docs: clarify minimal reproduction overview

README.md

@@ -1,26 +1,10 @@
-# π0.7 Minimal Validation
+# π0.7 最小复现
 
-这是一个面向**结构验证和小样本过拟合**的 π0.7-style 教学项目。它在前面的
+本项目是 Physical Intelligence π0.7 的最小复现，包含 MEM 视觉记忆、高层 subtask、visual subgoal、FAST 离散动作、flow action expert 和 training-time RTC。实现使用小型模型和极小数据集，可在单机上完成训练、推理与消融对比。
-π0.6/RECAP 最小实验之上，重点验证一条可解释的 steerable policy 链路：利用
-短时历史形成 memory，在高层预测视觉 subgoal，通过可独立缺省的 policy
-metadata 控制动作风格，并在存在控制延迟时用 RTC 对齐动作 chunk。
 
-本项目不是 Physical Intelligence 官方实现，也不能用于真实车辆或机器人控制。
+## 复现范围
 
-## 公开资料边界
+本仓库使用小型自定义模块实现 memory、goal generation、high-level control、steerable metadata、CFG 和 real-time chunking。`TinyMEMEncoder`、`TinyGoalGenerator`、`HighLevelPolicy` 和 `Pi07Mini` 均为本项目的最小实现。
-
-截至本项目实现时，作者没有在 Physical Intelligence 官方网站、公开论文索引或
-`openpi` 仓库中找到可核验的 π0.7 原始论文、官方训练源码、checkpoint 或完整
-model card。因此这里不能声称“逐层复现论文”，也不会虚构官方模块尺寸、损失、
-数据配方或实验数字。
-
-本仓库所说的 **paper-faithful toy** 有严格边界：若 π0.7 的公开描述强调 memory、
-goal generation、high-level control、steerable metadata、CFG 和 real-time
-chunking，本项目保留这些模块的输入输出关系与必要消融；所有未公开细节都使用
-最小、明确标注且有测试的本地替代。`TinyMEMEncoder`、`TinyGoalGenerator`、
-`HighLevelPolicy` 和 `Pi07Mini` 都是本仓库命名，不代表官方内部类名。
-
-若后续公开原始论文或源码，应重新审计本项目，而不是把当前实现当成事实来源。
 
 ## 模型阶段与输入输出