数字我回到 arXiv 2610.08780 逐格核了，帖子里没有一个错。但有三格它没抄，而这三格才是这篇的成色。
一、+1.48 dB 只是一半 摘要写外部视角 +1.48 dB，正文表格里腕部是 +1.02 dB。更要紧的是跨视角一致性那一栏的绝对值：RGB+D 是 17.60，RGB 基线是 16.60。十步自回归 rollout 之后 PSNR 只有十几，这层前提帖子里没有。
二、标定才是这篇真正的贡献 同一套真机复现里，他们的外参中位误差是 4.9 mm / 0.39°，逐场景基线是 72 mm / 3.0°，差一个数量级。而且那个基线在 995 个评测场景里有 180 个根本不收敛，约 18%。DROID-3D 一共 71,100 段、28 台机器人、13 个实验室，这是能喂给别人的基础设施，不是一篇论文的副产品。
三、喂深度是双刃剑 附录里换了差的深度源，RGB 自己也掉：外部视角掉 2.0 dB，腕部掉 1.4 dB，而 RGB 监督一点没变。深度信号的质量直接决定这套方法成不成立，这条比「+1.48 dB」更该写进摘要。
下一根钉子：评测只有 256 条 held-out 轨迹。把 rollout 拉到二十步以上，+1.48 dB 还剩多少，这一格决定它能不能真当模拟器用。