接口阶梯

agent 与 configs/ablations/ 中的消融构成一个阶梯（表 3）：相同的模型、运行时、安全层（shield）和调用预算，每一级开放更多的接口。每个消融都包含 configs/default.toml 并关闭其中一部分；用 --agent configs/ablations/<name>.toml 运行其中一个。

配置	模式	接口	服务
r0	direct	每次模型调用一个动作：移动指尖、设置夹爪、观察、等待	无
r1	direct	R0 加上固定 skill（locate、pick、place）和学习型策略	sam3, simate
r2	program	基于解析 skill 的程序；handler	sam3（+ 模型的 vlm）
r3	program	R2 加上学习型 skill（run_policy 和 strategy 步骤）	+ simate
default（R4）	program	R3 加上反应层（guard、控制器）	同 R3

agent 的消融（表 5）：no-handlers（没有 on()）、no-verifier（没有成功验证器）。with-task-description 加入 Zhang et al. (2026b) 的任务描述（表 4 第二行）。analytic-manipulation 用 manipulation skill 按名称的 pick 和 place 及其直线 push，替换默认的按物体 id 操作的工具（skills/eef：用 SAM 3 给出物体 id 的 locate、pick、release、transfer、push）；R1 的固定 skill 也是这些。在 RoboTwin 2.0 上，agent 不带学习型 skill、带 manipulation skill 运行（configs/experiments/robotwin-dev.toml）。

每一级都继承 agent 的模型、prompt pack（R0 和 R1 有各自的动作提示词）、由 VLM 完成的指点、SAM 3 分割器、观测契约（XPolicyLab 的：RoboDojo 官方客户端交给策略的内容）、20 ms 的反应预算和 30 次模型调用。带学习型 skill 的程序级（R3 和 agent）以 strategy 步骤（start）开始；R1 则从其动作词表中把子任务交给策略，无论手臂处在何处。

直接控制（R0、R1）

在 direct 模式下，模型被有意地在每一步都调用：这几级正是程序设计的比较对象。每次回复是一个 <action>{JSON}</action> 或 <finish>：

动作	参数	级
move	arm、指尖 position（x, y, z）、可选的 orientation（link6 四元数）、可选的 gripper	R0, R1
gripper	arm、value（0 闭合 .. 1 张开）	R0, R1
observe		R0, R1
wait	seconds（0-10）	R0, R1
policy	name、可选的 instruction、arms、seconds（0-30）	R1
locate	object	R1
pick	object、可选的 arm	R1
place	arm、target 或 position、clearance	R1

每个动作作为一个短的固定程序运行，使用与 R2-R4 相同的 skill（src/harness_policy/runtime/direct.py），因此各级的差别在接口，而不在运动代码。