episode 运行时
三层加一个安全层（shield）：模型编写程序（高层），程序调用有界 skill（低层），guard 和 控制器在每个控制 tick 运行（反应层），一个固定的安全层在每条命令到达机器人之前对其进行检查。
| 进程 | 由谁启动 | 做什么 |
|---|---|---|
| Worker | harness run（或 harness serve） |
benchmark 的一个任务：reset、tick（经过安全层的一个控制步）、state、observe、fk / ik / plan、结果 |
| 服务 | harness up，或首次使用时由 broker 启动 |
skill 调用的模型（服务与 deploy 文件） |
| Driver | harness run / harness program |
模型循环、trace、预算 |
| Kernel | driver，每个 episode 一个 | 在 skill 的命名空间中运行模型的程序 |
Driver：模型何时被调用
Section titled “Driver：模型何时被调用”src/harness_policy/runtime/driver.py。每次模型调用都是一个决策点，在 summary.json
中按原因统计（decisions）：
| 原因 | 何时 |
|---|---|
start |
第一次调用：指令、任务描述（如果配置使用它们）、机器人状态、相机图像 |
escalation |
程序因一个其中没有任何部分处理的事件而停止 |
error |
程序抛出了异常 |
program_end |
程序未调用 finish() 就结束了 |
verify |
模型向成功验证器发出询问（<verify>） |
format |
上一条回复没有有效的块 |
action |
直接模式（R0/R1）：每个动作之后 |
一条回复在可选的思考之后恰好包含一个块：<python>（一个程序）、<verify>（交给验证器的
一个断言）或 <finish>（完成）；在直接模式下为 <action>{JSON}</action> 或 <finish>。
没有有效块的回复会消耗一次调用，并得到 “Format error … Nothing ran” 的答复；一旦收到
有效回复，这些错误的往来就会从历史中移除。
一个程序 cell 结束后，模型得到：cell 的状态和输出、使其停止的事件、最近的执行、已启用
skill 的每轮报告（按物体 id 调用的工具：重新测量的场景，为下一个程序打上标签，附上每只持物
手臂的抓握状态）、机器人状态和已用的环境步数、程序用 show() 附上的图像以及最新的相机视图
（在每轮报告描出轮廓的地方描出轮廓），以及剩余的调用次数。使用学习型策略时，
start(strategy, kind) 是第一个动作：在它被调用之前，每个移动手臂的执行都以 SKILL_ERROR
结束（runtime.strategy_first），summary.json 把这一选择记录为 strategy
（分工）。
策略运行之后。 用 start("A" or "C") 交出的任务运行完之后，模型还有
post_policy_calls 次调用（agent 中为 4 次；每一轮都会说明还剩多少次）。用完之后，driver
运行 kernel 的 __policy_to_end__() 钩子（事件 policy_to_end）：策略从当前状态继续运行
到 episode 结束，不会因静止而停止。如果此后 episode 仍在运行，driver 会结束它（finish，
source: "driver"）并执行收尾。
预算与状态。 每个 episode：max_model_calls（agent 的预算：30）、
max_wall_seconds（在每次模型调用之前检查；正在运行的 cell 受 cell_timeout_seconds
限制），以及可选的 max_cost_usd。一个 episode 的结束状态为 finished（<finish> 或
finish()）、episode_ended（benchmark 结束了它：成功或达到步数上限）、
budget_exhausted、wall_time_exhausted、cost_exhausted、interrupted 或 error。
历史。 文本历史全部保留；图像只保留最近 keep_images 轮（更早的变为
“[earlier image omitted]”）；max_history_turns 保留第一条消息加最近 N 次往来，用于
上下文较小的模型。
验证器。 当 runtime.verifier 开启时（默认），<verify> 和程序中的 verify() 会
带着一次新的观测，询问验证器角色（除非另行指定，否则为主模型）该断言是否成立：YES/NO 加
一句话。
收尾与结果。 finish 之后，若 embodiment 要求（RoboDojo 要求），driver 执行收尾：
每个没有持物的夹爪张开，然后两只手臂回到起始姿态。RoboDojo 的 42 个任务中有 23 个只有在
每个夹爪至少张开 0.8 时才计分，而且大多数只有在手臂回到原位时才算成功；持物的夹爪保持闭合，
因为抬举类任务要求物体仍在空中才计分。结果通过 driver 在 reset 时领取的一个 token 读取；
程序和模型都看不到它。
Kernel：程序在哪里运行
Section titled “Kernel：程序在哪里运行”src/harness_policy/runtime/kernel.py。每个 episode 一个 Python 进程；变量从一个程序
（cell）保留到下一个。一个 cell 的结束状态为 ok、escalated（附带该事件的 trace）、
episode_ended、finished 或 error（traceback 只保留程序自己的帧）。输出截断为
8000 个字符。每个 cell 之后，kernel 会恢复被程序重新绑定的任何 API 名称（def pick(...)），
并在输出中说明。
程序在隔离中运行：它们只能看到 Python 安装和 harness 源码（只读）以及一个全新的工作区， 只能访问其选项中的服务，并且不能启动进程。参见隔离程序。
Session：作为有界执行的 skill
Section titled “Session：作为有界执行的 skill”session 类是针对某一种 embodiment 类型特化的 episode 核心
（src/harness_policy/runtime/episode.py），再加上该类型所有 skill 的 mixin
（skills/<name>/）；已启用的 skill 决定程序能看到哪些名称。episode 核心持有与 embodiment
无关的部分：worker 连接、模型客户端和学习型策略、handler、反应层以及有界执行。一种
embodiment 类型的 session 规定：一步的命令是什么以及它如何到达 worker，保持一切不变的命令，
guard 观察什么，命令何时离开执行的范围，以及它自己执行哪些 guard 动作。机器人的 session 是
RobotSession（runtime/session.py）：一条命令是两只手臂的关节向量，范围是某只手臂的
link6 必须停留的区域，guard 还可以张开夹爪。benchmark 决定类型（RoboDojo 和 RoboTwin 驱动
机器人），worker 在其 profile 中报告类型（kind，默认为 robot），如果一次运行的 worker
驱动的是另一种类型，运行会报错停止。每个动作都是一个有界执行：它逐 tick 运行，直到完成、
某个谓词或 guard 触发、离开其范围或超过 max_seconds，并以一个事件和一条执行 trace
结束。
| 事件 | 含义 |
|---|---|
COMPLETED、PREDICATE_SATISFIED |
正常：执行完成了要求的事（until 成立） |
TIMEOUT |
超过了 max_seconds |
BLOCKED |
手臂在到达目标前停下（稳定后偏差超过 1 cm 或 0.05 rad） |
GUARD_TRIGGERED（或 guard 自己的事件名） |
反应层的一个 guard 触发了 |
REGION_EXIT |
执行离开了其范围（机器人手臂离开了其区域） |
SHIELD_REJECTED |
安全层拒绝了一条命令（附带原因） |
REACTIVE_FAULT |
guard 或控制器失败，或超出了其时间预算 |
SKILL_ERROR |
skill 无法完成要求的事 |
EPISODE_ENDED |
benchmark 结束了 episode |
非正常事件会交给程序用 on(event, handler) 为它注册的 handler。如果没有 handler，或
handler 返回 False，事件就会上报：cell 停止，模型带着 trace 被调用（escalation）。
finish(summary) 在程序内部结束 episode。
guard 和控制器在每个控制 tick（RoboDojo 上为 25 Hz）运行，无需询问模型：
when(predicate, action)— guard：当谓词成立时，执行stop、hold、open_gripper，或抛出以该名称命名的事件。watch(signal, low, high)— 针对数值信号离开某个区间的 guard。clear_guards(names=None)。run_controller(fn, until, max_seconds, region, hz, cameras, camera_hz)—fn以hz的频率把观测映射为关节、末端执行器（left_eef/right_eef，由 IK 求解）或夹爪目标； 使用cameras时，可获得用于视觉伺服的最新图像和标定。
反应代码每次调用都有一个时间预算（runtime.reactive_budget_ms；agent 中为 20 ms），且不得
进行 I/O、休眠或调用模型；违反即为 REACTIVE_FAULT。
src/harness_policy/runtime/shield.py 在 worker 中运行，程序无法触及，它检查每个 tick 的
每条命令。它拒绝属于 bug 的命令，此外不做任何改动：它从不对命令进行截断、缩短或减速。
| 检查 | 拒绝 |
|---|---|
| 形状、有限值 | 格式错误的命令 |
| 关节限位 | 目标超出限位的程度大于关节当前已超出的程度（外加 1e-3 rad 容差） |
| 关节跳变 | 手臂关节相对于上一条被接受的命令和测量状态都跳变超过 max_joint_jump_rad |
| 工作空间 | 末端执行器在工作空间盒之外的程度大于其当前已在外的程度 |
| 笛卡尔跳变 | 末端执行器相对于上一条命令和测量位姿都跳变超过 max_cartesian_jump_m |
被拒绝的命令不会执行；执行以 SHIELD_REJECTED 和原因结束，于是程序得知它的命令是错的。
RoboDojo 的限值在 embodiment 中（embodiments/arx_x5）：0.3 rad、0.25 m 以及工作空间盒。