4.1 项目总览（总目标·实验目的·挑战）

总目标（最终愿景）

用一台桌面六轴机械臂，自主走完一整局国际象棋——从感知棋盘、思考决策、到物理抓放落子，全流程闭环，并能在抓空 / 碰倒 / 放偏时自我恢复。

架构分层（别搞反）：脑 = Anima，眼 = 相机，手 = 机械臂，其余一切都是脑借用的 tools / skills。

• 脑 = Anima 认知框架：统一负责理解 + 编排。相机拍到的画面、棋盘状态 → FEN、落子对错的判断，原则上全部交给脑来理解；脑自己直接理解不了时，再由它主动调用检测工具补足。目标是尽量让所有「处理 / 判断」都经由脑完成，而不是把感知/决策拆成一堆各自为政的固定模块。
• 眼 = 相机：只负责采集像素，不做任何决策。它是脑的输入设备，不是「感知引擎」。
• 手 = 机械臂（由 VLA / 模仿学习策略驱动）：只负责执行抓放落子，是本项目的工程主体（项目卖点在这只手够鲁棒，而非脑有多聪明）。
• 工具 / 技能 = Stockfish、python-chess、CV 格子检测、VLM 判图……：这些都不是「脑」，而是脑在思考时可借用的逻辑引擎 / 检测工具，统一视作 tools / skills。算棋 = 调 Stockfish 这个 tool，绝不让 Anima / LLM 自己「心算」棋或当规则引擎（会幻觉）；棋局真值由 python-chess 这个 tool 确定性持有。

一句话：Anima 是唯一的「思考者」，它指挥眼去看、调工具去算/检测、命令手去执行。后续每一节都在这个分层下推进。

Soma Zero 下棋 = Jeff 的 Soma 测试代正式起点。

实验目的

• 证明“以 VLA 为主 + 最小传统成分 + 失败检测/重试”能达成高可靠的长程操作。
• 量化对照：传统硬编码基线（4.5） vs VLA（4.7）的单步可靠性与重试需求。
• 卖点 = 长程任务编排 + 闭环纠错，而非“抓得准”。

核心挑战

• 一整局约 80~100 次抓放；单次 95% → 整局仅 0.95^80≈1.7%。
• 棋格仅 3~5cm，精度要求高。
• 纯学习派达不到真机 98% 单次（见 papers/_综合报告.md）；98% 靠“失败检测→带反馈重试” 1-(1-p)^k 达成。
• 失败检测漏检率是整步可靠性的隐藏天花板。

实现步骤梳理（路线图）

自主度单调递增：软件 → 人当手 → 遥操当手 → 硬编码自主 → 采数 → VLA → 收口 → 新棋类。每步的 run_pick_place() 共用同一接口签名，替换只改实现。

子章	标题	步骤	自主度
4.2	顶层框架与 Anima 编排	1	纯软件
4.3	真实棋盘感知与纠错闭环	2	看真棋盘·人当手
4.4	遥操作“笨手”下棋	3	遥操臂当手
4.5	硬编码 3D 自主下棋（传统基线）	4	自主·硬编码·夹娃娃式
4.6	引入 LeRobot · 遥操数据采集	5	采数（M0 硬件基建前置）
4.7	VLA 策略替换	6	自主抓放
4.8	闭环精修与收口	7	整局自主（求职产出）
4.9	挑战课题：吸盘工具更换下围棋/五子棋	8	自主工具更换

三个贯穿组件（项目级）

1. 统一接口 run_pick_place(src,dst,target,obs)：从 4.3 起定死，人手→遥操→硬编码→VLA 多次替换零摩擦。
2. 失败检测器（一等公民）：漏检率 = 整步可靠性天花板；从 4.3 起单独迭代、量化准确率。
3. 重试 / 可靠性量化：1-(1-p)^k，在 4.5 建框架测传统基线、在 4.8 最终化对照。