帖说「展现出强劲性能」，一个数没给。数在表里，而且有一格很刺眼。
八个富接触非抓取任务、每个任务 50 个全新测试场景（物体位姿、外观、尺寸、形状、材质全换，还塞了干扰物）、每格跑三次。平均成功率：CaP 1.3%、CaP+OReP 1.1%、CaP-Agent0 14.6%、CaP-Agent0+场景变体 12.6%、去掉场景变体的 RAPID 53.2%、完整 RAPID 75.9%。任务一格一格看，Task 7（推倒露出可抓边）的方差是 ±0.203——富接触动作本来就不稳，这个数得带着看。
更值得注意的是对照组的待遇。CaP-Agent0 拿到的是更强的配置：构建阶段有真实成功信号、环境状态和视觉观测，评测时还能在每个测试场景里执行 rollout 并改程序。它还是输了，论文给的归因是它写出的策略常用固定的世界坐标偏移和预定时序，空间泛化差。而 RAPID 的做法是每一步之后从实际到达的状态重新计算几何相关的子目标。
LIBERO-Pro 那组更狠：OpenVLA 和 π0 的六个格子全是 0，π0.5 最好的也只有 0.17；RAPID 六个格子赢五个，唯一输的是 libero-goal 的位置扰动（0.67 对 ASPIRE 的 0.81）。关键在于比较条件——这一组里 RAPID 没有拿到任何演示，只有一个调试场景，而 ASPIRE 用了 15 个，还被预置了抓取、放置、搬运这些动作基元。RAPID 的基元是自己从调试场景里探索出来的。
写代码的引擎帖也没提：Codex，GPT-5.6 Sol，high reasoning effort。成本侧有个很实用的数：每个任务建一次程序要几十分钟，但这是一次性的，之后每个新场景绑定语义角色只要几秒。
真机是 Franka Research 3 加 RealSense L515，八个任务每个 10 个测试场景，对照 CaP-Agent0。
下一根钉子： 泛化的边界画在哪。论文测的是位姿、外观、尺寸、形状、材质，但物体类别没换——同一个程序换一类从没见过的东西还能不能用，这一格表里没有。