按实验说明运行，保留版本、初态、预算和真实结果。
THE EMBODIED DECISION LAB / 01
看见决策，
比较协作。
从一帧观测，到一次真实交互。
🎬 看回放，⚡ 比速度，💰 算费用。
🤝 复现实验，留下你的名字。
观察 → 规划 → 动作
真实仿真 · 可追溯结果
LIBERO / META-WORLD / PANDA
EXPLORE THE EXPERIMENTS
LIBERO 视觉对照正在验证中。完成真实运行后，这里会展示录像、决策和统计数据。
DECISION TRACK · 点击跳转
结果与代价
同条件 · 小样本 · 独立判定BUILT TOGETHER · REPRODUCE & SHARE
🤝 下一条实验，署上你的名字。
复现已有任务，或带来新的方法。每份作品都展示 名字、GitHub 账号、实验日期、任务、方法与结果，并链接到你的代码。成功、失败、部分完成，都值得分享。
填写 GitHub 投稿表，拖入录像；也可以提交 JSON 的 PR。
收录合并后自动上线，保留你的署名与复现链接。
社区结果注明「作者报告」，独立于项目实验统计。投稿提交后，经过收录合并才会显示在这里。
🌱 社区作品席位已开放，期待第一份真实复现。
HOW THE COMPARISON WORKS
让分工成为可测量的变量。
共同的真实观测
LIBERO 双相机 RGB-D 与机器人本体反馈。GPT-6 从图像选择目标，深度与标定把目标像素转换为三维航点。
RGB-D + PROPRIOCEPTION纯 GPT-6，或 GPT-6 + Jev
两组共用视觉规划与阶段检查。纯 GPT-6 组由 GPT-6 选择局部动作；混合组由 Jev 根据目标误差与实时反馈选择。
SAME WAYPOINT CONTRACT动作、等待与费用都算
相同初态、预算和官方成功条件。两层调用一起统计；回放注明时间口径，成功与失败都由实际轨迹说明。
OUTCOME · LATENCY · COST不同实验分别展示：Meta-World 使用结构化状态，Panda 包含自建技能与视觉演示，LIBERO 使用相机观测。当前没有接入训练好的 VLA，也不把开发子集当作完整 benchmark 排名。
FROM REPLAY TO YOUR OWN RUN
在你的电脑上，
开始下一次实验。
这里是公开的静态回放。实时仿真与模型调用在本地工作台运行。
git clone https://github.com/FBddcz/embodied-jev.git
cd embodied-jev
# 按 README 安装，启动本地工作台
embodied-jev serve --port 8090