ANIMA 判定成功的定义，不是事后日志

五因素：ITA / MQA / SQA / GOA / PEA

五因素是 ANIMA 自评的底层结构。每一项在 Pre / Runtime / Post 三阶段各打一次分，合成后给出带置信度的成功概率。GOA 用乘法不用平均，SQA 从历史数据学习，PEA 让系统长期变好。

ITA — Intent alignment

意图-语义对齐度。上游信号 drift 直接惩罚：MQA_ita = 1 − drift_score。L0 给出 drift，ITA 负责把它带到最终概率里。

MQA — Motion quality

轨迹平滑度 / 接触力包络 / 抓取余量——细分指标从仿真 / 真机传感器读出。soma-care v0.4 正在扩这一项。

SQA — Skill competence

Beta 先验从历史 `pea_log.jsonl` 的真实成功率滑窗更新。v0.2 就开始让 p_skill 不再是常数。

GOA — Goal outcome achievement

目标达成概率，用乘法组合 P(success) = ∏ Pᵢ。平均会掩盖低概率瓶颈——乘法让任一环节的脆弱性立刻可见。

PEA — Preference-experience

偏好-经验检索，三因素加权：recency × 0.5 + relevance × 3.0 + importance × 2.0。每次任务结束写一条 `pea_log.jsonl`，下次规划时检索出来。

Key points

为什么这一层重要

当前最具体的 reference implementation

一个以桌面机械臂为载体的语言驱动机器人项目，用来验证 ANIMA 的认知闭环、视觉 grounding、技能执行与失败恢复。

它不是最终产品，而是通向家庭机器人的操作能力层与 benchmark。

医疗护理意图-行动仿真

SOMA 系列的医疗护理产品线。基于 ANIMA 认知框架，把意图（文本 / 语音 / 未来可扩展的 BCI 信号）翻译成仿真病房中可审计的机器人行动。v0.4 的重点是用 MuJoCo 仿真 + 离线视频把「意图 → 医护」这个闭环演示清楚。

SOMA 系列的护理产品线，和 soma-arm 并行，共享 ANIMA 认知框架。