.7%（绝对提升8.6个百分点，相对提升约14%），具体为：LIBERO-PRO上从83.0%到94.0%（+11.0点），RoboTwin 2.0上从60.0%到69.2%（+9.2点），RoboCasa365原子任务上从78.9%到86.7%（+7.8点），复合任务上从34.4%到39.4%（+5.0点）。PyRUA-Lean单独解决了96个实例，而工具调用基线仅解决36个，表明其处理复杂任务的能力更强。在联合解决的实例上（即两个代理都成功的任务），PyRUA-Lean显著减少资源消耗：LLM调用次数从17.0次降至8.7次（减少49%），输入令牌从788k降至276k（减少65%），成本从$1.63降至$0.74（减少约55%）。这些增益在LIBERO-PRO上最显著（令牌减少4.5倍），部分因其长episode主导了令牌池。

Figure 3通过令牌预算截断实验（ retrospective token-budget cutoffs）进一步验证了效率优势。横轴表示令牌预算（单位：k tokens），纵轴表示成功率（%）。图中显示，PyRUA-Lean在较低令牌预算下即达到工具调用的最终成功率：例如，在LIBERO-PRO上，PyRUA-Lean使用564k tokens即可达到83.0%的最终成功率，而工具调用需要3.18M tokens（PyRUA-Lean的令牌效率是工具调用的5.6倍）。这表明PyRUA-Lean能更高效地利用有限令牌预算完成任务，尤其在LIBERO-PRO的扰动任务中优势明显。Figure 4则展示了一个具体案例（LIBERO-PRO任务“打开炉灶并放置摩卡壶”），其中PyRUA-Lean通过几何计算（如拟合壶盖平面）成功恢复，而工具调用基线因多次失败而耗尽预算。实验流程描述：A → 代理接收任务指令 → B → PyRUA-Lean生成Python代码组合原语（如移动、抓取）并检查中间结果 → C → 仅在需要时请求图像反馈，减少冗余交互。

4.3 LLM调用和观察反馈分析

此小节聚焦PyRUA-Lean减少令牌消耗的机制，核心数据来自Figure 5。Figure 5分解了令牌节省的来源：横轴为基准测试，纵轴为工具调用对PyRUA-Lean的比率（比率<1表示PyRUA-Lean使用更多）。图中显示，令牌减少主要由LLM调用减少驱动：在LIBERO-PRO上，令牌比率4.48倍由LLM调用比率2.55倍和每次调用令牌比率1.76倍贡献；在RoboCasa365原子任务上，PyRUA-Lean的每次调用令牌更多，但调用减少仍主导总令牌节省。这表明PyRUA-Lean通过程序化组合（如条件分支和本地重试）减少模型调用次数，而非单纯压缩单次调用。例如，在放置任务中，PyRUA-Lean将多个工具调用步骤（如移动、抓取、检查）合并为一个Python单元，仅在必要时请求图像。然而，仅按需请求图像不足以复制增益：Table 8显示，修改工具调用基线（仅按需返回图像）导致成功率从83.0%降至68.5%，且在131个共同解决的实例上，其LLM调用次数（22.8次）和令牌（1.07M）与原基线（19.9次调用，1.07M令牌）相近。这强调观察反馈必须与执行控制协同设计。实验流程描述：A → 代理生成Python代码单元 → B → 在单元内执行多个原语并检查结果 → C → 仅显式输出关键反馈（如状态或请求图像）给LLM。

4.4 消融研究

此小节评估PyRUA-Lean在移除VLA策略或操作指南时的鲁棒性，数据来自Table 3。Table 3比较了四种设置：VLA策略和操作指南均保留（✓✓）、仅保留VLA策略（✓✗）、仅保留操作指南（✗✓）、两者均移除（✗✗）。结果显示，PyRUA-Lean的增益在多数设置下持续：例如，在RoboTwin 2.0上，移除VLA策略后，PyRUA-Lean成功率从69.2%升至68.8%，而工具调用从60.0%骤降至42.8%（PyRUA-Lean优势扩大26.0点）。这证明PyRUA-Lean能通过经典原语组合（如接近、抓取控制）弥补VLA缺失。然而，操作指南的效果依赖于接口：在RoboTwin 2.0移除VLA策略后，移除指南使工具调用成功率从42.8%升至60.4%，表明指南并非总是有益。在RoboCasa365（无指南）上，移除VLA策略后，PyRUA-Lean的令牌节省从原子任务的1.5倍降至1.2倍，复合任务从2.0倍降至1.8倍，说明VLA主导任务中增益减弱。实验流程描述：A → 在相同任务实例上运行不同设置的代理 → B → 比较成功率和资源消耗 → C → 分析组件贡献。

4.5 失败案例与局限

此小节分析PyRUA-Lean的失败原因和论文承认的局限。PyRUA-Lean单独解决的96个实例中，52个因工具调用基线耗尽LLM调用预算而失败，44个因基线主动终止但未耗尽预算而失败。在44个案例中，约四分之一因VLA策略在PyRUA-Lean中成功但在基线中失败；其余多因共同失败（如抓取失误或物体掉落），但PyRUA-Lean通过脚本恢复（如关闭夹具或几何计算）部分挽救任务。然而，论文明确指出以下局限： - 评估范围有限：实验仅限于GPT-6 Astra规划器、RPent机器人堆栈和模拟环境，未测试其他规划器、原语配置或物理机器人性能（5 Limitations and Future Work）。 - 增益依赖任务结构：在VLA主导任务（如RoboCasa365原子任务）上，PyRUA-Lean的令牌节省较小（仅1.2-1.8倍），因初始提示成本占比高，且API描述开销抵消部分增益。 - 未完全隔离特征效果：比较评估完整接口（包括程序组合、持久状态和选择性反馈），但未独立量化各组件的贡献（如选择性反馈单独作用未测试）。 - 变异性未覆盖：每个任务实例仅运行一次，未测试重复运行的变异性或物理机器人的恢复能力（5 Limitations and Future Work）。实验流程描述：A → 分析失败案例的执行轨迹 → B → 识别失败模式（如预算耗尽或VLA不一致） → C → 量化PyRUA-Lean的恢复能力。

四、结论与讨论

论文的核心结论是：PyRUA-Lean通过交互式代码执行接口（结合反馈驱动原语组合和选择性观察），在相同LLM调用预算下显著提升机器人任务性能。整体成功率从63.1%提高到71.7%（相对提升14%），在联合解决的实例上减少49%的LLM调用和65%的输入令牌（成本从$1.63降至$0.74）。这些增益源于程序化组合（如条件分支和本地重试）减少模型调用，以及选择性反馈控制上下文膨胀。消融研究证实，增益在移除VLA策略或指南后仍存在，证明其鲁棒性。

论文特别强调了自身局限（诚实部分信息量最大）： - 评估局限性：仅限于模拟环境和特定配置（GPT-6 Astra、RPent堆栈），未验证物理机器人或跨规划器泛化（5 Limitations and Future Work）。 - 任务依赖性：在VLA主导任务上，令牌节省较小，因初始提示成本高；失败案例中，部分增益源于VLA策略的随机性，而非恢复逻辑。 - 未量化组件贡献：接口比较包含多因素（如程序状态管理），但选择性反馈的独立作用未分离（4.3节）。 - 执行覆盖不足：每个任务仅单次运行，未测试重复变异性或实时延迟（5 Limitations and Future Work）。

展望部分点明"下一张支票开在哪里"：未来工作将扩展评估至其他规划器、原语粒度测试（如更细粒度原语）、物理机器人执行延迟测量，以及跨episode重用验证例程对成功率和成本的影响。这将推动反馈管理在机器人代理中的深入研究，并探索程序化接口在复杂环境中的适应性（5 Limitations and Future Work）。

五、关键术语表

六、和你的关系

• 课程衔接：作为光电学院大二学生，你未来将学习电磁学、物理光学和半导体物理等课程。本文涉及的机器人控制、AI与硬件交互（如VLA策略）与光电领域高度交叉——例如，光学传感器在机器人感知中的应用（如RGB-D相机）直接关联物理光学中的成像原理，而高效编程接口设计则可迁移到光电系统（如激光控制）的算法优化中。这为你在《光学工程》或《机器人视觉》等课程中实践跨学科应用奠定基础。

• 方向选择与就业：论文启示你关注"AI+硬件"融合方向：毕设可探索基于PyRUA-Lean框架的光电设备控制（如自动化光学检测），就业则瞄准机器人公司（如NVIDIA）、AI芯片设计或光子计算领域——这些岗位亟需既懂光电原理又掌握高效AI接口的人才。尤其值得注意的是，65%令牌节省的效率提升，在资源受限的嵌入式系统中（如移动机器人）具有商业价值。

• 值得跟踪的后续指标：持续关注GPT-6 Astra在机器人领域的突破（如物理交互的泛化能力），以及PyRUA-Lean框架在真实机器人（而非仅仿真）的部署表现。同时，留意VLA策略与光电传感器（如ToF相机）的结合案例，这可能成为你未来研究方向的关键趋势。

七、知识增量

新接触的概念

tool calling, primitive composition, selective observation, VLA policies, ablation studies, PyRUA-Lean, token overhead, conditional checks, local retries, persistent program state, geometric computation, execution traces, benchmarks (LIBERO-PRO/RoboTwin 2.0/RoboCasa365), inference cost, episode, ReAct, Toolformer, RPent

读论文的元技能

1. 接口设计分析法：对比工具调用与代码执行接口时，优先关注"LLM调用次数"和"输入令牌"的量化指标（如表2），而非仅看成功率——这揭示了效率优化的核心是减少模型交互，而非提升单次调用能力。
2. 消融研究解读法：通过消融实验（如表3）剥离组件贡献时，注意"移除VLA策略后成功率变化"等细节，判断组件的必要性；例如，PyRUA-Lean在无VLA时仍高效，证明其通用性。
3. 实验设置溯源法：分析任务实例时，追踪环境随机化（如LIBERO-PRO的5种子）和LLM调用预算（如40轮/任务），确保结论的鲁棒性；例如，图3的令牌预算截取揭示了效率优势的阈值。

延伸阅读

• 原文链接：Fewer Tokens, Better Action: GPT-6 Astra Robot Agents with 14% Higher Success Rate but 65% Fewer Tokens
• 项目资源：
• 项目页面：PyRUA-Lean GitHub（含代码与示例）
• GitHub仓库：PyRUA-Lean Source Code（可复现实验）
• 相关基准：LIBERO-PRO、RoboTwin 2.0（提供任务环境）

补充背景知识卡

【卡11】反馈驱动

生活类比：如同汽车自动驾驶系统根据路况实时调整速度（遇到红灯减速，绿灯加速），反馈驱动（Feedback-Driven）让系统根据执行结果动态调整后续动作，而非固定执行预设流程。
现象描述：在机器人控制中，反馈驱动指代理通过检查原语执行结果（如“物体是否被抓取”）来决定下一步操作（如“重试抓取”或“放置物体”）。这种机制允许代理在代码层实现闭环控制，减少对LLM的依赖。
英文原词：Feedback-Driven。
浅数学：可用状态机表示：
$state = initial_state$ while not $task$: action = policy(state) # 根据状态决定动作 result = execute(action) # 执行原语 state = $update$e(state, result) # 更新状态

【卡12】代码执行接口

生活类比：就像用Python编写自动化脚本（如“打开网页→点击按钮→截图”），代码执行接口（Code Execution Interface）让AI生成可执行的代码片段，在本地运行并返回结果，而非逐次调用外部工具。
现象描述：PyRUA-Lean的核心是代码执行接口，它将机器人原语封装为Python方法（如robo.move_to(x,y)），允许VLM生成包含条件判断、循环和函数调用的代码单元。这些单元在沙盒环境中执行，仅返回显式指定的输出（如状态或图像）。
英文原词：Code Execution Interface。
浅数学：代码单元的执行流程可表示为：
cell = $generate$(prompt) # VLM生成代码 output = execute(cell, env) # 在环境执行 return $filter$ut(output) # 仅返回关键反馈

【卡13】RPent框架

生活类比：如同乐高积木的通用连接件（兼容不同形状的积木），RPent框架（Robot Perception and Execution Toolkit）是机器人控制的基础设施，提供标准化的原语接口（如移动、抓取）和工具调用封装。
现象描述：RPent是开源的机器人控制框架，定义了统一的机器人操作API（如move_to、segment），并支持将原语暴露为工具调用或代码方法。PyRUA-Lean在RPent基础上扩展了代码执行层，保持底层原语一致性。
英文原词：RPent (Robot Perception and Execution Toolkit)。
浅数学：框架的核心抽象是原语函数：

primitive: State × Args → Result

其中State为机器人状态，Args为输入参数，Result为执行结果（如位置、图像）。

【卡14】消融研究

生活类比：如同医生通过逐步停药验证疗效（停降压药→观察血压变化），消融研究（Ablation Study）通过移除系统组件（如VLA策略）验证其对整体性能的贡献。
现象描述：在PyRUA-Lean的评估中，消融实验比较了四种配置：保留VLA策略和操作指南、仅保留VLA策略、仅保留操作指南、两者均移除。通过对比成功率变化，证明反馈驱动原语组合的鲁棒性。
英文原词：Ablation Study。
浅数学：设F为完整系统性能，C_i为组件贡献，则：
$$F = F_{-C_i} + ΔC_i$$ 其中F_{-C_i}为移除组件后的性能，ΔC_i为组件贡献。

补充讲解：4.3节 LLM调用和观察反馈分析

原文关键段落

Figure 5 decomposes the token savings into contributions from fewer LLM calls and reduced tokens per call. Across benchmarks, the primary driver is reduced calls: in LIBERO-PRO, the 4.48× token reduction is explained by 2.55× fewer calls and 1.76× fewer tokens per call. In RC365 atomic tasks, PyRUA-Lean uses more tokens per call but still achieves 1.5× token savings due to 1.8× fewer calls. However, merely selective feedback cannot replicate gains: modifying the tool-calling baseline to return images only when requested reduces success from 83.0% to 68.5%, with similar call counts (22.8 vs 19.9) and token usage (1.07M vs 1.07M) on jointly solved instances. This underscores that observation feedback must be coupled with execution control.

逐句拆解与深度解析

1. "Figure 5 decomposes the token savings into contributions from fewer LLM calls and reduced tokens per call."
2. 拆解：作者用分解法量化令牌节省的来源。横轴为基准测试，纵轴为工具调用对PyRUA-Lean的比率（比率>1表示PyRUA-Lean更优）。
3. 直觉：如同分析减肥效果（运动消耗500卡路里+饮食减少300卡路里），这里区分“减少调用次数”和“压缩单次调用”的贡献。

4. 数据细节：在LIBERO-PRO上，令牌节省4.48倍中，2.55倍来自调用次数减少（17.0次→8.7次），1.76倍来自单次调用优化（平均46.3k令牌/次→26.3k令牌/次）。

5. "Across benchmarks, the primary driver is reduced calls: in LIBERO-PRO, the 4.48× token reduction is explained by 2.55× fewer calls and 1.76× fewer tokens per call."

6. 拆解：强调调用次数减少是核心驱动因素。在LIBERO-PRO（长任务）上，单次调用优化贡献较小（1.76倍），因长任务中初始提示成本占比高。

7. 反常识点：在RoboCasa365原子任务上，PyRUA-Lean的单次调用令牌更多（1.2倍），但因调用次数减少1.8倍，总令牌仍节省1.5倍。这说明“减少调用”比“优化单次调用”更关键。

8. "In RC365 atomic tasks, PyRUA-Lean uses more tokens per call but still achieves 1.5× token savings due to 1.8× fewer calls."

9. 拆解：揭示任务依赖性。原子任务（如简单抓取）中，VLA策略的API描述开销较大，PyRUA-Lean需传递更多上下文（如几何计算结果），导致单次调用令牌增加。

10. 深层原因：VLA策略的提示词包含大量API文档（如pi0_pick的参数说明），而PyRUA-Lean需传递中间计算结果（如物体位置），增加了单次调用长度。

11. "However, merely selective feedback cannot replicate gains: modifying the tool-calling baseline to return images only when requested reduces success from 83.0% to 68.5%..."

12. 拆解：证明“选择性观察”必须与“执行控制”协同。仅修改工具调用基线（按需返回图像），成功率下降14.5点，且调用次数未减少（22.8次 vs 19.9次）。

13. 关键洞察：单纯减少反馈量无法替代程序化组合。例如，工具调用基线仍需每次调用LLM决定下一步，而PyRUA-Lean在代码中实现条件分支（如“如果抓取失败则重试”）。

14. "...with similar call counts (22.8 vs 19.9) and token usage (1.07M vs 1.07M) on jointly solved instances. This underscores that observation feedback must be coupled with execution control."

15. 拆解：数据对比揭示本质。按需返回图像的基线与原基线消耗相似令牌（1.07M），但成功率更低（68.5% vs 83.0%），说明问题不在反馈量，而在执行逻辑。
16. 结论：PyRUA-Lean的核心创新是“代码层闭环控制”（如本地重试、条件分支），而非简单的反馈过滤。这为设计高效代理提供范式：程序化执行+选择性反馈。

补充正文解读：实验结果深度解析

Figure 3：令牌预算截断实验的读图细节

图表结构：
- 横轴：令牌预算（k tokens），对数刻度（100k–10M）。
- 纵轴：成功率（%），线性刻度（0–100）。
- 曲线：工具调用（蓝色）与PyRUA-Lean（橙色）在三种基准上的成功率随预算变化。

关键读图点：
1. 效率阈值：
- LIBERO-PRO上，PyRUA-Lean在564k tokens时达到工具调用的最终成功率（83.0%），而工具调用需3.18M tokens（效率比5.6倍）。
- 直觉：如同“节能灯泡 vs 白炽灯”，PyRUA-Lean在低预算下即达到高效率，而工具调用需更多资源才能达标。

1. 任务复杂度影响：
2. RoboTwin 2.0（双臂任务）的曲线更平缓，因任务步骤较少，令牌节省主要来自调用次数减少（1.4倍）。

3. RC365复合任务（如“组装家具”）的曲线陡峭，因多步骤任务中程序化组合优势更大（令牌节省2.0倍）。

4. 拐点分析：

5. 在1M tokens预算处，PyRUA-Lean在LIBERO-PRO上已达到94%成功率，而工具调用仅60%。这揭示：长任务中，程序化组合能突破“调用次数瓶颈”。

Figure 4：失败案例的执行轨迹对比

图表内容：
- 场景：LIBERO-PRO任务“打开炉灶并放置摩卡壶”。
- 左侧：工具调用基线的执行步骤（14–17步），因多次抓取失败耗尽预算。
- 右侧：PyRUA-Lean的Python单元（1步），通过几何计算恢复任务。

深度解析：
1. 基线失败原因：
- 工具调用基线执行“移动→抓取→检查→重试”循环，每次循环需4次LLM调用（步骤14–17）。
- 失败点：摩卡壶把手倾斜导致抓取失败，基线无法在代码层调整抓取角度。

1. PyRUA-Lean的恢复机制：
2. 几何计算：代码拟合壶盖平面，计算最优抓取点（robo.world_map()返回点云数据）。
3. 条件分支：if grasp_failed: adjust_angle() 在代码层实现重试，无需LLM调用。

4. 选择性反馈：仅任务未完成时请求图像（if not robo.done(): robo.show()）。

5. 效率对比：

6. 基线：17次调用 × 50k令词/次 = 850k令词（失败）。
7. PyRUA-Lean：1次调用 × 100k令词（代码生成） + 0次图像请求 = 100k令词（成功）。
8. 核心启示：程序化组合将“多步交互”压缩为“单次代码生成”，实现质变效率。

Figure 5：令牌节省来源分解

图表结构：
- 横轴：基准测试（LIBERO-PRO, RoboTwin, RC365原子/复合）。
- 纵轴：工具调用对PyRUA-Lean的比率（>1表示PyRUA-Lean更优）。
- 分组柱状图：蓝色（LLM调用减少）、橙色（单次调用令牌减少）、绿色（总和）。

数据细节与直觉：
1. LIBERO-PRO主导令牌节省：
- 总令牌节省4.48倍中，2.55倍来自调用减少（长任务中依赖操作多），1.76倍来自单次优化（代码压缩API描述）。
- 直象：如同“快递包裹”，长任务（LIBERO-PRO）的包裹（令牌）更多，减少派送次数（调用）和单件重量（单次令牌）都有效。

1. RC365原子任务的异常：
2. 单次调用令牌增加（1.2倍），但调用减少1.8倍，总节省1.5倍。

3. 原因：原子任务（如“拿杯子”）中，VLA策略的API文档（如rldx_skill参数）占比高，PyRUA-Lean需传递更多上下文（如杯子位置）。

4. RoboTwin的平衡贡献：

5. 调用减少1.4倍 + 单次优化1.2倍 = 总节省1.7倍。
6. 双臂任务中，程序化组合（如同步控制双臂）和选择性观察（如仅返回关键视角）协同作用。

补充结论与讨论：深层局限分析

论文未明说的隐含局限

1. 物理世界泛化性未验证：
2. 实验仅限模拟环境（如RoboCasa365的数字厨房），未测试真实机器人（如机械臂抖动、传感器噪声）。

3. 隐含风险：代码层的几何计算（如点云拟合）在真实环境中可能因光照变化失效。

4. LLM规划器的天花板：

5. 所有实验基于GPT-6 Astra，未测试其他模型（如Claude或Llama）。

6. 深层问题：当任务超出LLM推理能力（如复杂装配），代码执行无法弥补规划缺陷。

7. 状态同步的潜在风险：

8. 持久程序状态（如robo.world_map()）在长任务中可能因环境动态变化过时。
9. 未解决：如何检测状态过期并触发重新感知（如物体被移动）。

对读者研究的启示

1. 光电交叉方向：
2. 论文中的“选择性观察”可迁移到光学系统（如自适应显微镜），通过代码层控制相机曝光时机，减少冗余图像采集。

3. 挑战：光学反馈的实时性要求更高，需研究如何在代码层处理光信号延迟。

4. 算法优化方向：

5. PyRUA-Lean的“程序化组合”本质是编译优化（如将多个API调用合并为代码块），可探索编译技术（如LLVM）在机器人控制中的应用。

6. 开放问题：如何自动生成最优代码结构（如避免死循环）？

7. 实验设计参考：

8. 消融研究的“移除VLA策略”方法，可用于评估其他AI组件（如视觉分割模型）的贡献。
9. 建议扩展：测试不同原语粒度（如“抓取”拆分为“接近→夹紧”）对效率的影响。

补充背景知识卡

【卡15】反馈驱动（Feedback-Driven）

生活类比：如同恒温空调系统根据室温自动调节风速（室温高→风速大），反馈驱动让系统根据执行结果动态调整后续动作，而非机械执行预设流程。
现象描述：在机器人控制中，反馈驱动指代理通过检查原语执行结果（如"物体是否被抓取"）来决定下一步操作（如"重试抓取"或"放置物体"）。这种机制允许代理在代码层实现闭环控制，减少对LLM的依赖，显著提升效率。
英文原词：Feedback-Driven。
浅数学：可用状态机表示：
$state = initial_state$ while not $task$: action = policy(state) # 根据状态决定动作 result = execute(action) # 执行原语 state = $update$e(state, result) # 更新状态 论文关联：PyRUA-Lean的核心创新是"反馈驱动原语组合"，通过Python代码中的条件检查（如if grasp_failed: adjust_angle()）实现本地重试，避免每次失败都调用LLM。

【卡16】代码执行接口（Code Execution Interface）

生活类比：如同用Python编写自动化脚本（如"打开网页→点击按钮→截图"），代码执行接口让AI生成可执行的代码片段，在本地运行并返回结果，而非逐次调用外部工具。
现象描述：PyRUA-Lean的核心是代码执行接口，它将机器人原语封装为Python方法（如robo.move_to(x,y)），允许VLM生成包含条件判断、循环和函数调用的代码单元。这些单元在沙盒环境中执行，仅返回显式指定的输出（如状态或图像），大幅减少上下文膨胀。
英文原词：Code Execution Interface。
浅数学：代码单元的执行流程可表示为：
cell = $generate$(prompt) # VLM生成代码 output = execute(cell, env) # 在环境执行 return $filter$ut(output) # 仅返回关键反馈 论文关联：相比工具调用（每次调用需等待LLM响应），代码执行接口支持"批量执行+选择性反馈"，是65%令牌节省的技术基础。

【卡17】RPent框架（RPent）

生活类比：如同乐高积木的通用连接件（兼容不同形状的积木），RPent是机器人控制的基础设施，提供标准化的原语接口（如移动、抓取）和工具调用封装。
现象描述：RPent是开源的机器人控制框架，定义了统一的机器人操作API（如move_to、segment），并支持将原语暴露为工具调用或代码方法。PyRUA-Lean在RPent基础上扩展了代码执行层，保持底层原语一致性，确保公平比较。
英文原词：RPent (Robot Perception and Execution Toolkit)。
浅数学：框架的核心抽象是原语函数：

primitive: State × Args → Result

其中State为机器人状态，Args为输入参数，Result为执行结果（如位置、图像）。
论文关联：实验中，PyRUA-Lean与工具调用基线共享RPent的原语实现，确保差异仅来自接口设计（代码执行 vs 工具调用）。

【卡18】消融研究（Ablation Study）

生活类比：如同医生通过逐步停药验证疗效（停降压药→观察血压变化），消融研究通过移除系统组件（如VLA策略）验证其对整体性能的贡献。
现象描述：在PyRUA-Lean的评估中，消融实验比较了四种配置：保留VLA策略和操作指南、仅保留VLA策略、仅保留操作指南、两者均移除。通过对比成功率变化，证明反馈驱动原语组合的鲁棒性。
英文原词：Ablation Study。
浅数学：设F为完整系统性能，C_i为组件贡献，则：
$$F = F_{-C_i} + ΔC_i$$ 其中F_{-C_i}为移除组件后的性能，ΔC_i为组件贡献。
论文关联：Table 3显示，移除VLA策略后PyRUA-Lean成功率仅微降（69.2%→68.8%），而工具调用基线暴跌（60.0%→42.8%），证明其通用性。

【卡19】ReAct范式（ReAct）

生活类比：如同侦探推理时交替收集线索（观察→推理→行动→再观察），ReAct（Reason+Act）让代理在推理与行动间迭代，避免纯语言决策的盲区。
现象描述：ReAct是代理交互的经典范式，要求模型交替输出推理步骤（如"我需要先定位物体"）和行动指令（如"执行segment操作"）。PyRUA-Lean继承了ReAct的反馈循环思想，但通过代码层实现推理-行动的本地耦合，减少LLM调用次数。
英文原词：ReAct (Reason + Act)。
浅数学：ReAct的迭代流程可表示为：
while not $task$: reasoning = llm.observe(state) # 推理 action = llm.plan(reasoning) # 行动 state = env.execute(action) # 执行 论文关联：PyRUA-Lean将ReAct的"推理-行动"循环压缩为代码单元，实现"推理在代码，行动在本地"的优化范式。

【卡20】Toolformer模型（Toolformer）

生活类比：如同人类学习使用计算器辅助心算（遇到复杂运算→调用计算器→返回结果），Toolformer让LLM学会调用外部工具（如API）扩展能力边界。
现象描述：Toolformer是Meta开发的模型，通过自动学习何时调用何种工具（如翻译API、计算器），增强LLM的实用能力。PyRUA-Lean借鉴其"工具调用"思想，但创新点在于将工具调用升级为"代码执行"，实现更精细的控制。
英文原词：Toolformer。
浅数学：Toolformer的调用决策可建模为：

if task ∈ ToolDomain:
    tool_output = call_tool(task)
    response = llm(tool_output)

论文关联：PyRUA-Lean将"工具调用"升级为"代码执行"，允许在代码层组合多个工具（如移动+抓取）并控制反馈粒度，这是效率提升的核心。

补充讲解：Introduction第1段深度拆解

原文逐句拆解与深度解析

"Vision language model (VLM) agents can control robots through visual feedback and action primitives, but repeated model invocations and redundant observations incur substantial token overhead."
- 拆解：开篇直指核心痛点。VLM代理依赖"视觉反馈"（如摄像头图像）和"动作原语"（如抓取）控制机器人，但"重复调用"（如多次询问状态）和"冗余观察"（如自动返回多张图像）导致"令牌开销"激增。
- 关键洞察：作者用"substantial"强调开销的严重性，暗示现有方法效率低下。这里隐含一个对比——人类操作机器人时，会主动选择"看哪里"和"何时行动"，而VLM代理缺乏这种选择性。
- 术语标注："token"需解释为LLM输入输出的文本单元（如1个单词≈1.3个token），是计算资源消耗的度量。

"We introduce PyRUA-Lean, an interactive code-execution framework that couples feedback-driven primitive composition with selective observation..."
- 拆解：引出解决方案PyRUA-Lean，其核心是两个机制的耦合："反馈驱动原语组合"和"选择性观察"。
- 创新点解析：
- 反馈驱动：通过代码中的条件检查（如if grasp_failed: retry()）实现本地闭环，减少LLM调用。
- 选择性观察：仅显式请求关键反馈（如robo.show()），避免冗余图像进入上下文。
- 写作技巧：作者用冒号结构详细解释机制，增强可读性，符合"类比先行，术语随后"的规范。

"...the agent composes classical robot primitives and learned vision-language-action (VLA) policies into Python cells that perform conditional checks and local retries, returning only explicitly requested images and state feedback for replanning."
- 拆解：具体说明PyRUA-Lean的工作原理。
- 术语解析：
- VLA policies：预训练的端到端模型（如π₀.₅），直接从视觉生成动作指令，需标注英文。
- Python cells：代码执行单元，可包含多个原语调用和逻辑控制。
- 技术细节：返回的反馈分为两类：
1. 显式请求的图像（如robo.show('agentview')）
2. 状态反馈（如robo.state()）
仅这些信息用于"重新规划"（replanning），避免上下文膨胀。

"Across 700 simulated task instances from LIBERO-PRO, RoboTwin 2.0, and RoboCasa365, we compare PyRUA-Lean with a tool-calling baseline using the same GPT-6 Astra planner and underlying robot primitives."
- 拆解：定义实验设置，强调公平性比较。
- 关键设计：
- 相同规划器：使用GPT-6 Astra，排除模型能力差异。
- 相同原语：共享RPent框架的原语实现，确保差异仅来自接口设计。
- 模拟环境：说明实验局限性（如物理噪声未考虑）。
- 数据规模：700个实例覆盖三大基准，增强结论鲁棒性。

"Under equal LLM-call budgets, PyRUA-Lean increases overall success from 63.1% to 71.7%. On instances solved by both agents, it uses 49% fewer LLM calls and 65% fewer input tokens."
- 拆解：量化核心贡献，采用"绝对提升+相对提升"的表述策略。
- 数据解读：
- 成功率：从63.1%→71.7%（绝对+8.6点，相对+14%），显著提升。
- 效率：在共同解决的实例上，LLM调用减少49%，令牌减少65%，直接呼应标题"Fewer Tokens"。
- 隐含优势：令牌减少主要来自调用次数下降（49%），而非单次调用优化，这为后续分析埋下伏笔。

补充正文解读：实验结果深度解析

Figure 3：令牌预算截断实验的读图细节

图表结构：
- 横轴：令牌预算（k tokens），对数刻度（100k–10M）。
- 纵轴：成功率（%），线性刻度（0–100）。
- 曲线：工具调用（蓝色）与PyRUA-Lean（橙色）在三种基准上的成功率随预算变化。

关键读图点：
1. 效率阈值：
- LIBERO-PRO上，PyRUA-Lean在564k tokens时达到工具调用的最终成功率（83.0%），而工具调用需3.18M tokens（效率比5.6倍）。
- 直象：如同"节能灯泡 vs 白炽灯"，PyRUA-Lean在低预算下即达到高效率，而工具调用需更多资源才能达标。

1. 任务复杂度影响：
2. RoboTwin 2.0（双臂任务）的曲线更平缓，因任务步骤较少，令牌节省主要来自调用次数减少（1.4倍）。

3. RC365复合任务（如"组装家具"）的曲线陡峭，因多步骤任务中程序化组合优势更大（令牌节省2.0倍）。

4. 拐点分析：

5. 在1M tokens预算处，PyRUA-Lean在LIBERO-PRO上已达到94%成功率，而工具调用仅60%。这揭示：长任务中，程序化组合能突破"调用次数瓶颈"。

Figure 4：失败案例的执行轨迹对比

图表内容：
- 场景：LIBERO-PRO任务"打开炉灶并放置摩卡壶"。
- 左侧：工具调用基线的执行步骤（14–17步），因多次抓取失败耗尽预算。
- 右侧：PyRUA-Lean的Python单元（1步），通过几何计算恢复任务。

深度解析：
1. 基线失败原因：
- 工具调用基线执行"移动→抓取→检查→重试"循环，每次循环需4次LLM调用（步骤14–17）。
- 失败点：摩卡壶把手倾斜导致抓取失败，基线无法在代码层调整抓取角度。

1. PyRUA-Lean的恢复机制：
2. 几何计算：代码拟合壶盖平面，计算最优抓取点（robo.world_map()返回点云数据）。
3. 条件分支：if grasp_failed: adjust_angle() 在代码层实现重试，无需LLM调用。

4. 选择性反馈：仅任务未完成时请求图像（if not robo.done(): robo.show()）。

5. 效率对比：

6. 基线：17次调用 × 50k令词/次 = 850k令词（失败）。
7. PyRUA-Lean：1次调用 × 100k令词（代码生成） + 0次图像请求 = 100k令词（成功）。
8. 核心启示：程序化组合将"多步交互"压缩为"单次代码生成"，实现质变效率。

Figure 5：令牌节省来源分解

图表结构：
- 横轴：基准测试（LIBERO-PRO, RoboTwin, RC365原子/复合）。
- 纵轴：工具调用对PyRUA-Lean的比率（>1表示PyRUA-Lean更优）。
- 分组柱状图：蓝色（LLM调用减少）、橙色（单次调用令牌减少）、绿色（总和）。

数据细节与直觉：
1. LIBERO-PRO主导令牌节省：
- 总令牌节省4.48倍中，2.55倍来自调用减少（长任务中依赖操作多），1.76倍来自单次优化（代码压缩API描述）。
- 直象：如同"快递包裹"，长任务（LIBERO-PRO）的包裹（令牌）更多，减少派送次数（调用）和单件重量（单次令牌）都有效。

1. RC365原子任务的异常：
2. 单次调用令牌增加（1.2倍），但调用减少1.8倍，总节省1.5倍。

3. 原因：原子任务（如"拿杯子"）中，VLA策略的API文档（如rldx_skill参数）占比高，PyRUA-Lean需传递更多上下文（如杯子位置）。

4. RoboTwin的平衡贡献：

5. 调用减少1.4倍 + 单次优化1.2倍 = 总节省1.7倍。
6. 双臂任务中，程序化组合（如同步控制双臂）和选择性观察（如仅返回关键视角）协同作用。

补充结论与讨论：深层局限分析

论文未明说的隐含局限

1. 物理世界泛化性未验证：
2. 实验仅限模拟环境（如RoboCasa365的数字厨房），未测试真实机器人（如机械臂抖动、传感器噪声）。
3. 隐含风险：代码层的几何计算（如点云拟合）在真实环境中可能因光照变化失效。

4. 读者关联：作为光电学生，可探索光学传感器（如ToF相机）在真实环境中的鲁棒性验证。

5. LLM规划器的天花板：

6. 所有实验基于GPT-6 Astra，未测试其他模型（如Claude或Llama）。
7. 深层问题：当任务超出LLM推理能力（如复杂装配），代码执行无法弥补规划缺陷。

8. 读者关联：未来可研究光学任务规划中的LLM泛化性（如激光加工参数优化）。

9. 状态同步的潜在风险：

10. 持久程序状态（如robo.world_map()）在长任务中可能因环境动态变化过时。
11. 未解决：如何检测状态过期并触发重新感知（如物体被移动）。
12. 读者关联：光电系统中的实时状态更新（如自适应光学）可借鉴此问题。

对读者研究的启示

1. 光电交叉方向：
2. 选择性观察迁移：PyRUA-Lean的"按需获取图像"思想可应用于光学系统（如自适应显微镜），通过代码层控制相机曝光时机，减少冗余图像采集。
3. 挑战：光学反馈的实时性要求更高，需研究如何在代码层处理光信号延迟。

4. 案例：在激光加工中，仅当功率异常时才采集高分辨率图像，节省计算资源。

5. 算法优化方向：

6. 程序化组合的编译优化：PyRUA-Lean的"组合原语"本质是编译优化（如将多个API调用合并为代码块），可探索编译技术（如LLVM）在机器人控制中的应用。
7. 开放问题：如何自动生成最优代码结构（如避免死循环）？

8. 读者关联：光电系统中的代码生成（如光学设计脚本）可借鉴此范式。

9. 实验设计参考：

10. 消融研究方法：论文的"移除VLA策略"方法，可用于评估其他AI组件（如视觉分割模型）的贡献。
11. 建议扩展：测试不同原语粒度（如"抓取"拆分为"接近→夹紧"）对效率的影响。
12. 读者关联：在光电实验中，可拆分"光源控制→样品定位→信号采集"等步骤，分析各环节贡献。

补充讲解：结论部分逐句拆解

原文逐句拆解与深度解析

"PyRUA-Lean through interactive code-execution interface (coupling feedback-driven primitive composition with selective observation) significantly improves robot task performance under equal LLM-call budgets."
- 拆解：重申核心贡献，强调"交互式代码执行接口"是性能提升的关键。
- 关键点：接口设计（而非模型能力）是效率差异的主因，呼应实验设计中的"相同规划器"设置。

"Overall success increases from 63.1% to 71.7% (14% relative improvement), with 49% fewer LLM calls and 65% fewer input tokens on jointly solved instances."
- 拆解：量化成果，采用"绝对提升+相对提升"的表述。
- 数据解读：65%令牌节省主要来自调用次数下降（49%），而非单次调用优化，验证"减少交互次数"是核心策略。

"These gains stem from programmatic composition (e.g., conditional branches and local retries) reducing model invocations, coupled with selective feedback controlling context expansion."
- 拆解：解释机制，指出效率提升的双重来源：
1. 程序化组合：减少调用次数（如将4步操作压缩为1步）。
2. 选择性反馈：控制上下文膨胀（如仅返回关键图像）。
- 隐含对比：单纯减少反馈量（如仅按需返回图像）无法复制增益（4.3节实验），证明"执行控制"与"反馈管理"必须协同。

"Ablations confirm gains persist after removing VLA policies or guides, demonstrating robustness."
- 拆解：用消融研究证明鲁棒性。
- 关键发现：移除VLA策略后，PyRUA-Lean成功率仅微降（69.2%→68.8%），而工具调用基线暴跌（60.0%→42.8%），证明其不依赖预训练策略。
- 读者关联：这对光电领域意义重大——在缺乏预训练模型时（如新型光学传感器），仍可通过程序化组合实现高效控制。

"We acknowledge limitations: evaluation restricted to simulated environments and specific configurations; gains diminish on VLA-dominated tasks; component contributions not isolated; variability not covered."
- 拆解：诚实承认局限，体现科研严谨性。
- 深层含义：
- 模拟环境限制：物理噪声未考虑，未来需测试真实机器人。
- 任务依赖性：在VLA主导任务（如简单抓取）上，令牌节省较小（仅1.2-1.8倍）。
- 未量化组件：无法单独评估"选择性反馈"的贡献（如仅按需返回图像）。
- 读者关联：光电系统中的任务复杂度（如激光加工多步骤任务）可能影响类似框架的效率。

"Future work includes extending to other planners, testing finer-grained primitives, measuring physical robot delays, and verifying cross-episode reuse."
- 拆解：展望未来方向，提供研究线索。
- 关键方向：
1. 跨规划器泛化：测试PyRUA-Lean在其他模型（如Claude）上的表现。
2. 原语粒度：探索更细粒度原语（如"接近→夹紧"）对效率的影响。
3. 物理延迟：测量真实机器人的执行延迟，验证实时性。
4. 跨episode重用：研究代码复用对长期任务的影响。
- 读者关联：光电领域可探索"光学原语"（如"调焦→成像→分析"）的粒度优化。