robosuite-learning产品系统Vibe Coding

个人学习和了解机器人相关的代码，仿真环境下，载入模型。通过控制器驱动，模拟机械臂移动cube物体。并且验证噪音对不同移动方式的干扰影响大小。

本项目基于 `robosuite` 仿真环境（Lift 任务），构建了一套自动化的机器人操作测试框架。通过参数化矩阵遍历，验证不同运动策略在噪声干扰下的表现差异，并输出结构化的统计分析报告。

## 1. 项目背景与目标
在机器人操作中，感知误差和执行噪声是不可避免的。本项目旨在：

1. **建立自动化测试管线**：实现从环境配置、矩阵遍历、异常隔离到数据可视化的全流程自动化。
2. **验证策略特性**：对比三种不同的移动策略（B/C/D）在接触物体时的物理表现。
3. **量化噪声影响**：观察不同强度的初始化噪声对最终操作结果（位移、姿态）的扰动程度。

## 2. 核心设计架构
项目采用分层架构，确保逻辑解耦与高复用性：

+ `**src/perception.py**`** ****(感知层)**：
- 负责从观测数据中提取目标状态（如方块位姿）。
- 目前直读仿真状态，预留了替换为真实视觉算法的接口。
+ `**src/test_runner.py**`** ****(执行层)**：
- **现场构造机制**：采用工厂模式注册场景策略，每次运行时动态生成 Action Function，彻底解决了闭包状态（如抓取标志位）跨 Seed 残留的问题。
- **结构化输出**：统一返回包含初始、触碰、终态快照的字典，支持后续分析。
+ `**src/runner.py**`** ****(矩阵遍历层)**：
- **组合生成**：自动排列组合 场景 × 种子 × 噪声类型 × 噪声强度。
- **异常隔离**：单次运行崩溃不影响整体矩阵，错误信息会被记录并导出。
- **数据展平**：将嵌套的 Numpy 数组转换为适合 CSV 存储的标量字段。
+ `**src/analyze.py**`** ****(分