「部分成功」是一種真實結果：標註機器人回合
機器人演示大多是部分成功，而二元結果會把這一點丟掉。一個以時間軸為形態的標註介面必須做對哪些事，從保留極值的降取樣到事後重新標註。
一次機器人演示，是若干路同步的相機影片流加上若干條數值時序——關節位置、夾爪狀態、力矩、獎勵——全部按幀索引。關於它值得問的每一個問題都與時間有關：抓取何時開始、何時失敗、每一時刻距離完成還有多遠。
因此介面必須是一條時間軸，而不是一張表單。以下是這件事實際要求做到的東西。
「部分成功」是出現頻率最高的結果
第一個設計決策是結果詞表，而顯而易見的那個答案是錯的。
成功或失敗是一種自然的二元劃分，而它會摧毀訊號。在真實機器人資料中，部分成功是出現頻率最高的結果：機械臂把物體從桌上拿起來又掉了；它把方塊放進了正確的箱子卻放錯了格；它在超時兩秒之後完成了任務。
把這些強行歸入"失敗"，會讓它們與一臺根本沒動過的機械臂無從區分。歸入"成功"則更糟。按任何一種對映訓練出來的策略，都會學到關於"實際發生了什麼"的不實內容。
三種結果，再配上一套失敗原因分類——抓空、物體滑落、碰撞、拿錯物體、放錯位置、超時——才能讓失敗是可分析的，而不只是被計數。
把訊號放在影片旁邊，而不是藏在標籤頁後面
這一條有已發表的研究支援。ATLAS（維也納工業大學，2026）報告稱，在影片旁並列顯示本體感知時序可降低邊界誤差，優於純視覺工具。正是這一發現，讓 Potato 渲染了這些軌道。
它也與你在真實回合上立刻能看到的現象吻合：一次失敗的抓取，在夾爪與腕部力的曲線上會比在畫面上早若干幀顯現。夾爪合攏了，力卻始終沒有上升，而畫面要更晚才顯示出手裡空空如也。
如果這些軌道藏在標籤頁後面，標註者就不會去開啟。
降取樣要保留極值，而不是取均值
一段 30 秒、30 Hz 的回合，每條時序有 900 個取樣點，而要畫進大約 300 畫素寬的軌道里。總得丟掉一些東西。
均值降取樣丟掉的恰恰是最不該丟的。只持續一幀的力峰值本身就是事件，而把它與相鄰取樣平均，會讓它徹底消失。軌道看起來很平滑，接觸發生的那一刻卻不見了。
保留極值的降取樣會在每個分桶中同時保留最大與最小值，因此單幀的峰值能一直保留到畫素層面。這是一個很小的實現細節，卻決定了這條軌道到底有沒有用。
各圖層的代價相差極大
三個標註圖層，它們的代價並不可比：
| 圖層 | 每個回合的代價 |
|---|---|
| 階段切分 | 幾秒 |
| 結果加原因 | 幾秒 |
| 稠密進度獎勵 | 幾分鐘 |
因此它們是可以逐項配置的，而多數項目只啟用其中一部分。若把三者作為一張不可協商的表單一併釋出，獎勵曲線就會成為沒人能做完一項研究的原因。
事後重新標註能把失敗變成資料
一個在原定任務上失敗的回合，常常是另一項任務的成功演示。機械臂本想把方塊放進左邊的箱子，卻放進了右邊：這是被記錄指令的失敗，同時也是另一項任務乾淨利落的成功。
採集這個回合實際演示了什麼，在標註時只需一個文本欄位，事後卻無從補救。哪怕你還不確定會不會用上，也請一併採集。
三個問題，三種一致性度量
這些圖層是三類不同的答案，因此需要三種度量：
- 階段邊界——時間 IoU
- 結果標籤——Krippendorff's α
- 獎勵曲線——ICC 加 Pearson
每一項都會同時給出覆蓋率。在時間軸 5% 的範圍上算出的相關係數，對其餘 95% 什麼也沒說，而一個不附帶覆蓋率的係數，會被當作覆蓋了全部來解讀。
具體到邊界，容差很重要：0.25 秒下與 2 秒下的一致性是兩種不同的斷言，因此報告會掃描容差，而不是替你挑一個。
格式
LeRobot v2、RLDS/TFDS、HDF5（RoboMimic 與 ALOHA）以及 ROS bag 都通過同一個欄位匯入。匯出為 LeRobot v2 加上一份逐幀的 JSONL 附屬檔案，因此一份只讀的公開資料集無需重新發布就能攜帶你的標註。
Potato 不是答案的場合
ATLAS 是為單標註者邊界精度與 ROS bag 專門打造的，在這件事上它更強。ELAN 與 BORIS 仍是行為編碼領域的標準工具。Rerun 與 Foxglove 是最好的機器人視覺化工具。
Potato 額外提供的，是支援多標註者、以網頁方式部署，並對結果給出一致性統計。如果只有一個人在標註，那就用 ATLAS。