EXP-3D-RGBD-FULL-SYSTEM-ARKIT-V3：Hypersim 小载体 G1 的选择性集成能否改进 Core B（独立检验）
结论：G1_SYSTEM_IMPROVEMENT_NOT_ESTABLISHED，G1_SYSTEM_BEATS_MODEL_FREE。Core B 第五次在全新扫描上复现（149/0/11）。
- 主检验 P1（不成立）： V2 次要分析中成立的 G1 接法，在 160 个全新扫描上方向为正，但不显著。
- 结果为 +0.0010 [−0.0003, +0.0025]，好/平/差 38/99/23；ALL 从 0.1569 降到 0.1559。
- 99 个场景是平局，SYS_G1 与 CORE_B 完全相同：其中 84 个场景两个角色都未被选中；另外 15 个场景虽有角色被选中，但接法没有改变任何被计分像素的值。
- FAR7 中有小而稳定的改进（S1，次要）：
- +0.0062 [+0.0010, +0.0118]，36/96/25，SUPPORTED；FAR7 从 0.2983 降到 0.2921。
- FAR7 只占有效像素的 22%，摊到 ALL 后不显著。
- 主检验 P2（成立）： 完整系统稳定胜过无模型方法，+0.0071 [+0.0047, +0.0097]，139/0/21。这主要来自 Core B 本身。
- Core B 第五次复现（S2）： +0.0061 [+0.0042, +0.0082]，149/0/11，是五次中最一致的一次。TTT 本身的增益（S3）为 +0.0064，130/0/30。
- 三次检验合起来看：
- G1 接法在 V1（事后计算）为 +0.0002，V2（次要分析）为 +0.0042，V3（预注册主检验，160 个扫描）为 +0.0010。
- 即使效应存在，也只有约 0.5%，本研究的样本量不足以确认。
- 完整系统的实用结论仍是 Core B。
说明：
- 预注册： 见 PROTOCOL.md。计划锁写于 2026-10-09 14:50:58，早于任何新数据下载；正式锁定于 15:08:10，sha256
0a33ebdf…。 - 数据： EXP-3D-RGBD-ARKIT-SYSTEM3-DATA-V1。
- 取训练折种子顺序第 1000–1359 位场馆（360 个，33.8 GB），按顺序准备到 160 个合格（109 个不合格），此前从未被使用。
- 320 个 episode 中有 125 个被选中（S ≥ 1.2）。FAR7 平均占有效像素的 22.3%。
- 执行：
- TTT 分 4 个分片运行，每个 160 个查询、约 2.35 小时，峰值显存 5.1 GB，GPU 4 与另一用户的常驻进程共用。
- arms、几何（回放差值 0）、7 帧三个封存都在 CPU 上完成。
- 分析运行两次，结果逐字节相同。
- 统计： 统计单位是场景，bootstrap 10,000 次，种子 20260928，判定用 V2 gate。
结果
| 编号 | 对比（> 0 表示右边更好） | 区域 | 均值 | 95% CI | 好/平/差 | 状态 |
|---|---|---|---|---|---|---|
| P1 | CORE_B − SYS_G1 | ALL | +0.0010 | [−0.0003, +0.0025] | 38/99/23 | NOT_ESTABLISHED |
| P2 | R7 − SYS_G1 | ALL | +0.0071 | [+0.0047, +0.0097] | 139/0/21 | SUPPORTED |
| S1 | CORE_B − SYS_G1 | FAR7（157 场景） | +0.0062 | [+0.0010, +0.0118] | 36/96/25 | SUPPORTED |
| S2 | R7 − CORE_B | ALL | +0.0061 | [+0.0042, +0.0082] | 149/0/11 | SUPPORTED |
| S3 | ZS_CACHE_F7 − ZS_TTT_F7 | ALL | +0.0064 | [+0.0044, +0.0089] | 130/0/30 | SUPPORTED |
| S4 | CORE_B − SYS_G1_ALL | ALL | +0.0011 | [−0.0024, +0.0050] | 59/41/60 | NOT_ESTABLISHED |
| S5 | CORE_B − SYS_GA | ALL | +0.0003 | [−0.0017, +0.0020] | 37/99/24 | NOT_ESTABLISHED |
| S6 | R7 − G17 | FAR7 | −0.0080 | [−0.0281, +0.0125] | 42/38/77 | NOT_ESTABLISHED |
| S7 | R7 − GA7 | FAR7 | −0.0098 | [−0.0291, +0.0095] | 46/37/74 | NOT_ESTABLISHED |
均值（AbsRel）：
| 读出 | ALL | FAR7 |
|---|---|---|
| R7（7 帧重投影 + 调和插值） | 0.1630 | 0.3037 |
| ZS_CACHE_F7 | 0.1608 | 0.2973 |
| ZS_TTT_F7 | 0.1544 | 0.2980 |
| CORE_B | 0.1569 | 0.2983 |
| SYS_G1（G1，选择后） | 0.1559 | 0.2921 |
| SYS_G1_ALL（G1，不选择） | 0.1558 | 0.2903 |
| SYS_GA（GA，选择后） | 0.1566 | 0.2963 |
| G17（FAR7 单独用 7 帧 G1） | 0.1648 | 0.3117 |
| GA7（FAR7 单独用 7 帧 GA） | 0.1636 | 0.3134 |
三个完整系统实验的对照
| 对比（ALL） | V1（SYSTEM，80 个扫描） | V2（SYSTEM2，80 个扫描） | V3（SYSTEM3，160 个扫描） |
|---|---|---|---|
| G1 接法：CORE_B − SYS_G1 | +0.0002，17/49/14（事后计算） | +0.0042，21/43/16（次要，SUPPORTED） | +0.0010，38/99/23（主检验，NOT_ESTABLISHED） |
| GA 接法：CORE_B − SYS_GA | +0.0025，20/50/10（样本内挑出） | −0.0022，16/42/22（主检验，NOT_ESTABLISHED） | +0.0003，37/99/24（次要，NOT_ESTABLISHED） |
| Core B：R7 − CORE_B | +0.0047，71/0/9 | +0.0049，70/0/10 | +0.0061，149/0/11 |
解读
- Core B 是这条研究线最稳健的结果。
- 它已在五个独立队列上复现：一个合成队列（Hypersim EVAL34），四个真实队列（ARKit VAL80、SYSTEM、SYSTEM2、SYSTEM3）。
- V3 是其中最大的一个（160 个扫描），一致性也最高，93% 的场景变好。
- 真实数据上的绝对增益约 4%（0.163 → 0.157）。
- 补全接入 Core B 的价值没有确立。
- G1 接法在 FAR7 内有小的稳定改进（S1），但对整体只有约 0.5% 的贡献。三次检验中，它只有一次（次要分析）达到显著。
- GA 接法三次都不成立。
- 两种 7 帧载体单独用在 FAR7 时都不如 R7（S6、S7）；它们只有与 R7 取几何平均、并且只用在被选中的 episode 时才略有帮助。
- 均值与一致性的取舍。 TTT 单独（ZS_TTT_F7）的均值在 V2、V3 上都低于 Core B（V3：0.1544 对 0.1569）。但在以往的复现中，TTT 单独对 R7 的一致性较低（ARKIT_VAL 上 62/18）。Core B 用几何平均换来了一致性。
文件
PROTOCOL.md、preregistration.json、audit/plan_locked_at.txtframe_role_lock.json、evaluation_contract.json、selector_seal.jsoncode/：建目录、锁定、任务与打分脚本（由 V2 的脚本逐字替换派生），以及eval_carrier_7view.py（与 V2 及 V1 事后探索的脚本逐字节相同）raw/eval/ARKIT_SYSTEM3/：3 帧 arms 封存raw/eval7/ARKIT_SYSTEM3/：7 帧封存geometry/、ds/ARKIT_SYSTEM3/ZS/scores/、results/、audit/- 数据准备：
../EXP-3D-RGBD-ARKIT-SYSTEM3-DATA-V1/