内容摘要
作者论文提出 ProTracer，将机器人操作失败诊断从判断是否失败、失败类型及原因，扩展到回溯定位失败起点：利用完整执行记录，找出最终失败且不再返回有效任务完成轨迹的最早偏离时刻。框架无需额外训练，以夹爪和末端执行器动态检测动作边界、选择关键帧，再将机器人状态转为结构化自然语言，与视觉证据共同输入视觉语言模型。作者同时引入含同步视觉、本体感觉及起点标注的 FailTime，覆盖短流程与新采集的长流程真机执行。
主实验采用 Gemini-3.1-pro；在 FailTime-Short 上，零样本 ProTracer 的起点平均绝对误差为 0.59 秒，0.5 秒容差准确率为 71.18%；同骨干密集帧提示加原始传感器输入分别为 0.90 秒、48.03%。加入可选反思经验后分别为 0.47 秒、77.34%。长流程零样本误差为 4.06 秒，短流程亚秒级结果不能直接外推。以上为作者实验报告；仅明确 MAE 在正确检出的失败执行上计算，材料未明确容差准确率的统计分母。
点评
将本体感觉作为时间线索、视觉作为语义证据，为失败轨迹的事后分析提供方法；作者指出，起点定位可支持更精细的时间归因与成功轨迹前缀回收。
这是使用完整执行记录的离线诊断，不等同于在线预警。结果属于作者实验而非独立复现；起点平均绝对误差（MAE）仅在正确检出的失败执行上计算，所给材料未明确容差准确率的统计分母。
版本与核查范围
版本 2609.21369v2 · 原文定位与程序检查、独立上下文模型复核；不代表独立研究复现。。依据已核查材料整理；未运行模型或机器人。
原文与定位
- 原文链接 #S1.p2.1；#S3.SS1.p2.1；#S3.SS2.p1.1；#S1.p6.1；#S5.SS1.p1.1；#S5.SS2.p1.1；#S5.SS2.p1.1；#S3.SS2.SSS3.p5.1；#S3.T1.8.1；#S5.SS1.p3.1；#S5.SS3.p1.1；#S1.p1.1