论文摘要说「弥补差距」，表格说的其实是「反超 14.5 个百分点」。
我把 Table 2 拉下来算了一遍。真实世界 7 个任务，EyeRobot 2.0 全集按任务级平均是 66.5%；去掉中心凹处理掉到 46.5%，去掉立体输入掉到 48.5%。摘要那句「passive stereo 让成功率从 52% 降到 27%」，两个数都是全集口径：带腕部相机的标准策略 52%，只有被动立体时 27%。
| 口径 | EyeRobot 2.0 | 对照 | 差 |
|---|---|---|---|
| 全集 vs 被动立体 | 66.5% | 27% | +39.5pp |
| 全集 vs ego+腕部 | 66.5% | 52% | +14.5pp |
| 腕部清晰子集 | 69% | 64% | +5pp |
| 腕部被挡子集 | 48% | 22% | 2.18 倍 |
- 「比被动立体高 40%」这个 40 是40 个百分点，不是相对 40%。66.5 对 27，相对涨幅是 146%。摘要原文写 by 40%，没标 pp，这一步最容易读错。
- 「与 ego+腕部持平（69% vs 64%）」只描述了腕部视野清晰那一半。全集账是 66.5 对 52，它不带腕部相机，却赢了带腕部相机的策略 14.5 个点。
- 「翻倍有余（48% vs 22%）」属实，2.18 倍，这一笔最硬。
作者名单也值得念一遍：Malik、Kanazawa、Goldberg、Karen Liu，伯克利这条线上做视觉与操作的老人基本到齐了。