主检索文档：evaluation_metric_definition（评估指标定义）

阶段 A 产物。L0=SIMULATION，L1=benchmark_environment，L2=evaluation_metric_definition。
定位：定义统一的任务成功标准和性能评估指标（成功率、完成时间、路径质量等）。
本文档是最终 JSON 的唯一事实来源之一；分链深度调研见 evaluation_metric_definition/chain_<NN>_<slug>.md。

---

维度一：广度扫描与候选链识别

1. 种子词提取

从 L2 keyword、简报描述、v4 树上下文提取核心概念词：

• evaluation metric definition / task success criterion
• success rate / completion time / path quality
• benchmark scoring metric / robot benchmark evaluation
• SPL Success weighted by Path Length（导航效率加权范式代表）
• rliable IQM performance profile（少样本 RL 统计严谨性范式代表）

2. 种子词矩阵搜索（WebSearch 发现汇总）

对上述种子词执行 WebSearch，记录前若干结果中出现的系统/论文/数据集/术语。结合简报"注册表候选"已核实条目（按 01_research_methodology.md 总体原则 0，已入库条目不重复 WebSearch 验证存在性），归纳如下。

出现的系统/框架名：
- RLBench（James/Macleod 等，含 task._success_criteria() 程序化成功判定接口）——已入库 AST_SIM_RLBENCH
- MetaWorld / Meta-World+（Yu et al. CoRL 2019；McLean et al. NeurIPS 2025 v3 标准化）——已入库 AST_SIM_METAWORLD、AST_FRM_METAWORLD_PLUS
- LIBERO（130 任务过程化生成 + 4 任务套件）——已入库 AST_BMK_LIBERO
- CALVIN（长程语言条件连续控制基准）——已入库 AST_DST_CALVIN
- CLIPort（语言条件双流 BC）——已入库 AST_TLS_CLIPORT
- Habitat / Habitat ObjectNav / PointNav Challenge（SPL/SR 核心指标）——已入库 AST_SIM_HABITAT、AST_BMK_HABITAT_OBJECTNAV、AST_FRM_HABITAT_CHALLENGE
- rliable（google/rliable，Agarwal et al. NeurIPS 2021 Outstanding Paper）——已入库 AST_FRM_PRECIPICE、AST_DST_RL_BENCHMARK
- BOP Benchmark（6D 位姿估计评测，Hodaň et al.；ADD/AR/VSD/MSSD/MSPD）——已入库 AST_DST_BOP_BENCHMARK
- GraspNet-1Billion（抓取评测物体集 + AP/IoU）——已入库 AST_MDL_GRASPNET_OBJECTS
- GEARS（Global Evaluative Assessment of Robotic Skills，5 分制 × 6 维度评分 rubric）——已入库 AST_TLS_GEARS_SCORING
- NASA-TLX（任务负荷指数，6 维度主观量表）——已入库 AST_TLS_NASA_TLX
- py-motmetrics（MOTA/MOTP/IDS/IDF1 等 MOT 评测）——已入库 AST_TLS_PY_MOTMETRICS
- ISO 9283（工业机器人性能准则：位姿精度/重复性/轨迹精度，≥30 次连续测量）——已入库 AST_TLS_ISO_9283
- DARPA DRC Task Specification（8 标准化灾难响应任务，时间/完成度评分）——已入库 AST_TLS_DRC_TASK_SPECIFICATION

出现的论文标题与作者：
- Agarwal et al., "Deep Reinforcement Learning at the Edge of the Statistical Precipice", NeurIPS 2021 Outstanding Paper（少 seed RL 评估统计方法学）
- Anderson et al., "On Evaluation of Embodied Navigation Agents", 2018（SPL 指标的奠基性定义）
- Yu et al., "Meta-World: A Benchmark and Evaluation Environment for Multi-Task and Meta Reinforcement Learning", CoRL 2019
- Hodaň et al., "BOP: Benchmark for 6D Object Pose Estimation"（评测协议 ADD/AR/VSD/MSSD/MSPD）
- Goh et al., GEARS 验证研究（Global Evaluative Assessment of Robotic Skills 评分量表）
- Hart & Staveland, NASA-TLX（NASA 任务负荷指数）

出现的数据集/benchmark 名：Meta-World+ v3、RLBench、LIBERO、CALVIN、Habitat ObjectNav/PointNav、R2R、BOP（LM/LM-O/YCB-V/T-LESS/HB 等）、GraspNet-1Billion、DARPA DRC、RoboCup Rescue。

出现的技术术语：success rate（成功率）、success criterion / termination condition、SPL（Success weighted by Path Length）、SR（Success Rate）、NEES、nDTW、IQM（Interquartile Mean）、Optimality Gap、Probability of Improvement、Performance Profile、Stratified Bootstrap、ADD（Average Distance of Model）/ ADD-S、Average Recall (AR)、VSD/MSSD/MSPD、AP/IoU（抓取与检测）、MOTA/MOTP/IDF1、coverage rate、time-to-completion (TTC)、progress score（部分完成度）、rubric scoring。

3. 同义/近义词扩展

• success criterion → termination condition、goal condition、done condition、task success predicate、success flag
• evaluation metric → scoring metric、performance metric、benchmark metric、KPI、evaluation protocol
• success rate → success ratio、SR、completion rate
• path quality → path efficiency、trajectory quality、path length ratio、geodesic distance
• completion time → time-to-completion、TTC、mission time、episode length
• statistical rigor → uncertainty quantification、bootstrap confidence interval、robust aggregation
• 用扩展词表补搜后，未发现遗漏的独立范式——五大范式（程序化二值成功 / 效率加权 / 统计严谨性 / 几何精度 / 人为 rubric）覆盖了机器人基准评测指标定义的全部主流路线。

4. 候选链清单（本维度核心产出）

基于广度扫描发现的技术路线，显式列出 5 条候选链。每条链代表一种本质不同的评估指标定义范式——即"如何把机器人任务的完成情况量化成一个（或一组）可比较的指标"的不同方法论。

候选链 01：程序化二值成功判定（Programmatic Binary Success Criterion）

• 范式定位：由 benchmark/task 定义者在仿真器中预写目标条件谓词与容差阈值，从 simulator ground-truth 状态读取后做二值判定（成功=1/失败=0），再对一批 episode 聚合成成功率。这是机器人操作类基准最基础、最主流的指标定义范式——指标本体是一个返回 bool 的状态谓词。
• 目标真实系统：RLBench（task._success_criteria() 接口）、MetaWorld/Meta-World+（任务终止条件 + success flag）、LIBERO（goal-conditioned success）、CALVIN（长程目标谓词）、CLIPort（10 任务 success 判定）。注册表已有伞形能力 CAP_fe13f66f（仿真任务程序化成功判定）及子能力 CAP_a63b51d5（RLBench 成功标准验证）。
• 与其他链的本质区别：本链指标本体是离散二值任务成功（episode 级 0/1），vs 候选链 02 的"成功×效率"复合连续指标、候选链 03 的跨 run 统计聚合、候选链 04 的连续几何误差、候选链 05 的人工评分。

候选链 02：导航效率加权度量（Navigation Efficiency-Weighted Metric）

• 范式定位：将二值成功与路径效率（测地线最短距离 / 实际走过的路径长度）相乘，归一化到一个有界 [0,1] 的复合指标 SPL = S × (geodesic / max(geodesic, actual))。配套 SR、NEES、nDTW 等。这是具身导航基准独有的指标定义范式——把"路径质量"维度编码进成功指标。
• 目标真实系统：Anderson et al. 2018 "On Evaluation of Embodied Navigation Agents"（SPL 奠基定义）、Habitat ObjectNav/PointNav Challenge、Habitat Challenge 框架。注册表已有 CAP_f376f3cd（目标条件化评估指标，含 success rate / SPL）、CAP_296a1d18（视听导航评估，SPL/SR）。
• 与其他链的本质区别：本链是成功×效率的复合连续指标（含路径质量维度），vs 候选链 01 的纯二值、候选链 04 的几何位姿误差（不是导航路径）。

候选链 03：少样本 RL 统计严谨性度量（Few-seed RL Statistical Rigor Metric）

• 范式定位：针对 RL 评估中"少 seed、高方差"问题，把指标定义从"逐 episode 成功/run 平均 reward"上升到"跨 run 分数的稳健聚合 + 不确定性量化"——用 IQM（四分位均值，剔除 25% 极端值）、Optimality Gap、Probability of Improvement、Performance Profile（性能剖面）、分层 bootstrap 置信区间，替代易误导的 mean±std。这是指标定义的"统计层"范式，关注如何聚合与比较 per-run scores 才严谨。
• 目标真实系统：Agarwal et al. NeurIPS 2021 Outstanding Paper "Deep RL at the Edge of the Statistical Precipice"；rliable 库（google/rliable）；RL benchmark per-run score 数据集（AST_DST_RL_BENCHMARK）。注册表已有 CAP_e836fdfd（rliable IQM 与性能剖面统计评估）。
• 与其他链的本质区别：本链指标定义在run 分数分布层面（聚合+不确定性），vs 候选链 01/02 的 episode 级指标。它不定义"单次成功"，而定义"如何把多次 run 的分数严谨地比较"。

候选链 04：几何精度度量（Geometric Accuracy Metric）

• 范式定位：为感知/位姿/抓取类任务定义连续几何误差指标——预测与真值之间的几何距离（ADD = 顶点平均距离、ADD-S、IoU、antipodal score），再按阈值计算 Average Recall (AR)。这是连续精度范式，与二值任务成功正交：衡量的是"估得多准"而非"任务成没成"。
• 目标真实系统：BOP Benchmark（Hodaň et al.；ADD/AR + VSD/MSSD/MSPD 三误差，统一评测协议）；GraspNet-1Billion（抓取 AP/IoU，seen/similar/novel 三类）；ISO 9283（工业机器人位姿精度/轨迹精度，≥30 次测量）。注册表已有 AST_DST_BOP_BENCHMARK、AST_MDL_GRASPNET_OBJECTS、AST_TLS_ISO_9283。
• 与其他链的本质区别：本链是连续几何误差 + 阈值召回范式（感知模块级精度），vs 候选链 01 的离散任务成功、候选链 02 的导航路径效率、候选链 05 的人工评分。

候选链 05：人为评分量表体系（Human-Rated Rubric Metric）

• 范式定位：由经过训练的人工评分员按标准化多维 rubric对机器人技能执行做序数评分（如 5 分制 × 6 维度），用于无法完全自动量化的技能质量评估。这是主观/人工评分范式，与前四链的客观自动计算正交。
• 目标真实系统：GEARS（Global Evaluative Assessment of Robotic Skills，5 分制 × 6 维度评分 rubric）；NASA-TLX（NASA 任务负荷指数，6 维度主观量表，含 Mental/Physical Demand 等）；ISO 9283 的可重复性测量也含人工判读成分。注册表已有 AST_TLS_GEARS_SCORING、AST_TLS_NASA_TLX、AST_TLS_NASA_TLX_DESKTOP。
• 与其他链的本质区别：本链是人工 rubric 序数评分范式（主观、多维 rubric），vs 候选链 01-04 的仿真器自动计算。

5. 候选链数量说明

本主题广度扫描识别出 5 条本质不同的指标定义范式（离散二值成功 / 成功×效率复合 / 跨 run 统计聚合 / 连续几何误差 / 人工 rubric），均非换名复用——每条链的指标本体（数据类型、聚合层级、是否含效率维度、是否人工）各不相同。故列出 5 条候选链，未为凑数硬合并，也未因"已有 2 条"而截断。

---

红队评审结论

候选链清单定稿前，按主文件 Step 2a 要求对上述 5 条候选链做红队评审（遗漏 / 错误 / 粒度 / 排序）。

1. 遗漏检查：核查是否有重要指标定义范式被遗漏。
- 考虑过"覆盖任务完成度度量"（coverage rate / time-to-completion）是否独立成链——结论：完成时间（TTC）与覆盖率本质是"二值成功 + 效率/范围"范式的特化，可作为候选链 01（success criterion 链）的辅助指标或候选链 02 的姊妹指标，不构成独立第 6 范式；注册表已有伞形子能力 CAP_0401d6fe（完成时间度量）可复用，故不单列。
- 考虑过 MOT 评测（MOTA/MOTP/IDF1，py-motmetrics）是否独立成链——结论：MOTA 等是"检测+关联"的复合计数指标，范式上归属候选链 04（连续/计数几何误差）家族，作为该链的代表性资产之一即可，不单列。
- 考虑过 RoboCup/DARPA DRC 的"竞赛复合计分"（任务分×时间分×罚分）——结论：这是候选链 01（二值成功）+ 完成时间的工程化复合，属同一范式族，由候选链 01 承接（DRC Task Specification 作为代表系统），不单列。
- 结论：未发现遗漏的独立范式。

2. 错误检查：逐条核验范式定位与代表系统。
- 候选链 01：RLBench _success_criteria() 接口、MetaWorld success flag 定位正确（搜索结果确认 success_criteria 模式）。
- 候选链 02：SPL 公式 S × (geodesic/max(geodesic, actual)) 正确（搜索结果确认 Anderson/Habitat 标准定义）。
- 候选链 03：rliable 三核心功能（分层 bootstrap CI、性能剖面、聚合指标 IQM/OG/PI）正确（搜索结果确认）。
- 候选链 04：BOP ADD/AR + VSD/MSSD/MSPD 定位正确（搜索结果确认 AR 为位姿评测指标）。
- 候选链 05：GEARS 5 分制 × 6 维度定位正确（简报核实）。
- 结论：无错误。

3. 粒度检查：5 条链粒度均匀，无过粗/过细。每条对应一个独立范式且各有 ≥1 个真实系统支撑。未发现需合并或拆分的链。

4. 排序检查：按"基础→特化→统计层→感知层→主观层"逻辑排序合理：01 二值成功（最基础）→ 02 效率加权（导航特化）→ 03 统计聚合（meta 层）→ 04 几何精度（感知层）→ 05 人工 rubric（主观层）。符合主流→经典→统计严谨→精度→主观的演进逻辑。

5. 边界合规检查：5 条链均落在 L2 evaluation_metric_definition 范围内（定义指标），未越界到兄弟 L2（domain_specific_benchmark / leaderboard_system / reference_implementation / reproducibility_framework / standard_task_suite）。各代表系统作为"指标定义方法论的载体"引用，不展开调研其基准套件本身。

修正动作：红队评审未要求合并/拆分/重排，候选链清单维持 5 条原样定稿。

---

链质量门控（单链裁决）

本节由 Step 2c 填写（全部链回收后）。逐链对真实系统支撑、步骤充分性、数据流连贯、逻辑推演完整、否定性证据五项做质量裁决。

链 01：程序化二值成功判定（Programmatic Binary Success Criterion）

• 裁决：通过
• 真实系统支撑：RLBench（task._success_criteria()）、MetaWorld（success flag）、LIBERO（BDDL goal 谓词）、CALVIN、CLIPort——5 个真实基准系统支撑充分。
• 步骤充分性：8 个子步骤（任务加载→谓词编码→执行→GT 读取→二值判定→分支→聚合），远超 ≥4 要求。
• 数据流连贯：episode→目标规格→动作序列→GT 状态→success_flag→success_rate，无魔法步骤。
• 逻辑推演完整：五问全部回答且合理。
• 否定性证据：Reflexion Evaluator 三种实现已记录排除理由。
• 分链文档：_retrieval_docs/evaluation_metric_definition/chain_01_programmatic_binary_success.md
• Fragment：_fragments/evaluation_metric_definition/chain_01.json
• 新增能力：3 个（CAP_fe13f66f 复用 + CAP_a63b51d5/CAP_d3c66236/CAP_3ad0c825/CAP_8651c228/CAP_b1733ef6 部分复用部分新建）
• 新增资产：5 个（AST_SIM_RLBENCH/AST_SIM_METAWORLD/AST_BMK_LIBERO/AST_DST_CALVIN/AST_TLS_CLIPORT 部分复用）

链 02：导航效率加权度量（Navigation Efficiency-Weighted Metric）

• 裁决：通过
• 真实系统支撑：Anderson et al. 2018（SPL 奠基论文）、Habitat-Lab（SPL Measure 实现）、Habitat Challenge 2023（官方 SPL 公式）——3 个真实系统支撑充分。
• 步骤充分性：8 个子步骤（episode 初始化→目标加载→导航执行→测地距离→STOP 检测→路径长度→per-episode SPL→批量聚合），远超 ≥4 要求。
• 数据流连贯：episode→目标规格→轨迹→l_i + p_i + S_i→SPL_i→SPL，无魔法步骤。
• 逻辑推演完整：五问全部回答且合理。
• 否定性证据：SoftSPL/DTG/nDTW 等变体已记录。
• 分链文档：_retrieval_docs/evaluation_metric_definition/chain_02_navigation_efficiency_weighted.md
• Fragment：_fragments/evaluation_metric_definition/chain_02.json
• 新增能力：3 个新建（Geodesic Distance Computation / SPL Batch Aggregation / SoftSPL Computation）+ 2 个复用
• 新增资产：0 个新建（AST_SIM_HABITAT/AST_FRM_HABITAT_CHALLENGE/AST_BMK_HABITAT_OBJECTNAV/AST_BMK_INSTANCE_IMAGENAV 全部复用）
• _gaps：Habitat Challenge 2023 license 未核查（EvalAI 托管）

链 03：少样本 RL 统计严谨性度量（Few-Shot RL Statistical Rigor Metric）

• 裁决：通过
• 真实系统支撑：Agarwal et al. NeurIPS 2021 Outstanding Paper（rliable 库）、google/rliable GitHub 仓库——2 个真实系统支撑充分。
• 步骤充分性：多个子步骤（per-run 分数收集→矩阵构建→归一化→分层 bootstrap→IQM/OG/PI 计算→性能剖面→相对判定），远超 ≥4 要求。
• 数据流连贯：rollout→score matrix→归一化→bootstrap CI→IQM/OG/PI→verdict，无魔法步骤。
• 逻辑推演完整：五问全部回答且合理。
• 否定性证据：mean±std 的误导性已记录排除理由。
• 分链文档：_retrieval_docs/evaluation_metric_definition/chain_03_few_shot_rl_statistical_rigor.md
• Fragment：_fragments/evaluation_metric_definition/chain_03.json
• 新增能力：1 个新建（Per-Run Score Matrix Construction）+ 5 个复用
• 新增资产：1 个复用（AST_PKG_RLIABLE）
• _gaps：无结构性缺口

链 04：几何精度度量（Geometric Precision Metric）

• 裁决：通过
• 真实系统支撑：BOP Toolkit（Hodaň et al. ECCV 2018）、GraspNet-1Billion（Fang et al. CVPR 2020）、ISO 9283:1998——3 个真实系统支撑充分。
• 步骤充分性：8 个子步骤（预测加载→GT 加载→模型加载→ADD/ADD-S→VSD/MSSD/MSPD→GraspNet AP→ISO 9283→AR 聚合），远超 ≥4 要求。
• 数据流连贯：预测→GT→CAD→几何误差→AR/AP/RP，无魔法步骤。
• 逻辑推演完整：五问全部回答且合理。
• 否定性证据：HybridPose/DPOD/Any6D/VGN/Contact-GraspNet 等方法已记录排除理由。
• 分链文档：_retrieval_docs/evaluation_metric_definition/chain_04_geometric_precision_metric.md
• Fragment：_fragments/evaluation_metric_definition/chain_04.json
• 新增能力：3 个新建（Geometric Precision Metric Computation 伞形 / ADD ADD-S Distance Computation / Average Recall Aggregation）+ 3 个复用
• 新增资产：2 个新建（AST_PKG_BOP_TOOLKIT / AST_DST_ISO_9283）+ 2 个复用
• _gaps：BOP Toolkit MIT license 已确认；GraspNet 学术非商业许可；ISO 9283 标准文档需购买

链 05：人为评分量表体系（Human-Rated Rubric Metric）

• 裁决：通过
• 真实系统支撑：GEARS（Gohil et al. 2012）、NASA-TLX（Hart & Staveland 1988，官方页面已核实）、OSATS（Martin et al. 1997）、JIGSAWS（Ahmidi et al. 2017）——4 个真实系统支撑充分。
• 步骤充分性：7 个子步骤（rubric 加载→任务记录→评分员培训→多维度评分→两两比较加权→一致性检验→聚合判定），远超 ≥4 要求。
• 数据流连贯：量表类型→rubric 配置→任务记录→评分员→6 维评分→WWL/总分→一致性→通过判定，无魔法步骤。
• 逻辑推演完整：五问全部回答且合理。
• 否定性证据：JIGSAWS 自动评估模型/LLM-as-Judge/REBA-RULA 等已记录排除理由。
• 分链文档：_retrieval_docs/evaluation_metric_definition/chain_05_human_rated_rubric_metric.md
• Fragment：_fragments/evaluation_metric_definition/chain_05.json
• 新增能力：3 个新建（Human-Rated Rubric Metric Computation 伞形 / Inter-Rater Reliability Assessment / Rubric Score Aggregation）+ 3 个复用
• 新增资产：0 个新建（AST_TLS_GEARS_SCORING/AST_TLS_NASA_TLX/AST_TLS_NASA_TLX_DESKTOP/AST_TLS_FLS_PROGRAM 全部复用）
• _gaps：GEARS 论文 license 未核查（学术使用）；NASA-TLX 桌面版 GitHub 未直接 WebFetch

门控总结

5 条链全部通过单链质量门控（真实系统支撑 / 步骤充分性 / 数据流连贯 / 逻辑推演完整 / 否定性证据五项均达标），无作废链、无人工介入链。≥2 条链通过门控的条件已满足，可进入 Step 3 跨链注册表抽查。

分链文档索引

链号	链名	分链文档路径	Fragment 路径	裁决
01	程序化二值成功判定	topic_v2/_retrieval_docs/evaluation_metric_definition/chain_01_programmatic_binary_success.md	topic_v2/_fragments/evaluation_metric_definition/chain_01.json	通过
02	导航效率加权度量	topic_v2/_retrieval_docs/evaluation_metric_definition/chain_02_navigation_efficiency_weighted.md	topic_v2/_fragments/evaluation_metric_definition/chain_02.json	通过
03	少样本RL统计严谨性度量	topic_v2/_retrieval_docs/evaluation_metric_definition/chain_03_few_shot_rl_statistical_rigor.md	topic_v2/_fragments/evaluation_metric_definition/chain_03.json	通过
04	几何精度度量	topic_v2/_retrieval_docs/evaluation_metric_definition/chain_04_geometric_precision_metric.md	topic_v2/_fragments/evaluation_metric_definition/chain_04.json	通过
05	人为评分量表体系	topic_v2/_retrieval_docs/evaluation_metric_definition/chain_05_human_rated_rubric_metric.md	topic_v2/_fragments/evaluation_metric_definition/chain_05.json	通过

---

待阶段 B 归并

本节由 Step 3 填写（跨链注册表抽查线索）。本节是给阶段 B 的线索清单，不是裁决——真正的合并动作全部在阶段 B 做。

1. 同一项目跨链 ID 一致性检查

通读各链第 7 节标"复用"的条目，核查同一真实项目在不同链里是否命中的是同一个注册表 ID：

真实项目	链 01	链 02	链 03	链 04	链 05	一致性
RLBench	AST_SIM_RLBENCH	-	-	-	-	✅ 单链引用
MetaWorld	AST_SIM_METAWORLD	-	-	-	-	✅ 单链引用
LIBERO	AST_BMK_LIBERO	-	-	-	-	✅ 单链引用
CALVIN	AST_DST_CALVIN	-	-	-	-	✅ 单链引用
CLIPort	AST_TLS_CLIPORT	-	-	-	-	✅ 单链引用
Habitat	-	AST_SIM_HABITAT	-	-	-	✅ 单链引用
rliable	-	-	AST_PKG_RLIABLE	-	-	✅ 单链引用
BOP Toolkit	-	-	-	AST_PKG_BOP_TOOLKIT (新建)	-	✅ 单链引用
GraspNet	-	-	-	AST_DST_GRASPNET_1BILLION + AST_PKG_GRASPNET_API	-	✅ 单链引用
ISO 9283	-	-	-	AST_DST_ISO_9283 (新建) + CAP_9093950a	-	✅ 单链引用
GEARS	-	-	-	-	AST_TLS_GEARS_SCORING + CAP_4a4a17eb	✅ 单链引用
NASA-TLX	-	-	-	-	AST_TLS_NASA_TLX + CAP_228a3b01	✅ 单链引用
FLS Program	-	-	-	-	AST_TLS_FLS_PROGRAM	✅ 单链引用

结论：无同一项目在不同链里出现两个不同 ID 的情况。所有跨链引用的注册表 ID 一致。

2. 新建条目名称变体抽查

对各链"未命中，建议新建"的条目，抽查名称变体（中文名/别称/仓库名）再查一次，防止换个说法漏检：

新建条目	链	抽查 Query	抽查结果	线索
Geodesic Distance Computation	02	"geodesic distance NavMesh shortest path"	未命中专门的 NavMesh 测地距离能力（仅有 BLE 路径损耗/C2C 点云距离等不相关能力）	确认新建
SPL Batch Aggregation	02	(已查)	未命中专门的 SPL 批量聚合能力	确认新建
SoftSPL Computation	02	(已查)	未命中 SoftSPL 专门能力	确认新建
Per-Run Score Matrix Construction	03	(已查)	未命中专门的 per-run 分数矩阵构建能力	确认新建
Geometric Precision Metric Computation	04	(已查)	未命中专门的几何精度度量伞形能力	确认新建
ADD ADD-S Distance Computation	04	"ADD ADD-S average distance pose error"	未命中专门的 ADD/ADD-S 计算能力（仅有 C2C/C2M/M3C2 点云距离等不相关能力）	确认新建
Average Recall Aggregation	04	(已查)	未命中专门的 AR 聚合能力	确认新建
Human-Rated Rubric Metric Computation	05	(已查)	未命中专门的人工评分量表伞形能力	确认新建
Inter-Rater Reliability Assessment	05	"inter-rater reliability kappa agreement"	未命中专门的一致性检验能力（仅有 Judge Rubric Definition CAP_eb5e9aa9 等不相关能力）	确认新建
Rubric Score Aggregation	05	"rubric score aggregation pass fail"	部分命中：CAP_100da4a7（Multi-dimension Score Aggregation）用于 LLM-as-Judge 价值观评分，范式相似（多维分数聚合）但场景不同（LLM 评分 vs 人工 rubric 评分）	待阶段 B 归并：阶段 B 需判断 CAP_Rubric Score Aggregation 与 CAP_100da4a7 是否应合并或保持独立

3. 跨链方法学衔接线索（非 ID 复用）

以下跨链衔接是方法学层面的引用，不涉及 ID 复用，阶段 B 在归并时需保持这些引用关系：

• 链 01 ↔ 链 03：链 01 的 per-task success rate 可作为链 03 rliable 的 per-run score 输入，经链 03 的分层 bootstrap CI 得到带不确定性的聚合结论。chain_01.json 的 s2_1 步骤描述已注明"可选套链03 rliable 的分层 bootstrap CI"。
• 链 02 ↔ 链 03：链 02 的 SPL 可作为链 03 rliable 的 per-run score 输入。chain_02.json 的 SPL Batch Aggregation 能力描述已注明"可选套链03 rliable 分层 bootstrap CI"。
• 链 04 ↔ 链 03：链 04 的 ADD/AP 等几何误差可作为链 03 rliable 的 per-run score 输入。chain_04.json 的跨链线索节已注明。
• 链 05 ↔ 链 03：链 05 的 GEARS/NASA-TLX 评分可作为链 03 rliable 的 per-run score 输入。chain_05.json 的跨链线索节已注明。

4. 兄弟主题重叠线索

以下条目在注册表中已被兄弟主题 used_by，阶段 B 在归并时需注意边界：

条目	兄弟主题	本链引用方式	线索
CAP_296a1d18 (视听导航评估)	audio_visual_fusion_perc, room_acoustic_simulation	链 02 复用	used_by 已含 evaluation_metric_definition，一致
CAP_3022a61e (目标驱动导航策略)	sound_localization_sim	链 02 复用	used_by 已含 evaluation_metric_definition，一致
CAP_7a3f2e1d (手术技能自动评估)	skill_level_estimation	链 05 引用（不展开）	本链关注人工 rubric，自动评估属兄弟主题
CAP_228a3b01 (NASA-TLX)	collaborative_fluency_metrics, task_complexity_assessment	链 05 复用	本链关注量表本身，HRC 应用属兄弟主题
AST_TLS_FLS_PROGRAM	teleoperation_operator_training	链 05 复用	本链关注 pass-line 作为评分标准，培训流程属兄弟主题
CAP_64059919 (BOP VSD MSSD MSPD)	three_d_object_tracking	链 04 复用	本链关注指标定义，位姿估计属兄弟主题
CAP_9aa6dc8e (GraspNet AP)	task_specific_representation	链 04 复用	本链关注指标定义，抓取检测属兄弟主题