2026-10-20 02:40:12 +08:00
# 探索日志：Transformer 机械臂闭环控制
长期锚点：`docs/Transformer轨迹拟合训练方案.md` §9.2（部署形态 = 策略 + 安全层）。
验收口径（§9.2）：实际执行碰撞 = 0；held-out 可达任务到达率 ≥ 98%；到达用时 ≤ 老师 ×1.3；关节行程 ≤ 现有规划器 ×1.10；冷启动 < 10 ms；每次推理 + 安全认证 P99 < 20 ms；刹停发生率 < 2% 的推理周期；策略单独（关安全层）碰撞率 < 3%。
2026-10-20 21:55:15 +08:00
记录顺序：**倒序**，最新一轮在最上面（2026-10-20 起，用户要求：打开就看到最近一轮）。
2026-10-20 02:40:12 +08:00
评测约定：val 任务、部署节奏（r = 3 重规划、1 段采样、K=8）；「纯策略」= 关安全层；「部署」= 开安全层。时延：桌面 RTX 3090 上 `sample_k(B=64, K=8)` 墙钟均值（均值，非 P99）；浏览器 ONNX P99 以 §9.2 R4 的独立测量为准。
2026-10-20 17:06:53 +08:00
**口径更正（2026-10-20，轮次 29 复核；下列历史原始数值保留）：**
- 轮次 24–28 的“50 Hz 可行/连续无饥饿”结论撤回。同步 `await plan(); tick()` 不是实际 20 ms 调度；`starveTicks` 只是耗时除以 20 ms 的估算。组件分位数相加不等于整次规划 P99，实测 62–68 ms 也超过 commit=3 的 60 ms。仍须严格认证下的真查看器 R9 测量，且不放松 §9.2 的 P99 < 20 ms。
- Python 端点/中点检查不等于连续认证；JS `--seg 0` 是放松安全的消融，不是部署验收。开安全层碰撞必须为 0，不能套用“纯策略 <3%”判据。既有到达率允许途中碰撞，新指标 `collision_free_success` 才是时限内无碰撞到达率。
- `replan=empty` 是同步仿真的零前缀配方，不是已验证的异步执行配置。所有任务（含 D）继续保留在历史对照分母内；不能与 held-out 可达任务 ≥98% 直接比较。
- 轮次 26 的几何角速度雅可比不等于远离目标时 skew 姿态残差的精确导数，因而既改变控制律又消除差分误差；不能把全部收益归因于去噪。3.58% 是单个位置雅可比样本对拍，不是普遍噪声界。`check_dls.py` 中标 B=256 的测量实际仅有 64 行，不能引用为 B=256 性能。
- `err_fail_med` 是批次结束时未按时到达任务的末端误差，不是每题截止时误差；仿真墙钟/题也不是单次规划延迟。查看器默认选择器仍为 consist，endpoint 仅是可选实验。
2026-10-20 07:23:16 +08:00
2026-10-20 02:40:12 +08:00
## 轮次统计
2026-10-20 21:59:19 +08:00
- 连续无实质进展轮数：0。
- **当前最好（n=256 val，同 seed 同批）**： `ml/runs/base_dag2_dag1/best.pt` + `K=8, select=endpoint, replan=empty, commit_n=2, fb=2.2, fb_block_gain=0.5, dls_safety=1, safety=1` → **到达 57.4%、无碰撞到达 57.4%、时限内(≤1.3×老师) 39.1%、刹停 19.25/题、行程比 2.445、2 s 误差比 0.210** （轮次 33 base）。
- **但这组数含超速**： `speed_ratio_p50=1.660` 、`over_vmax_rate=1.000` ⇒ 每轴实际最大速度是 VMAX 的 1.66 倍（反馈叠在 ±1 限幅之后，轮次 30 定位）。按合法限速 `--inc_cap 1` 重测是 **到达 52.3% / 时限内 26.6%** （轮次 33 cap）。**验收要引用后者**，两者的差就是"以前的分数有一部分是超速换来的"。
- n=512 复核在轮次 28– `inc_cap` ）尚未在 n=512 重跑。
2026-10-21 01:48:46 +08:00
- **合法限速口径下的当前最好格（轮次 51，2×2 补全后）**：`K=16 + select=pre + commit_n=2 + fb=2.2 + inc_cap=1 + cert_batch=1` → **到达 56.6%、时限内 35.9%、2 s 误差比 0.138、行程比 2.414、刹停 14.20/题、碰撞 0、超 VMAX 0** 。相对历史控制（K8 endpoint 0.5234/0.2656）逐题赢 20 丢 9 = 净 +11 题，**McNemar p=0.061 ⇒ 到达仍未确立**； `goal_ratio_2s` 201:55（ `pre` 只净 +1 题，p=1.0）。
- **口径提醒（对所有历史数字生效）**：`ok = done & (t_done ≤ max(2×老师用时, 3 s))` ⇒ 本链引用的"到达率"本身就带 2× 时限，`time_ok_1p3` 才是 §9.2 的 1.3× 口径，两道门不能混着引用。
2026-10-20 21:59:19 +08:00
- **实时性（GPU，B=1、K=8、一步）**：整周期 P50 33.5 ms、P99 64.7 ms；批量认证把最坏情况从 80.2 → 37.1 ms（轮次 34）。仍未进 §9.2 的 P99 < 20 ms，瓶颈是几何查询不是推理（推理 7.2 ms）。
- **安全层口径**：线上只做**端点 + 中点**点检（`gaps(...).min(-1) > 0` ）。轮次 30 那条"认证通过仍碰撞"（−0.149 mm）已被连续段认证抓住（`certify_uniform` n≥8、二分 5 次查询），但它进不了实时预算（轮次 31–32）。
- **失败结构（轮次 38，147 到达 / 109 未到）**：**63 题是走一半被冻住**（离目标 >100 mm 且刹车 >30 次）、23 题方向错、位置差 20~100 mm 15 题、差 5~20 mm 5 题、姿态没到位 3 题、起步失败 0；未到组活动窗内 37% 的步是零运动。
- **与 §9.2 的差距**：到达 52.3% vs ≥98%；时限内 26.6% vs 100%；刹停远大于 2% 的推理周期；P99 未达标。碰撞口径已达标（执行 0）。
- **已试过的训练法（轮次 19–22）都没超过 dag2 基线**：APG（管线修复但尺度失控）、反馈蒸馏（未内化）、DAgger-3（39.5%）、冻结编码器（41.8%）⇒ 再提到达率优先走"推理/选择/安全层"这条，而不是先重训。
- **规矩**：大规模训练与扩数据都要用户放行；不许用放松碰撞/安全/精度/实时来换分数；负结论与本表一起留档（本文件就是报告系统，`ml/monitor.py` 的 `/api/explore` 直接渲染它）。
## 算法优化候选（按实测证据强度排序，2026-10-20）
| 序 | 候选 | 支撑证据 | 状态 |
|---|---|---|---|
2026-10-21 00:33:44 +08:00
| 0 | ~~把"沿路最小间隙"接进候选打分~~ （极端版 = `--tie 1` ：只在"前缀最长"的并列集合内按余量定夺，零额外几何） | 轮次 45 两臂：到达 −1.95 pp（净 − − `gcap=0.5 mm` 截顶锁死（并列 79% 但只有 5.6% 可分辨，与轮次 44 离线 5.6% 对上） | **判掉** ：买余量卖进度，且作用在 `maxlen>0` 的人群——失败主人群是全拒（`maxlen=0` ）。前置条件见 #28 |
| 0b | ** #28 抬宽相位截顶 `gcap` 并与 `gap_margin` 解耦** | 现在 `--gap_margin 1.5` 会同时抬截顶值和验收门限，动一个必动另一个；`_coarse` 保留 `d ≤ cp_lim + cap` 的胶囊对 ⇒ 成本随壳层体积涨，而 GPU 周期 P50 已 33.5 ms | 未实现（要新增只改数值精度的参数，不许碰判据） |
2026-10-20 22:38:47 +08:00
| 1 | **候选数翻倍 K=8→16** | 轮次 39 实测：到达 ** +3.9 pp**、时限内 ** +3.1 pp**、**刹车 − （ **正向** ；认证/打分成本要用独占微基准量完才能谈部署 |
2026-10-21 00:57:08 +08:00
| 2 | ~~全拒时缩步顶上~~ （ `--backoff` ） | 四臂实测：转化率 7.7%→37%（能救回停步），但到达 0.5234→0.5156 **不赚** ；且它单独把 `brake_rate` 改善 16% 而行为没变好 ⇒ **可以绕过 §9.2 的刹停判据** ，这是仪表漏洞不是收益 | **已判掉** （轮次 43）；同时把 §9.2 的刹停口径标记为"不可由缩步单独满足" |
| 3 | ~~白费比例惩罚~~ （ `select=ep_waste --len_w` ） | 三臂实测行程比不降反升，给出原因：**罚的是没被执行的那段地平线**（16 步打分地平线 vs 实际提交 2 步） | **已判掉** （轮次 42）；其诊断直接引出 #29 （把打分地平线换成真会执行到的位置） |
| 3c | ** #29 打分地平线 = 被执行的前缀**（ `select=pre` ：用 `fut[:,:,commit_n]` 的终点误差代替 `fut[:,:,-1]` ） | 两 seed 独立复现：2 s 误差比符号检验 192:64（ − ） （ − − − ， **正向（时限/进度显著、到达未显著）** ，作可选口径入库，不改默认。下一试 #30 |
2026-10-21 01:11:18 +08:00
| 3d | ~~#30 前瞻长度曲线~~ （ `pre_h` ， ） ， − − − ； **已完成** ：形状=进度单调、精度阶跃在 h≤4。作废 #26 ，派生 ** #31 ** |
| 3e | ** #31 门控地平线**（远端用短前瞻、近终段用整条地平线，一个阈值参数） | 轮次 48 的曲线直接给出机制：时限收益来自短前瞻，精度损失来自"近终段没有终端代价"。若两者能解耦，`time_ok` 与 `err_success_med` 就不必此消彼长 | 待实现（`pre_h` 已在，只差按当前误差选 h）
2026-10-20 22:38:47 +08:00
| 3b | ~~行程惩罚 `ep_len`（罚候选累计行程）~~ | 三臂实测行程比 2.6216/2.6548/2.6719 vs 对照 2.6158 ⇒ **不降反升** ，只换来 +2 pp 时限 | **负结论** ，被 3 取代 |
| 4 | **一步角点的标定** （ `mf_target='mid'` 把自举导数移到中点） | 解析高斯场判据：`sq` 只线性收敛（结构性少修一半）、`mid/lin` 二次收敛；实测部署角偏差 MF 3.851 → `mid` 2.364（0.61×）；但**线上一步输出比自身两段采样离老师远 10 倍**（4.326 vs 0.434） | 开关已落、默认关；要付训练，且受"一步与认证/DAgger 共同标定"约束 |
| 5 | **认证进 20 ms** （ #16/#18 ）
| 6 | 速度/余量口径（#11/#14 ） `--inc_cap 1` 代价 − `gap_margin 0.5 mm` 只付 3 题 | 已量化，投影式余量未移植 |
| 7 | 循环内共享 FK（ #19 ）、FP16/BF16、流水线复用 | 实测分别只有 0.03 ms/次、负收益、−3.1 ms 且扰动特征 | **已判掉** |
2026-10-20 07:40:16 +08:00
2026-10-21 01:55:57 +08:00
## 轮次 53： ×
2026-10-20 22:05:12 +08:00
2026-10-21 01:55:57 +08:00
- **只跑一条控制臂**（同配方同 seed=1，带 `t_exp` ）就能给轮次 47/50 已有的两臂补上配对 ⇒ 先自证确定性：这条控制臂与轮次 47 的控制 **22/22 老键逐位相同** 。
- **1.3×
2026-10-20 22:05:12 +08:00
2026-10-21 01:55:57 +08:00
| 口径 | seed=0 | seed=1 | 合并（各自配对的不一致对相加） |
2026-10-20 22:33:29 +08:00
|---|---|---|---|
2026-10-21 01:55:57 +08:00
| K8 `pre` | 22 新增 / 5 失去，净 ** +17**， ** +11**， ， −
| 门控 20 mm | 22 / 6，净 +16， ， ， ，
2026-10-20 22:33:29 +08:00
2026-10-21 01:55:57 +08:00
- **要修正轮次 50 的一处措辞**：当时写的是门控的时限收益"塌了"。按配对检验的准确说法是**门控把收益吃掉约四成**（合并 +17 对 `pre` 的 +28），而且损失集中在 seed=1 那一臂（+1 题，p=1.0）。⇒ 原判断（"门控不是免费午餐，是用时限换末态余量"）不变，但强度被我说过了一层。合并检验只是近似：同一批题、不同噪声抽样，两臂并非完全独立。
- **`pre` 这条线到此定性**：**"打分地平线 = 执行地平线"能在不放松任何判据（碰撞 0、超 VMAX 0、n_plans 不变）的前提下，把 §9.2 的"到达用时 ≤ 老师×1.3"这一栏显著往上抬，两个 seed 都复现**；它对"到达率"（自带 2× 预算那道门）没有可用效应。⇒ 下一轮的取舍不该再是"怎么调这条轴"（#30/#31 已把形状量尽），而是**末态余量**要不要用轮次 52 的门控换、以及把预算转到 B/C 类的数据侧（#27 的结论仍未被任何后续轮次推翻）。
2026-10-20 22:13:44 +08:00
2026-10-21 01:48:46 +08:00
## 轮次 52：补上逐题老师用时这把尺子之后，整条"打分地平线"线的结论要翻面——1.3× 口径上的时限收益是显著的
- **仪表缺的是什么**： `--dump` 的逐题行里没有老师用时，所以 §9.2 的 `time_ok_1p3` （≤1.3×老师）此前**只能报整批比例，做不了逐题配对**。本轮把 `t_exp` （老师用时）与 `tr_ref` （老师行程）写进每一行——它们是**题目属性、与臂无关**，所以只要有一条带新字段的控制臂落盘，就能按题号 join 给**所有历史臂**补上配对能力。
- **改了落盘代码必须先自证没动行为**：重跑同配方控制臂 ⇒ **22/22 老键逐位相同** （ `docs/experiment_round52_ctl_ex.json` vs `round45_tie0` ）。顺带核对 `limit = 2× （
- **逐题配对（vs K8 `endpoint` 控制，n=256、seed=0；判据 = ok 且 `t_done ≤ 1.3·t_exp` ） ：
| 臂 | 新增达标 | 失去达标 | 净 | 精确 McNemar p |
|---|---|---|---|---|
| **K16 `pre`（最好格）** | **27** | **3** | ** +24** | **8.4e− |
| K8 `pre` | 22 | 5 | +17 | **0.0015** |
| 门控 5 mm | 23 | 6 | +17 | 0.0023 |
| 门控 20 mm | 22 | 6 | +16 | 0.0037 |
| K8 `pre` h=4 | 15 | 5 | +10 | 0.041 |
| K16 `endpoint` | 17 | 9 | +8 | 0.169 |
| K8 `pre` h=8 | 11 | 7 | +4 | 0.481 |
| `tie=1` （轮次 45）
- **这条表纠正的是我自己的判读，不是数据**：轮次 46–51 我一直拿 `success` （自带 2× 预算的那道门）做逐题配对，于是写成"到达与时限收益都在噪声内"。换成 §9.2 真正的 1.3× 口径，`pre` 系列的收益是 **p=0.0015 与 8.4e− ——整条线最硬的一条证据。⇒ ** "到达率没显著变化"仍然成立**（2× 那道门上是净 +1/+5/+11、p≥0.06），但**"时限内到达"这道门是明确被买到的**。两栏必须分开写，之前混过一次。
- **同时被这张表重新定位的两条旧结论**：`K16+endpoint` 的时限收益（+8 题）其实不显著（p=0.169）——轮次 39 报的"+3.1 pp 时限"当时没有配对检验；h=8 那臂在 1.3× 口径下也是 p=0.48 ⇒ 轮次 48 说 h=8 是坏点，现在有了第二重证据。`tie=1` 在 1.3×
- **待办**： `t_exp` 正在补落盘（轮次 53），以便把轮次 47/50 那句"整批 +4.3 pp / +0.39 pp"也换成配对 p 值。
- **口径纪律**： `--pre_near` 、`--pre_h` 、`--tie` 都是可选口径，默认仍是 `endpoint` 。§9.2 的验收栏仍按"到达未确立、时限内已确立（seed0 配对）"来写，等 s1 配对完成再决定是否给到达之外的第二栏正式换配方。
## 轮次 51： × ×
- **为什么补这格**： `K=16` （ #27/#1 ，轮次 39/44 验证）与 `select=pre` （ #29 ，轮次 46 验证）是链上仅有的两条正向杠杆，但从未同时测过。§9.2 要的是**同一份配方**同时满足到达与时限，所以可加性必须直接量，不能各自报喜。
- **四格（全部 n=256、seed=0、同配方、同批口径；缺的那格是本轮新跑）**：
| 格 | 到达 | 时限内(≤1.3×老师) | 2 s 误差比 | 到达题末态误差 | 刹停/题 | 行程比 | 碰撞 / 超 VMAX |
|---|---|---|---|---|---|---|---|
| K8 `endpoint` （历史控制） | 0.5234 | 0.2656 | 0.2792 | 0.2175 | 19.55 | 2.6158 | 0 / 0 |
| K8 `pre` | 0.5430 | 0.3320 | 0.1702 | 0.4151 | 19.84 | 2.4449 | 0 / 0 |
| K16 `endpoint` | 0.5625 | 0.2969 | 0.2800 | 0.1595 | 13.77 | 2.6243 | 0 / 0 |
| **K16 `pre`（新最好格）** | **0.5664** | **0.3594** | **0.1382** | 0.2882 | 14.20 | **2.4142** | **0 / 0** |
- **主效应（这就是可加性的算法）**：
- 时限：`pre` 在 K8 上 ** +6.64 pp**、在 K16 上 ** +6.25 pp**； `K16` 在 endpoint 上 +3.13 pp、在 pre 上 +2.73 pp ⇒ **四个方向同量级、无交互** 。时限这块确实是两个独立瓶颈（候选容量、打分口径）各自买一份。
- 到达：`pre` 在 K8 上 +1.95 pp、在 K16 上只 ** +0.39 pp**（逐题 16 赢 15 丢，净 +1， **到达饱和** ：
- 最好格 vs 历史控制（K8 endpoint）逐题：赢 20 丢 9，净 ** +11 题**（ − −
- `goal_ratio_2s` 逐题：201 好 / 55 差，**p = 1.0e−20** ⇒ 全程进度是这条线最硬的证据（比任何单臂都强）。
- **一个所有历史数字都被我漏说的口径**：`ok = done & (t_done ≤ limit)` ，而 `limit = time_limit(ex) = max(2×老师用时, 3 s)` 。**⇒ 本链引用的"到达率"本来就带 2× 时限**，不是"最终到没到"。`time_ok_1p3` 才是 §9.2 的 1.3× 口径。两者是两道门，引用时不能再混。轮次 52 已把 `t_exp/tr_ref` 落盘，之后 1.3× 口径能做逐题配对。
- **状态**：合法口径（碰撞 0、超 VMAX 0）下的当前最好配方更新为 **K=16 + select=pre + commit_n=2 + fb=2.2 + inc_cap=1 + cert_batch=1** → 到达 56.6%、时限内 35.9%。§9.2 的缺口仍然是**到达 − −
- **判据没被放松的证据**：四格 `collision_rate` 与 `over_vmax_rate` 全 0， `n_plans_mean` 全 195.0 ⇒ 规划次数不变；K16 的额外成本只在每颗规划的候选数（认证与打分的批量宽度），这条**必须用独占微基准量**才能进部署账（#16/#28 仍未结）。
2026-10-21 01:31:11 +08:00
## 轮次 50：门控 20 mm 的 seed=1 复现——方向对、幅度不稳：时限收益塌了，精度代价只是减小没消除
- **一条臂就够**（控制臂复用 `round47_ep_s1` ，同 seed 同配方，已在盘）。
- **两 seed 并排**（都是 n=256、`collision_rate=0` 、`over_vmax_rate=0` 、`n_plans_mean=195.0` ）：
| 读数 | s0 控制 | s0 门控 20 | s1 控制 | s1 门控 20 |
|---|---|---|---|---|
| 到达 | 0.5234 | 0.5352 | 0.5313 | **0.5313** |
| 时限内(≤1.3×老师) | 0.2656 | **0.3281** (+6.25 pp) | 0.2969 | 0.3008 (**+0.39 pp**) |
| 2 s 误差比 | 0.2792 | 0.1702 | 0.2750 | **0.2011** |
| 到达题末态误差中位 | 0.2175 | 0.2248 | 0.2228 | 0.2286 |
| 行程比中位 | 2.6158 | 2.5146 | 2.6369 | 2.6468 |
- **复现矩阵（什么稳、什么不稳）**：
- **稳**： `goal_ratio_2s` 大幅改善（两 seed 都到 0.170/0.201，控制 0.279/0.275）⇒ "打分地平线 = 执行地平线"买**路上的进度**是这条轴唯一稳健的效应；末态误差**中位数**几乎不动（+3.4%/+2.6%）⇒ 门控确实把 `pre` 那个 +91% 的精度损失压掉了大部分。
- **不稳**：时限收益从 ** +6.25 pp 塌到 +0.39 pp**；到达两 seed 合并赢 24 丢 21（净 +3，
- **合并后要更正轮次 49 的一句话**：到达题组内末态误差 vs 控制的符号检验，s0 是 67 差/57 好（p=0.419）、s1 是 74/51（ **141 差/108 好，p=0.042** ⇒ 正确说法是"**精度代价被大幅减小（未门控的 `pre` 是 82/42， −
- **判读规则的兑现**：轮次 49 预注册写的是"若 s1 变成显著变差，则本轮结论降级为阈值恰好躲过一次复现"。时限那一半也塌了 ⇒ **降级为** ：门控不是免费午餐，它是"要不要用时限收益换末态余量"的开关；`pre_near=20` 只在 seed=0 上看起来两者都要。
- **本轮另外修掉的一处统计错**：精确 McNemar/符号检验我用的是 `2·Σ_{i≤min(k,n− ，在 **k = n/2 的中间点会算出 1.168（ ） 。改成定义式 `p = min(1, 2·min(P(X≤k), P(X≥k)))` （X~Bin(n,½)）后重算了本轮全部已上报的 p 值：**除中间点那一例外，其余数值全部不变**（ − − − **p=1.0** 。
- **状态**： `--pre_near` 作可选口径入库，默认仍 `endpoint` 。**这条轴的可推荐形态是 ungated `pre` **（时限/进度两 seed 都稳），门控留给"末态余量优先"的场景。
- **下一轮（组合而非继续调这条轴）**：`pre` 与 K=16 是两条各自验证过的杠杆，但没一起测过。§9.2 要的是同一份配方同时满足到达与时限，所以**可加性**必须直接量：跑 `K=16 + select=pre` （对照 `K16+endpoint` 与 `K8+pre` 都已在盘）。若不可加，说明两条买的是同一个瓶颈（候选被拒后的"没活路"），那是重要的机理结论。
2026-10-21 01:24:21 +08:00
## 轮次 49：#31 门控地平线成立——终端段盖到 20 mm 时，时限收益与精度代价被解耦（预注册判据由该臂满足）
- **假设（由轮次 48 的四点曲线给出，不是拍脑袋）**：时限收益来自"打分地平线 = 执行地平线"，精度代价来自"近终段没有终端代价"。两件事若真能分开，就应该存在一个终端段长度，使得短前瞻的时限收益基本不损、而末态误差回到控制水平。
- **做法**： `select=pre --pre_near <mm>` ——当前误差 ≤ 阈值时打分改用**整条地平线**末端，远端仍用提交窗口点。多一次 `goal_err(B× 只在门控口径下发生。
- **四列对照（全部 seed=0、同配方同批；控制=`round45_tie0` ， `round46_pre256` ） ：
| 读数 | 控制 h=16 | `pre` h=2 | 门控 5 mm | 门控 20 mm |
|---|---|---|---|---|
| 到达 | 0.5234 | 0.5430 | **0.5469** | 0.5352 |
| 时限内(≤1.3×老师) | 0.2656 | **0.3320** | **0.3320** | 0.3281 |
| 2 s 误差比 | 0.2792 | 0.1702 | 0.1702 | 0.1702 |
| 到达题末态误差中位 | 0.2175 | 0.4151 | 0.3768 | **0.2248** |
| 行程比中位 | 2.6158 | 2.4449 | **2.4218** | 2.5146 |
| 刹停/题 | 19.55 | 19.84 | 19.84 | 19.64 |
| 执行碰撞 / 超 VMAX | 0 / 0 | 0 / 0 | **0 / 0** | **0 / 0** |
| `n_plans_mean` | 195.0 | 195.0 | 195.0 | 195.0 |
- **逐题配对（vs 控制）**：到达 门控5 赢 16 丢 10（净 +6， ， `pre` 净 +5（ **到达率在这条轴上任何一点都没跨过显著** 。到达题组内的末态误差符号检验才是分界：`pre` 82 差/42 好 **p=4.2e− 、门控 5 mm 79/45 **p=0.0029** （仍显著变差）、门控 20 mm 67/57 **p=0.42 ⇒ 与控制不可分** 。
- **预注册判据的落点**（规则在看到数据前写在 `ml/runs/_r49_gate.sh` ）：成立 = `err_success_med` 回到接近控制(≈0.22 mm) 且 `time_ok ≥ 0.31` 。**门控 20 mm 两条都满足**（
- **5→20 mm 的分级响应是机理证据，不是调参**：终端段太窄（5 mm ≈ 最后一两步）只回收 20% 的精度差，20 mm（≈ 最后 3–5 步）才回收全部。⇒ 病名的正确写法是**"终端代价的作用区间不够长"**，而不是"缺终端代价"。这也说明 `pre` 的精度损失不是"打分变笨"的随机副作用，而是近终段路径选择被 2 步口径主导的直接后果。
- **两条臂各自的代价（不许只报好的那半）**：门控 20 mm 把 A 类到达打到 **94/128** （控制 96、门控5 也是 96），换来精度归零；门控 5 mm 到达最高 0.5469 且行程比最好（2.4218），但末态误差仍显著变差。⇒ **不存在同时占优的阈值** ，本轮只证明"可解耦"，不证明"已找到最优点"。
- **口径纪律**：不改为默认。§9.2 的"时限内"最好读数现在是 **0.3320（ ） ， **0.5469（门控5） ——两者都还没显著超过控制，所以验收栏仍写控制的 0.5234/0.2656，另注可选口径。
- **下一步（唯一还没做的关键检验）**：门控 20 mm 在 seed=1 复现（控制臂 `round47_ep_s1` 已在盘 ⇒ 只需一条臂）。若 p=0.42 那个"与控制不可分"变成"显著变差"，本轮结论降级为"阈值恰好躲过一次复现"。
2026-10-21 01:31:11 +08:00
** 【轮次 50 已做，结果是降级】**：seed=1 上该符号检验是 74 差/51 好 **p=0.049** ，两 seed 合并 **141 差/108 好 p=0.042** ⇒ "与控制不可分"不成立，正确说法是**精度代价被大幅减小但没有消除**；同时时限收益在 seed=1 上从 +6.25 pp 塌到 +0.39 pp。详见下一轮。
2026-10-21 01:24:21 +08:00
2026-10-21 01:11:18 +08:00
## 轮次 48：#30 打分地平线四点曲线——进度收益是剂量-反应关系，而精度代价只集中在 h≤4；h=8 是个坏点
- **设计**： `select=pre` 加 `--pre_h` （ `K=8/commit_n=2/fb=2.2/inc_cap=1/cert_batch=1` ），只改打分取 `fut` 的第几步。h=2 与 h=16 两点已在盘（轮次 46 / 45，且控制臂已证跨窗口逐位复现），本轮补 **h=4、h=8** 。
- **曲线（n=256 全部四点）**：
| 打分地平线 | 时限内(≤1.3×老师) | 2 s 误差比 | 到达题末态误差中位 | 到达 | 行程比中位 | 刹停/题 | 执行碰撞 |
|---|---|---|---|---|---|---|---|
| h=16（现 `endpoint` ） **0** |
| h=8 | 0.2813 | 0.2661 | 0.2255 mm | 0.5195 | **2.6749** | 20.27 | **0** |
| h=4 | 0.3047 | 0.2350 | 0.3301 mm | 0.5391 | 2.5619 | 20.41 | **0** |
| h=2（ **0.3320** | **0.1702** | 0.4151 mm | 0.5430 | **2.4449** | 19.84 | **0** |
- **逐题配对（对同一控制）**： `goal_ratio_2s` 符号检验 h=8 **166 好/90 差 p=2.4e− 、h=4 **184/72 p=1.8e− 、h=2 **192/64 p=4.9e− （轮次 46）——三个 h 都显著、显著性随 h 缩短单调增强。到达则全在噪声内：h=8 赢 8 丢 9（净 −1， ， （ （ **末态误差的总体分布没被推动，被推动的是"到达题组内到达那一刻的误差"** 。
- **三条读法（比"哪个 h 最好"有用）**：
1. **进度/时限关于 h 是单调的** （前瞻越短 ⇒ 时限内越多、2 s 时越贴近目标）。这是**剂量-反应关系**，比单点 A/B 强：不是一次涨落，而是整条轴同向。⇒ §9.2 的"到达用时 ≤ 老师×1.3"这一栏的真瓶颈之一确实是**打分地平线长于执行地平线**。
2. **精度代价不是均摊的，几乎全在 h≤4** ：h=8 相对控制的末态到达误差只 +3.7%（ （ #31 ），不是在 h 上挑一个折中值。
3. **h=8 是曲线上的坏点** ：时限只 +1.56 pp、到达 −1 题、**行程比反而最差**（
- **按类别**：h=4 时 A 类回到控制水平（96/128），B +2、C +2； − `tie` 是另一码事：它换成的是余量而非进度）。
- **判据状态**：四点全部 `collision_rate=0` 、`over_vmax_rate=0` 、`start_fail=0` ； `speed_ratio_p50/p95/max` 与 `accel_ratio_max` **四点的值逐位相同** （ `n_plans_mean` 四点都是 **195.0** ，即每颗题的规划次数没变 ⇒ 认证与几何调用的次数不变，改变的只是同一批点里取哪一个来排序。`dls_share` 0.613/0.633/0.629/0.637 不单调，暂不作结论。
- **预注册判读规则的落点**：规则写的是"若 time_ok/2 s 误差比随 h 单调变差 ⇒ 超出提交窗口的前瞻有害，#26 一并作废"。观测正是单调 ⇒ ** #26 （在前缀口径上再加白费惩罚）作废**；改为 ** #31 ：门控地平线**（远端用 `pre` 、近终段用整条地平线），一个参数、机制由本曲线直接给出。
- **状态**： `pre_h` 作可选口径入库，默认仍是 `endpoint` 。§9.2 的"时限内"读数最好的一栏从 0.2969（ **0.3320（ ） ，但到达没有显著变化，所以**不换主口径**。
2026-10-21 00:57:08 +08:00
## 轮次 46–47：#29 把候选打分的地平线换成「这一轮真会执行到的位置」——链上第一个正向杠杆，两个 seed 独立复现
- **诊断（不是新想法，是旧负结论给出的原因）**：`select='endpoint'` 按**整条 16 步地平线末端**的终点误差给 K 条候选排序，而每轮只提交 `commit_n=2` 步。对被安全层截断的候选，那个终点**根本到不了**；对满前缀候选，它是 14 步开环外推。轮次 42 判掉 `ep_len/ep_waste` 时写的就是同一件事——"罚的是没被执行的那段地平线"。`select='pre'` 把打分点换成 `fut[:, :, commit_n-1]` （这一轮真正会走到的位置），**同一次 `goal_err` 只换点集，机制上不增加量级**。
- **实现账**：分支 + 文档串 + `--select pre` ；两条可手算的正对照（夹具造一对"前缀好但末端差"/"末端好但前缀差"的候选 ⇒ 两口径必须选**相反**的那条）+ 一条不变式（`commit_n=16` 时 pre 的索引落到地平线末端 ⇒ 必须与 endpoint 选同一条）。49 项测试绿。仪表灵敏度：n=16 冒烟上 `pre` 与 `endpoint` 已给出不同轨迹（刹停 24.94→21.94、行程比 2.43→2.67），不是惰性口径。
- **对照臂的可比性先证再引用**：本轮控制臂 = `docs/experiment_round45_tie0.json` （ `tie=0` 、同配方），它与轮次 42 的 `round42_K8cb1` **22/22 键逐位相同** ⇒ 该配方跨窗口确定性复现，单臂对照成立（这是第一次在新杠杆上省掉控制臂，前提是复现证据已落盘）。
- **seed=0（ **seed=1 独立复现（两臂同窗口背靠背）** ：
| 读数 | s0 控制 | s0 `pre` | Δ | s1 控制 | s1 `pre` | Δ |
|---|---|---|---|---|---|---|
| 执行碰撞率 | 0.0 | **0.0** | — | 0.0 | **0.0** | — |
| 到达 | 0.5234 | 0.5430 | +1.95 pp | 0.5313 | 0.5430 | +1.17 pp |
| 时限内(≤1.3×老师) | 0.2656 | **0.3320** | ** +6.64 pp** | 0.2969 | **0.3398** | ** +4.30 pp** |
| 2 s 误差比（中位） | 0.2792 | **0.1702** | − **0.2011** | −
| 行程比中位 | 2.6158 | 2.4449 | − ** −
| 超 VMAX 题占比 | 0.0 | 0.0 | — | 0.0 | 0.0 | — |
| 到达题末态误差中位 | 0.2175 | 0.4151 | ** +0.198 mm** | 0.2228 | 0.3425 | ** +0.120 mm** |
- **统计口径（这条线真正的证据在哪）**：
- `goal_ratio_2s` 逐题符号检验：s0 **192 好 / 64 差（p=4.9e− ） ， **191 好 / 65 差（p=1.5e− ） 。⇒ 显著、且两个 seed 的计数几乎一样。
- 到达：s0 逐题丢 10 赢 15（净 +5， **p=0.424** ）、s1 丢 10 赢 13（净 +3， **到达率的提升在两个 seed 上都只是噪声** 。诚实的写法是"时限内到达显著变多、总到达未见显著变化"，即它把路上的时间买回来了，没有把通路买回来。
2026-10-21 01:48:46 +08:00
** 【轮次 52 补验】**这句里"时限内显著变多"当时还只是整批读数（0.2656→0.3320），没有逐题配对。补上每题老师用时后：**K8 `pre` 在 1.3× 口径上逐题 22 赢 5 丢，净 +17，精确 p=0.0015**； `K16+pre` 是 27/3、p=8.4e−6。⇒ 那句话现在有据了，而且比原来写的更强。注意 `success` 那道门自带 **2× 预算（`limit = max(2·t_exp, 3 s)` ），所以"到达 p=0.42"与"时限内 p=0.0015"是两道不同门的读数，不矛盾。
2026-10-21 00:57:08 +08:00
- 末态误差逐题：s0 130 好 / 126 差（p=0.85）、s1 121/135（ `e<1 mm 且 oe<0.5°` ，最差的 0.42 mm 也在壳内），但**这条余量从 4.6 倍缩到 2.4 倍**。
- **按类别（两个 seed 方向一致）**：A 类 − ， #27 ：候选容量救不了 B/C"**不矛盾**——那条测的是"多给同分布候选"，这条改的是"用哪个终点评价候选"。真正的判据留给下一轮的地平线曲线。
- **成本**：两臂墙钟 317.6/319.2 s（ `goal_err` 在 `B× 个点上的两次调用分开量（记为待办）。
- **状态**：**不改为默认口径**（到达未显著 + 到达精度余量减半），把 `select='pre'` 作为已验证的可选口径入库。下一步 #30 ：把打分步长做成参数 `pre_h` ，扫 h∈{2,4,8,16}（
2026-10-21 00:33:44 +08:00
## 轮次 45：`tie`（等长安全前缀按沿路最小间隙定夺）判掉——它买的是余量，卖的是进度，而且作用在错的人群上
- **做法**： `cert_batch=1` 已经在同一次几何调用里算了 K 条候选各 `2·commit_n` 个点的间隙，但这些信息只用来判通过/拒绝。`--tie 1` 让"前缀最长"的并列集合改由**沿路最小间隙**定夺；零额外几何调用，判据一个字没动（仍是 `gap > gap_margin` ）。
- **先测触发率再花钱**（阈值预注册：<1% 直接判掉，≥5% 才跑两臂）。n=64 探针：并列率 `tie_opp_rate=74.8%` 、真的改选率 `tie_changed_rate=7.4%` ⇒ 过线，才投 256 题两臂。
- **两臂 A/B（ `K8 + cert_batch=1 + inc_cap=1` ） ：
| 读数 | A `tie=0` | B `tie=1` | 差 |
|---|---|---|---|
| 到达 / 无碰撞到达 | 0.5234 | 0.5039 | ** −
| 时限内(≤1.3×老师) | 0.2656 | 0.2773 | +1.17 pp |
| 执行碰撞率 | 0.0 | **0.0** | 判据未放松（硬门槛通过） |
| 刹停/题 | 19.55 | 17.79 | −
| 卡住题占比(刹停>20%) | 23.4% | 20.3% | −
| 行程比中位 | 2.6158 | 2.5399 | −
| 到达均值用时 | 2.487 s | 2.359 s | −
- **统计诚实**：逐题配对**丢 6 题、赢 1 题，净 −5**； **p = 0.125** ⇒ 到达差异在这个分母上与零不可分。所以结论不是"它显著变差"，而是**没有任何正向证据，且方向为负**；而刹停/行程/用时全部朝"更保守"的方向动，与到达同向恶化是一个自洽的签名，不是噪声。丢的 6 题里 **5 题在 A 类（开阔均匀区）** ，唯一赢的那题在 C 类（贴立柱）。
- **仪表与独立离线数对上了（这条比 A/B 本身更有说服力）**：本轮 256 题的改选率 **5.58%** ，与轮次 44 纯离线量到的"执行点间隙落在 0.2–0.5 mm 的占比 **5.6%** "逐位同量级；并列率 79.0% 对上"满前缀 79.4%"。⇒ **余量能分辨的上界就是"有多少执行点真的贴进 0.5 mm 以内"** ，被宽相位截顶 `gcap = max(0.5, gap_margin+0.5)` 锁死（凡沿途间隙都 >0.5 mm 的候选，`min_gap` 恒等于 0.5，排序上完全并列）。所以 5.6% 是这个家族在 cap=0.5 下的**天花板**，不是实现没调好。
- **机理判读**：并列集合里"余量最大"的那条通常也是"位移最小"的那条。默认口径由选择器分数（终点误差）定夺 = 用进度换余量的风险由策略承担；`tie=1` 把判据整个换成余量 ⇒ 在根本没有障碍的 A 类纯亏进度。正确形态若要保留这条线，只能是"进度 + 余量"的加权，而加权又要一个新的自由系数——在当前 −5 的背景下不值得一轮。
- **结构性发现（否掉的是实现，更是提问方式）**：#24 从提出起就**作用在错的人群**。失败主人群是"全拒（`maxlen=0` ） `tie` 只在 `maxlen>0` 时触发。全拒人群的杠杆是 `backoff` （轮次 43 已判掉：能救回停步、救不回通路）。⇒ "选哪条活路"这件事，对已经走通的路影响很小，对走不通的路毫无影响。
- **本轮踩到并修掉的实现洞**：tie 分支里我用了局部名 `nmax` ，把主循环的"总步数"顶掉 ⇒ 进度回调 `%d` 收到张量直接炸（第一次 n=64 探针就是这么失败的）。修法是改名 `ntile` ，并补一条守卫单测（tie=1 必须带 `progress` 跑通且 `total` 保持标量）；**守卫做过变异检查**——把 `ntile` 换回 `nmax` ，守卫立刻变红。计数器的正对照也可手算：夹具里两条候选永远全安全 ⇒ `tie_opp = tie_changed = n_plans` 、两个比率恒 1。47 项测试全绿。
- **不采纳**。前置条件记为 #28 ：先把"数值截顶 `gcap` "与"验收门限 `gap_margin` "解耦（现在 `--gap_margin 1.5` 会同时抬截顶值和门限，动一个必动另一个），再量 cap=0.5/2/5 mm 下的分辨率与几何耗时（`_coarse` 保留 `d ≤ cp_lim + cap` 的胶囊对，成本随壳层体积涨）。**但即使分辨率上来，人群错配也不会被修好**，所以这条只作为"贴边题（C 类）里选哪条活路"的低优先候选保留。
2026-10-21 00:04:32 +08:00
## #27：
- K=8 与 K=16（都 `--cert_batch 1 --inc_cap 1` ，同 256 题同 seed）逐题对齐后按类别：
| 类别 | 题数 | K8 到达 | K16 到达 | 差 | K8 刹停/题 | K16 刹停/题 |
|---|---|---|---|---|---|---|
| A 均匀 | 128 | 75% | 78% | +3.1 pp | 7.5 | 4.9 |
| B 直线被挡 | 74 | 27% | **32%** | +5.4 pp | 38.1 | **27.0** |
| C 贴立柱 | 32 | 34% | 38% | +3.1 pp | 33.3 | 24.5 |
| D 不可达 | 13 | 0% | 0% | 0 | 5.2 | 4.8 |
| Dr | 9 | 78% | 89% | +11.1 pp | 10.2 | 6.4 |
逐题翻转：**新救回 12 题（A 6、B 4、C 1、Dr 1），反而丢 2 题（都在 A）**，净 +10 题 = 总体 0.5234 → 0.5625。
- **统计诚实**：分类切片里 1–4 题的变化在这个分母上不构成显著（B 类 +4 题 = +5.4 pp，单看会高估）；**稳的只有两条**——总体 +3.9 pp（净 10 题）与刹停整体 − （
- **关键读法（决定预算投向）**：候选容量翻倍把 B 的**拒绝次数**砍掉近三成，但 B 的到达只从 27% 到 32%，离 A 类的 78% 还差 46 pp。⇒ ** "少被拒"不等于"会绕"**：
- 由此更新候选清单：#24 修正版（`tie='gap'` ，等长前缀时按沿路最小间隙定夺）仍然值得测——它影响的是"选了哪条活路"，会影响后续拍的存活率；但它**不能**被期待修好 B/C 的 46 pp，那属于训练侧。
2026-10-20 23:51:51 +08:00
## 分层指标上线并被三重交叉验证（轮次 43）
- 对照配方（轮次 33 cap：1 步、`--inc_cap 1` ）重跑一次带分层指标的评估：**原有 22 个指标逐位不变**，新增键全部产出（`docs/experiment_round43_control_strat.json` ）：
| 新读数 | 值 | 独立离线预测 |
|---|---|---|
| `success_reachable` （排除按定义不可达的 D 类） | **0.5514** | 0.5514（逐题 dump 手算）✓ |
| `by_cat` 到达 | A 96/128=75%、B 20/74=27%、C 11/32=34%、D 0/13、Dr 7/9 | 与离线一致 ✓ |
| `brake_rate` mean / p50 / **p90** | 10.03% / 0.51% / **31.54%** | 均值与手算 19.55/195 一致 ✓ |
| `stuck_share` （ **23.4%** | 与"最卡前 20% 题占 72.4% 刹停事件"同量级 ✓ |
| `reverse_p50` / `reverse_moving_p50` / `moving_share_p50` | 0.2474 / 0.3258 / 0.9587 | 离线预测 0.247 ✓ |
- 三处独立来源（逐题 dump 手算、轨迹转储离线重算、评估内建指标）在四个数上完全对齐 ⇒ 这批分层读数可以当判据用，不只是看板。
- **为什么现在必须有 p90/stuck_share**：对照口径的均值刹停率 10.03% 看着"差 5 倍"，但真相是 **p50 只有 0.51%、p90 高达 31.5%、23.4% 的题踩在卡住线上** 。以前只有均值时，`backoff` 这类"专治尾巴症状"的改动能把判据刷好而行为不变（已实测：brake_rate − − #25 存在的理由。
2026-10-20 23:42:50 +08:00
## `backoff` 四臂判掉：转化率能买到刹停率，买不到到达——而且它能**绕过 §9.2 的判据**（轮次 43）
- 同一 256 题同 seed、`--inc_cap 1 --cert_batch 1` ，只改缩步档数（`docs/experiment_round38_backoff{0,1,2,3}.json` ）：
| 档数 | 到达 | 时限内 | 刹停/题 | 缩步顶上/题 | 全拒事件合计 | 转化率 | `brake_rate` mean |
|---|---|---|---|---|---|---|---|
| 0（对照） | 0.5234 | 0.2656 | 19.55 | 0 | — | — | **10.03%** |
| 1（ ） **7.7%** | 9.63% |
| 2（ ）
| 3（ ） **0.5156** | **0.2578** | 16.48 | 9.70 | **26.18** | 37.1% | **8.45%** |
- **预注册判读命中低那一支**（转化率 <60%）：把全拒变成"慢一拍的动作"确实随档数上升（7.7%→37.1%），但**到达和时限一点没赚**（
- 更值得警惕的是第二列和最后一列的**背离**：`brake_rate` （§9.2 要 <2% 的那个判据）从 10.03% 一路降到 8.45%， `brakes_mean` 降 16%，**但真实结果没变好**。也就是说**缩步档可以只改善刹停率指标而不改善行为**——判据本身能被绕过。而且"全拒事件合计"反而从 20.35 涨到 26.18：缩步把机械臂带进了更容易被拒的几何里。
⇒ 规则：**任何降低刹停率的改动，必须同时报到达与时限**，只看 `brake_rate` 会奖励错误行为。这条已加进 #25 的分层读数要求。
- 处置：`backoff` 保持默认关、**作为到达率杠杆判掉**；它在"减少原地站住"这件事上确实有效（−16% 刹停），所以留作实机上"不许完全停住"这类需求的安全侧选项，不再投入档位扫描。
- 下一步（链已结束，可以改库）：#25 分层指标（可达分母 / 按类别到达率 / `brake_rate_p90` / `stuck_share` ）→ 用它重读 K=16（ #27 ：+3.9 pp 到底买在哪一类）→ 才轮到 #24 （几何信息进打分，直接打 B/C 类"方向不通"）。
2026-10-20 23:23:50 +08:00
## 控制臂对表：22/22 键逐位复现 + 仪表预测精确命中（轮次 42）
- `--backoff 0 --cert_batch 1 --inc_cap 1` 重跑轮次 33 cap 配方：**两文件共有的 22 个指标键全部相等，差异集合为空**（第三次确认批量认证分支重写没有改变行为）。
- **仪表互验精确命中**：这个控制臂的 `reverse_p50 = 0.2474` ，而我先前用轮次 33 cap 转储、按 `rollout` 同窗口离线重算的预测值是 **0.247** （那次还给出"到达组 0.265 / 未到达组 0.233"）⇒ 线上指标与离线重算在三个小数位上对齐，之前 1.575 那批读数确实只是"未除 6 的旧口径"。
- 控制臂的 §9.2 判据读数（第一次用真分母）：**`brake_rate_mean = 10.03%` 、`p50 = 0.51%` 、`n_plans = 195` 、`moving_share = 95.9%` ** ⇒ "<2% 推理周期"在均值上差 5 倍、在中位上已达标，再次是长尾。
- 待读（正在跑）：`backoff=1/2/3` 的 `backoff_mean / reject_all_mean` 转化率，按预注册规则判：10–20% ⇒ 缩步只是慢一点撞，到达不动，主攻转向 #24 ；
2026-10-20 23:19:48 +08:00
## "冻住"的真实形态：不是堵死，是每题约 30 次、每次 1.8 步的反复试探（轮次 42，纯读转储）
- 先自纠一次框架：我按"≥10 步连续零运动"找长冻结，结果 B 类 74 题里只有 9 题有这样的段、C 类 32 题只有 3 题。原因很直白：`commit_n=2` 时**一次全拒只站 2 步**，要连成 10 步得连续 5 次全拒。所以"长冻结"这个说法对这份配置基本不成立，改测"停顿事件的累计与分布"：
| 类别 | 题数 | 到达率 | 零步占比 | 停顿段数/题 | 平均段长(步) | 刹停/题 |
|---|---|---|---|---|---|---|
| A 均匀 | 128 | 80% | **7.9%** | 9.5 | 0.59 | 7.4 |
| B 直线被挡 | 74 | 34% | **28.7%** | **34.1** | 1.81 | 37.2 |
| C 贴立柱 | 32 | 41% | 25.2% | 29.2 | 1.57 | 33.3 |
| D 不可达 | 13 | 0% | 2.8% | 2.2 | 0.15 | 5.4 |
| Dr | 9 | 78% | 7.5% | 8.1 | 0.47 | 9.7 |
（ `ml/runs/round33_base.pt` + 逐题 dump；这是 steps=1、不限幅口径，用于看**形态**不是看成绩）
- **结论**：B/C 的失效不是"走进死路被堵死"，而是**反复试探**——每次规划全拒、站约 2 步、下次换个方向再试，一题平均 30 多次，累计把 **29%** 的时间窗花在停走上。它们最终能脱困（段长只有 1.6–1.8 步），只是每次都白站两拍。
- **这条把杠杆的预期钉准了**：
- `backoff` （全拒→缩慢一步）正好打在"每次白站 2 步"上：若 30 多次停顿各省 1–2 步，等于省 30–60 步 ≈ **时限内 20– ，但**不会**把"方向本来就不通"的候选变成通路。
- 真正要拿到 B 类到达（34%→A 类那样的 80%），得让**被拒之前的排序**就能避开必然穿模的方向（#24 ：把已经算出来的沿路间隙喂进打分），而不是靠事后缩步。
- D 类几乎不停（2.8% 零步、2.2 段），是"直接开去停靠位、永远不满足判据"——再次印证它们不该在到达率分母里。
2026-10-20 23:06:28 +08:00
## 缺口几乎全在"直线被挡 / 贴立柱"两类（轮次 41，按任务类别分层）
- 六个已跑口径（1/2 步 ×
- **95 题（37%）在任何口径下都到达**；**106 题（41%）在任何口径下都不到达**；只有 55 题是"口径敏感"的。
- 卡住题集在四个一步口径之间高度重合（Jaccard 0.87– `steps=2` 的卡住集（135 题）**完整包含**一步的 71 题（交集 71=全集）⇒ 多段是"新增"了一批卡住题，而不是换了一批，与候选塌缩的机理一致。
- **按类别的到达率**（ `--inc_cap 1` 合法限速口径；类别定义见方案 §采样：A 均匀 45%、B 直线被挡 30%、C 贴立柱 15%、D 目标不可达 10%）：
| 类别 | 1 步限幅 | 2 步限幅 |
|---|---|---|
| A 均匀（无障碍） | **75%** (96/128) | 61% |
| B 直线被挡 | **27%** (20/74) | 16% |
| C 贴立柱 | **34%** (11/32) | 16% |
| Dr | 78% (7/9) | 67% |
| D 目标不可达 | 0% (0/13) | 0% |
- **读法**：总到达 52% 的缺口几乎全部来自 **B（30% 的题，只有 27% 做到）与 C（ ） ——无障碍的 A 类已经 75%。⇒ 剩下要拿的分**不是"普遍再准一点"，而是"直线被挡住时会绕"**。这与前面所有证据自洽：安全层全拒集中在尾巴题、多段推理因候选塌缩而更拒、K 加倍最赚（多给几条活路）。
- **一处必须纠正的分母口径**：D 类是"目标不可达、标签为停靠"的题，**按定义不可能到达**，却一直留在我的到达率分母里（§9.2 原文要的是"held-out **可达**任务到达率 ≥98%"）。去掉 13 道 D 后：一步限幅 0.5234 → **0.5514** 、一步不限幅 0.5742 → 0.6049、两步 0.3945 → 0.4156。差 ** +2.8 pp**，不大但方向是系统性偏高/偏低混合，**以后必须两个数一起报**。历史轮次保留含 D 的分母（那是当初记在文件头的约定），但从下一轮起新增 `success_reachable` 与按类别到达率，别让"98%"和含不可达题的分母对话。
- 待办（链结束后改库）：`eval_cl` 补 `success_reachable` （排除 cat=D）、`by_cat` 到达率、`brake_rate_p90` 、`stuck_share` 。这四格是让"对尾巴/对 B 类有效"的杠杆能被看见的前提。
2026-10-20 23:03:51 +08:00
## 刹停是极端长尾：一半题零刹停，两成题占 72% 事件（轮次 41，纯读已落盘逐题数据）
- 轮次 33 base（一步、不限幅）的逐题 dump：256 题共 4928 次全拒，均值 19.25/题。
| 分组 | 刹停均值 | 刹停中位 |
|---|---|---|
| 到达的 147 题 | **1.72** | **0** |
| 未到达的 109 题 | 42.89 | 45 |
分位数：**48.8% 的题一次都不刹**；最卡的前 5% 题占全部刹停事件 **24.5%** （ **42.9%** ，前 20% 占 **72.4%** ；后 80% 只占 27.6%（均值 6.6）。>30 次的 71 题（27.7%）几乎承担了整条判据缺口。
- **这改变了"怎么评判一条杠杆"**：§9.2 的"刹停 <2% 推理周期"用**均值**报，会被这 71 题拖死（K=16 均值 7.06%、中位 0.0），而大多数题其实早就满足。⇒ 以后每条臂都要**分层报**：`brake_rate_p90` 与"卡住题占比（brake_rate>0.2） #24 、backoff）会在总均值上看起来"没动"。
- 与失败分类完全对上：63/109"走一半被冻住"就是这批题；**它们同时也是到达缺口的全部来源**（可拿的 +25 pp 区间就在这批题里）。所以攻它们不是锦上添花，是主攻方向。
- 待办（等链跑完再改库，避免重犯 14:45 那次事故）：给 `eval_cl` 补 `brake_rate_p90` 与 `stuck_share` （判据 `brake_rate > 0.2` 的题占比）。
2026-10-20 23:18:25 +08:00
## `ep_waste` 三臂也是负结论，但给出了原因：罚的是没被执行的那段地平线（轮次 42）
- 同一 256 题同 seed、`--inc_cap 1` ，只改 `select=ep_waste --len_w` （罚 `1 − ×
| 臂 | 到达 | 时限内 | 行程比 | 刹车/题 | 刹停率 mean / p50 | 换向率 |
|---|---|---|---|---|---|---|
| 对照（endpoint，
| waste 0.1 | 0.5156 | 0.2695 | 2.6697 | 19.39 | 0.0995 / 0.005 | 0.2527 |
| waste 0.3 | 0.5156 | 0.2656 | **2.5349** | 19.63 | 0.1007 / 0.005 | 0.2511 |
| waste 1.0 | **0.4883** | **0.2383** | 2.7083 | 20.03 | 0.1027 / 0.010 | 0.2490 |
（ `docs/experiment_round40_waste{0.1,0.3,1.0}.json` ）
- **行程比没有随权重单调下降**（ − −
- **原因（这条比结论更有用）**：打分用的浪费比例是在**候选的 16 步地平线**上算的，而每拍真正提交只有 `commit_n=2` 步。排序被"后面 14 步会不会来回抖"牵着走，执行的前 2 步基本不变 ⇒ 改了顺序改不了行为。**要影响执行，惩罚必须只算在会被提交的那段前缀上。**
- 与 `ep_len` 三臂合起来看：**选择期的"路径形状类"惩罚（总行程 / 浪费比例）在两个版本上都是负结论**，而选择期的"多给活路"（ （ #24 ，待测）才是对的方向。差别在于前者动的是没被执行的那段，后者动的是被拒/被选的那 2 步。
- 内部一致性：`brake_rate_mean` 0.0995/0.1007/0.1027 与 `brakes_mean/n_plans` = 19.4/195 ≈ 0.0995 逐位对得上 ⇒ 刚补的分母口径没接错。
2026-10-20 23:03:06 +08:00
## K=16 串行 vs 批量认证等价 + 第一次真正核算"刹停率"（轮次 41）
- `--K 16 --cert_batch 1` 与 `--K 16` （串行）跑同一 256 题同 seed：`success / time_ok_1p3 / brakes_mean / travel_ratio_median / collision_*` **全部逐位相同** ，差异键只有 7 个、且全是我这几轮新加/改口径的报表键（`reverse_*` 的两种口径、`n_plans` 、`brake_rate` 、`moving_share` ）。⇒ **轮次 39 的"试候选数 1/3/8/16 曲线"同样描述批量口径** ，也就是说 K=16 到达 0.5625 这个收益不依赖串行早停这个巧合。
（ `docs/experiment_round40_K16cb1.json` vs `docs/experiment_round39_K16.json` ）
- **整批墙钟 573 s → 469 s（−18%）**：批量把 K 次小调用并成 1 次大调用，在 B=256 的评估里本来就更快。这只说明趋势，**单次规划的 P99 要用独占微基准另测**（修好的探针排在链尾）。
- **`brake_rate` （刹停 / 规划次数）第一次有读数**：K=16 口径 `mean = 7.06%` ，但 ** `p50 = 0.0` **， `n_plans_mean = 195` ， `moving_share_p50 = 98.7%` 。
⇒ §9.2 要"<2% 推理周期"，均值差 3.5 倍，但**中位任务一次都不刹**——全部刹停集中在一小撮题上。这与失败分类完全一致（63/109 是"走一半被冻住"，而它们就是那撮尾巴）。
**含义** ：继续在"普遍少刹"上花力气收益有限，真正的问题是**那批卡住的题里安全层没有可行候选**——正是 K=16（+3.9 pp）与 #24 （把间隙喂进打分）要打的靶子。
- 仪表互验：K=16 批量臂 `reverse_p50 = 0.2625` 与我离线同窗口重算的 K=8 对照 0.247 同量级（K=16 略高，与它到达更多、动得更多一致）；`reverse_moving_p50 = 0.3194` > 全步口径 ✓ 方向正确（除掉站住的步之后更抖）。之前那批 1.x 的读数确系修分母前的旧口径。
2026-10-20 22:55:49 +08:00
## #24 的设计定稿：一次几何调用同时供打分与认证（不放松判据、不加成本）
- 表面看有循环依赖：打分要用的"沿路间隙"目前只在安全层里算，而安全层只认证**排完序**的候选。破法是把顺序倒过来——**先对全部 K 条候选算一次 `2·commit_n` 点的间隙矩阵**，然后：
- 打分：`score = − − − （间隙不足的候选先降序，但**不淘汰**它，判据仍是后面的 `gap > 0` ）；
- 认证：直接用同一份间隙矩阵算 `plen` ，
- 于是代价是**零额外几何调用**，但口径上要求走批量认证（`cert_batch=1` ）——串行那条靠"第一条全安全就早停"省掉后面 K−1 次调用，一旦要按间隙排序就必须先看全部候选。这跟实时性是同一个方向：批量口径本来就是为压最坏情况（轮次 34：80.2→37.1 ms）而做的，所以这条杠杆顺带把部署口径推到批量那侧。
- 读法预设（免得事后挑数）：主判据是 `brake_rate` （全拒/规划次数，刚补上的分母）与 `success` /`time_ok_1p3` ； `gap_ref` 取 0.5 mm 起（宽相位截顶值以内，见轮次 33 的口径教训：余量门限高于 cap 会恒假）。
- A/B 脚本 `ml/runs/_gapscore_sweep.sh` （ `gap_w = 0.5 / 2.0 / 8.0` ，三档差一个数量级，看是否有拐点）。等链跑完、库能改之后实现+单测再跑。
2026-10-20 22:55:24 +08:00
## 代价探针的第一版量错了对象（仪表缺陷，已修）
- 第一版 `ml/runs/_kcost_probe.py` 把"整次 `rollout(..., max_sec=0.041)` 调用"当成"一次规划"来量，得到 `K8/cb0 P50 = 144.8 ms` 、`K16/cb0 = 139.6 ms` 这种**比轮次 34 的 33.5 ms/规划大四倍**的数——那里面包含每次调用的固定开销（`tasks_to_tensors` 、生成器、首段同步），2 步的调用只做 1 次规划，所以固定开销占了大头。绝对值完全不可比，我先差点把它当"K 翻倍不花钱"的证据。
- 修法是**用两个长度解出固定开销**：`max_sec` 取 2 步（1 次规划）与 8 步（4 次规划），`每次规划成本 = (T8 − 。这样才与 §9.2 的"每次推理+认证 P99 <20 ms"同一口径。
- 顺带一条**不能混的机理**：串行认证在 B=1 有早停（第一条全安全候选就 `break` ），所以它对 K **不敏感** ——第一版那组 144.8 vs 139.6 其实主要是这个早停在起作用，不是"K 免费"；批量认证没有早停，K 从 8 到 16 是真的多算点（第一版里 150.7 → 169.1 ms）。两条口径对 K 的响应相反，报数时必须分开写，否则会把"串行下 K 便宜"错当成"批量下也便宜"。
- 修好的探针排在当前批次结束后单独跑（不改正在被 bash 逐行读取的 `_next_batch.sh` ，只跑独立脚本）。
2026-10-20 22:54:08 +08:00
## 到达率的上限在哪（把 #21 的数读成"还剩多少可拿"）
- 两条界都在同一 256 题、`--inc_cap 1` 口径下量得：
- **不要求无碰撞**：纯策略到达 **0.7773** （一步）/ 0.8164（两段）——这是"控制器本身能把活干完"的上限。
- **要求无碰撞**：纯策略只有 **0.3594** （一步）/ 0.3750（两段）——这是"完全没有安全层"时的下限。
- 当前部署口径（开安全层、K=8） **0.5234** ； **0.5625** 。
- 所以可拿的区间是 **0.5234 → 0.7773** （+25.4 pp），而它不是靠放松判据拿：这段全部是"被拒的候选里其实有安全的路"。#24 （间隙进打分）与候选数（#1 ）是同一件事的两个方向——前者让排序避开死路，后者多给几条活路。
- 反过来，纯策略无碰撞到达 0.359 也说明**不能靠"少拒一点"来吃这 25 pp**：拒得越少，穿模越多。只有"选得更准"才吃得到，这也是为什么把已有的间隙数喂给打分比再加余量门限更值钱。
2026-10-20 22:53:07 +08:00
## 判别定案（#21）：两段动作不是"更危险"，是"没有备选"；顺带量出安全层值多少到达
- 关安全层（`--safety 0` ，同 256 题、`--inc_cap 1` ，只改段数）：
| 口径 | 到达 | **无碰撞到达** | 碰撞率 | 碰撞步/题 | 时限内 | 行程比 |
|---|---|---|---|---|---|---|
| pure steps=1 | 0.7773 | 0.3594 | 0.5859 | 58.34 | 0.5352 | 2.375 |
| pure steps=2 | **0.8164** | **0.3750** | **0.5586** | **45.07** | **0.6836** | **1.594** |
| 开安全层 steps=1（对照） | 0.5234 | 0.5234 | 0 | 0 | 0.2656 | 2.616 |
| 开安全层 steps=2 | 0.3945 | 0.3945 | 0 | 0 | 0.2969 | 1.844 |
（ `docs/experiment_round40_safetyoff_steps{1,2}.json` ）
- **结论 1（判据 #21 定案）**：关掉安全层以后，两段在**每一格都不更差**——到达更高（+3.9 pp）、时限内高一大截（+14.8 pp）、**碰撞步反而更少**（58.3→45.1）、行程比更接近老师。⇒ "两段动作更危险"被否；两段在开环与纯策略口径都更好，它唯一输的地方是"开安全层时刹车多 4.5 倍"。
- **结论 2（机理）**：这正好是候选塌缩的必然结果——`steps=2` 时 K 条候选的一阶步标准差从 0.852 掉到 0.0245（ `steps=1` 时候选彼此差得远，总有一条能过。所以"没有备选"是主因，不是"界太保守"（线上只有端点+中点点检，没有位移界）。
- **结论 3（安全层值多少到达，首次定量）**：一步口径下安全层把到达从 0.7773 压到 0.5234（ − **安全层确实在净收益上是赚的** ，不是白拿到达。
- **对"把一步角点训准"这条训练路线的直接警告**：一步候选的多样性，恰恰来自角点的**偏差/欠缩放**（每条 ε 被削到不同的衰减幅度）。如果训练把一步映射成两段那样的收敛解，候选可能一起塌缩 ⇒ **按当前安全层口径，到达率可能不升反降** （实测就是这个方向：steps=2 开闸 −12.9 pp）。所以任何"修角点"的训练都必须**同时**处理候选多样性（更大 K、或给候选注入受控多样性），否则就是拿开环收益去换闭环到达。
- 顺带修一处历史口径：§9.2 的"策略单独碰撞率 <3%"这一格，现在才有合法读数 **58.6%** （一步）/ **55.9%** （两段）——差距巨大，且以前从没在同一配方下报过。
2026-10-21 01:55:57 +08:00
## §9.2 记分板（2026-10-21 现状，最好的合法口径 = `--inc_cap 1` + K=16 + `select=pre`，轮次 51）
2026-10-20 22:51:30 +08:00
| 判据（§9.2） | 要求 | 当前 | 差距 |
|---|---|---|---|
| 实际执行碰撞 | = 0 | **0** （ `collision_rate 0` 、`collision_free_success` = `success` ） **达标** |
| 超 VMAX 的题占比 | = 0（本轮新增的硬口径） | **0** （ `over_vmax_rate 0.000` ，开 `--inc_cap 1` 后；不开则 1.000、峰值 1.660× ） **达标** （代价：到达 − ）
2026-10-21 01:55:57 +08:00
| held-out 可达任务到达率 | ≥ 98% | **0.5967** （可达分母，K16+`pre` ） （ **38.3 pp** ；且相对控制净 +11 题只到 **p=0.061 ⇒ 未确立** |
| 到达用时 ≤ 老师×1.3 | 全部到达题 | 达标比例 **0.3594** （ `pre` ） （ ） （ **这一栏是唯一被逐题配对证明买到的** ： `pre` 净 +17（ ） （ −
| 关节行程 ≤ 规划器×1.10 | ≤1.10 | 行程比中位 **2.414** （ `pre` ；控制 2.616） **1.3 倍** ；罚候选行程/白费比例两条都是负结论，缩短打分地平线顺带降了 0.2 |
2026-10-20 22:51:30 +08:00
| 冷启动 | <10 ms | 未单独测（周期 P50 9.0 ms 是稳态推理，含首段编码） | 待测 |
| 推理 + 安全认证 P99 | <20 ms | 现口径周期 P50 33.5 / P99 64.7 ms；批量认证把最坏 80.2→37.1 ms | 差 **2~3 倍** |
2026-10-21 01:55:57 +08:00
| 刹停 < 2% 推理周期 | <2% | `brake_rate_mean` **7.28%** （ `pre` ， **0.0%** 、p90 27.4% | 均值差 **3.6 倍** ，但中位已达标 ⇒ 极端长尾（`stuck_share` 17.2%）
2026-10-20 22:51:30 +08:00
- 刹停率这一格现在是**手算估算**： `eval` 产物里以前没存每题规划次数。已补 `n_plans` 与 `brake_rate` （并因此踩了 `per['plans']` 键名冲突的坑），当前批次之后的臂会直接给这个数，届时替换估算。
- 记分板脚本 `ml/runs/_scoreboard.py` （读所有产物 + 轮次 33/38 的 GPU 微基准）。**注意它的输出在 GBK 控制台下会因 `⇒` 崩**，要带 `PYTHONIOENCODING=utf-8` 跑——这是我自己的老坑第 N 次复现，脚本以后只打 ASCII。
- 读法：判据之间是相互拉扯的（限速 −5.1 pp 到达、多段推理 +2.4 pp 时限但 −15 pp 到达、放大噪声 −8.2 pp 时限），所以**任何单格变好都要同批报其他格**，这正是记分板存在的理由。
2026-10-20 22:50:41 +08:00
## 多段推理的代价实测（B=1、K=8、逐轮交替、奇数轮反序）
- `docs/experiment_round38_steps_cost.json` （24 轮 × 每轮 40 次，取每档的中位）：
| 段数 | 推理 P50 | 相对 1 段增量 |
|---|---|---|
| 1 | 9.02 ms | — |
| 2 | 14.98 ms | ** +5.97 ms** |
| 4 | 26.72 ms | +17.71 ms |
| 8 | 51.07 ms | +42.05 ms |
- 每多一段 ≈ 多一次解码器前向（编码器 `mem` 只算一次），所以增量近似线性；9.02 ms 这一档比轮次 33 报的 7.2 ms 高，是不同会话的时钟/上下文差别，**只用同批内的差值，不用绝对值跨轮比**。
- 合到整周期上：轮次 34 的现口径 P50 ≈ 33.5 ms，两段就是 ≈39.5 ms（ （
- 与 K 这条轴叠加会更糟（K=16 认证点翻倍），所以 `K=8/16 × 的四格周期微基准排在当前批次里（`ml/runs/_kcost_probe.py` ），这是判断"候选数能不能买到部署里的到达率"的关键一列。
2026-10-20 22:48:51 +08:00
## 候选为什么会"塌"：两段积分把 K 条候选吸成一条（轮次 39 探针，机理定案）
- `ml/runs/_cand_div.py` （256 题特征、同一批噪声 z、K=8，只改段数）：
| steps | 候选间一阶步的标准差 spread | 两两平均距离 pairwise | 第 1 步模长 | ±1 饱和率 |
|---|---|---|---|---|
| 1 | **0.8518** | 5.3647 | 1.1565 | 5.2% |
| 2 | **0.0245** | 0.3024 | 1.0956 | 3.9% |
| 4 | 0.0211 | 0.2861 | 1.0970 | 6.9% |
⇒ **多段积分把 K 条候选的差别抹掉了 35 倍** （
- 这条与轮次 38 的实测严丝合缝：`steps=2/4/8` 到达掉 13–15 pp、刹车 ×4.5，但**开环误差与行程比都更好**——动作质量提升是真的，到达率下降是"没有备选"造成的。
- **但"人为制造多样性"不是解法**（`z_scale=1.5` ，同 K=8）：刹车确实砍一半（19.55→10.51），可到到达掉到 0.4961、时限内从 0.2656 崩到 **0.1836** 、行程比恶化到 3.5243、换向升到 0.32。⇒ 放大噪声换来的"能过的候选"是**分布外**的候选：安全层放行它，但它走的是绕、抖、慢的路。**K=16 的收益来自"同分布内更多候选"，不是"多样性本身"**——这两个数放在一起才把这条轴的边界说清楚。
- 判据状态：#21 的两个分支现在这样分：**"动作更危险"不是主因，"候选塌缩"是主因**（
## 事故：我在链式作业排队期间编辑了被 import 的库，两个臂直接没跑
- 时间线：`z15` 于 14:46:38 结束，链接着拉起 `safety=0 steps=1` （ `brake_rate` 有分母，正在 14:45:5x 用脚本改 `ml/sim/closed_loop.py` ，一次替换把 `per = {...}` 的字典提前闭合，留下 `IndentationError: unexpected indent` 。**新起的 python 进程 import 到的是半成品文件**，两个 safety-off 臂各 2 秒就退出（日志里 `=== safety=0 steps=1 done 14:46:40 ===` 的"done"只是 bash 循环走到下一行，不代表成功）。修好在 14:46:52，48 项测试全绿。
- **教训（比我原先记的"别改正在跑的脚本"更进一层）**：链式作业会在**未来某个时刻**新起解释器，所以"只要不改正在跑的那一个进程"是不够的。规则改为：**链没结束就不编辑被 import 的库；要编辑，先等通知或先让链跑完**。并且 `=== done ===` 这种循环日志不能当成功凭据——**判成功要看产物文件在不在**（这次 `docs/experiment_round38_safetyoff_steps{1,2}.json` 根本没生成，一看便知）。
- 两个 safety-off 臂与 `ep_waste` /`backoff` /K 代价一起并入下一批重跑（`ml/runs/_next_batch.sh` ）。
- 顺带补了验收判据缺的分母：`rollout` 现在记 `n_plans` （每题规划次数）并给 `brake_rate = brakes/n_plans` 、`eval_cl` 报 `brake_rate_p50/mean` 与 `n_plans_mean` ——§9.2 要的是"刹停 <2% **推理周期** "，以前只有绝对次数，**这条判据实际上从来没被真正核算过**。命名上躲开一个坑：`per` 里原本有个 `'plans'` 键是转储用的逐规划字典，新键必须叫 `n_plans` ，否则 `flat` 的过滤 `if k not in ('traj','plans')` 会把它静默吃掉。
2026-10-20 22:43:12 +08:00
## 试候选数的成本-收益曲线（轮次 39，四档齐全，#15 主结果）
- 同一 256 题、同 seed、`--inc_cap 1` 、其余配方（`select=endpoint, replan=empty, commit_n=2, K=8, fb=2.2` ）不变，只改**安全层允许试几条候选**：
| 试候选数 | 到达 | 无碰撞到达 | 时限内 | 刹车/题 | 行程比 | reverse_p50 | 整批墙钟 |
|---|---|---|---|---|---|---|---|
| 1 | 0.4023 | 0.4023 | 0.2227 | 60.44 | 2.5107 | 0.1863 | 112 s |
| 3 | 0.4570 | 0.4570 | 0.2383 | 37.75 | 2.5297 | 0.2244 | 170 s |
| 8（对照） | 0.5234 | 0.5234 | 0.2656 | 19.55 | 2.6158 | —（改动前口径） | 329 s |
| 16 | 0.5625 | 0.5625 | 0.2969 | 13.77 | 2.6243 | 1.5750（旧口径，÷6=0.2625）
（ `docs/experiment_round39_try{1,3}.json` 、`..._K16.json` 、对照 `docs/experiment_round33_cap.json` ）
- **读法**：到达 0.402→0.562（ **这不是放松判据换来的分数** 。
- `reverse_p50` 随"站住更多"而**下降**（ `moving_share` 一起读（后两个键从 14:41 之后的臂才有）。
- **部署口径的未决项**：上面的墙钟是**串行认证**（`cert_batch=0` ）口径；批量认证把 K 条候选并成 1 次调用，理论上能把候选数带来的成本从"线性调用"变成"一次更大的调用"。所以 `K=8/16 × 的四格 B=1 周期微基准（`ml/runs/_kcost_probe.py` ）是这条杠杆能否上线的关键读数——**跨轮次墙钟不算证据**，本表的墙钟只用来说明趋势量级。
2026-10-20 22:42:11 +08:00
## try3 反向档位 + 换向指标的稀释修正（轮次 39 续）
- `--safety_try 3` （只允许安全层试按分数排序的前 3 条候选，其余不变、仍 `--inc_cap 1` ）：到达 **0.4570** （对照 0.5234，−6.6 pp）、时限内 0.2383（−2.7 pp）、**刹车 37.75**（对照 19.55， `docs/experiment_round39_try3.json` ）。
- 把"允许试几条候选"这条轴摆开，是**单调**的：
| 试候选数 | 到达 | 时限内 | 刹车/题 |
|---|---|---|---|
| 3 | 0.4570 | 0.2383 | 37.75 |
| 8（对照） | 0.5234 | 0.2656 | 19.55 |
| 16 | 0.5625 | 0.2969 | 13.77 |
⇒ "全拒是没备选而不是真没路"这条假设有**双向**证据（减档更差、加档更好），不只是单点相关。边际收益在递减：3→8 值 +6.6 pp，
- **但不能当部署结论**：认证点数与候选数成正比（K=8 每次规划 32 个点 → K=16 是 64 个），而 GPU 周期 P50 已经是 33.5 ms、超 20 ms 预算。所以接下来必须先量 `K=8 vs 16` 的 B=1 独占微基准（`ml/runs/_kcost_probe.py` ，已验证调用签名）；如果 K=16 把周期推到 45 ms 以上，这条路就只能靠"一次批量调用覆盖全部候选"把常数项压回去（轮次 34 已证批量把最坏 80.2→37.1 ms）。
- **换向指标被刹停稀释，已修**：try3 报 `reverse_p50=0.2244` ，比对照的离线同窗口值 0.247 **还低** ，而它恰恰是站住最多的臂——因为分母 `nact` 把站住的步也算进去了。补了两个口径：`reverse_rate_moving` （只算动过的步）与 `moving_share` （动步占比，=1−站住比例）。
配套写了**可手算的负对照**： `+0.9 → 站一拍 → − 这一条轨迹给 1/18（全步口径）vs 1/12（动步口径）、moving_share=2/3 ⇒ 稀释效应是真的，不是猜的。写夹具时又踩一次自己的坑：`commit_n=1` 时每拍都重新规划、永远只执行候选的第 0 步，序列里的 0 与 −0.9 根本没被执行到（末步报 3.24° 而不是 0°）——夹具必须按"一次规划提交 3 步"来构造。测试 42→43 项全绿。
2026-10-20 22:37:40 +08:00
## K16：候选数翻倍是本轮第一个正向结果（轮次 39 续）
- 同一 256 题、同 seed、`--inc_cap 1` 、其余配方不变，只把 `K` 从 8 加到 16（ `docs/experiment_round39_K16.json` ）：
| 口径 | 到达 | 无碰撞到达 | 时限内 | 刹车/题 | 行程比 |
|---|---|---|---|---|---|
| 对照 cap（ ）
| **K=16** | **0.5625** | **0.5625** | **0.2969** | **13.77** | 2.6243 |
⇒ 到达 ** +3.9 pp**、时限内 ** +3.1 pp**、**刹车 −30%**，碰撞仍为 0，行程比不变。这一条直接支持失败分类的判断：**很多"全拒"不是真没路，而是 8 条候选里没有一条能走**；把候选池翻倍，安全层就找得到可行前缀。这是本轮（36–39）四个杠杆里第一个正向、且不放松任何判据的结果（限速 `inc_cap=1` 照开、间隙判据照旧）。
- **代价没量之前不许上线**：K=16 意味着每次规划的候选点从 32 个（8×2×2）到 64 个，认证与打分都要翻倍——这正好是要用独占微基准量的东西（跨轮次墙钟不算证据：这批整批墙钟 573 s vs 对照 325 s，但同期我在同一台机器跑了 CPU 分析，**不能当成本**）。`steps_cost` 探针之后要补一个 `K=8 vs 16` 的 B=1 周期微基准。
- **仪表对上了**： `reverse_p50 = 1.5750` ，是**我修分母之前**的口径（每步换向轴数，0–6），除以 6 = **0.2625** ；离线按 rollout 同窗口算的对照臂预测是 **0.247** ⇒ 差 6%，在"K 更大→走得更顺"的合理方向内。读数规则写死：**产物里的 `reverse_p50` 早于 14:28 的一律先除 6**，之后的才是 [0,1] 的分数。
- 之后三臂（`safety_try 3/1` 、`z_scale 1.5` ）在跑：`safety_try` 是**成本方向**的对照（只试前 3/1 条候选会掉多少到达），`z_scale` 是多样性方向。
2026-10-20 22:35:57 +08:00
## 指标链路端到端自证 + 预注册一条判读（轮次 39 续）
- **CPU 冒烟（4 题、`--select ep_waste --len_w 0.3 --cert_batch 1 --backoff 2 --inc_cap 1` ） `reverse_p50 / reverse_mean / backoff_mean / reject_all_mean` 四个新键**都在**（ `ml/runs/_smoke_waste.json` ）。这是在验证"生产端改了、消费端也要改"那条教训落地——上次 `backoff_mean` 就是这样静默丢掉的。同时证明 `ep_waste` 与 `backoff` 在真实运动学管线上能一起跑，不靠打桩。
- **预注册判读**（读 256 题四臂之前先把解释规则写死，免得事后挑数）：这次 4 题小样本给的是 `backoff_mean 11.25 / reject_all_mean 88.25` ⇒ 缩步转化率约 **13%** 。
- 若 256 题也只在 10– `backoff` 只留作安全侧兜底（它确实把零运动换成慢运动，但不买到达），到达率这条路要转向"围绕受阻状态重采集数据"（训练侧，需要放行）。
- 若转化率到 60% 以上：`backoff` 直接吃到失败分类里 63/109 那组，值得继续投预算（并与 `ep_waste` 组合再测）。
- 两个分支都要同时报 `brakes_mean` 与到达/时限，不能只报转化率。
2026-10-21 01:55:57 +08:00
## 轮次 39：两条没人碰过的算法杠杆——候选档位与行程惩罚（机制已单测，A/B 排队）
- **为什么是这两条**：轮次 38 的失败分类说清楚了两件事——① 到达率的缺口在"K 条候选全被拒 ⇒ 原地冻住"（ **2.4~2.6** ，而现在**没有任何机制在管行程**（选择器只看末态误差，安全层只看间隙）。另外 `--steps` 那组数顺带给了一条线索：多段推理把行程比从 2.62 拉到 1.87，说明行程主要由候选选择/动作形状决定，不是物理必然。
- **杠杆 1：候选档位与多样性（#15 ） `ml/eval/eval_cl.py` 补 `--z_scale` （rollout 早就有这个参数，只是评估没接）。四臂对照轮次 33 cap：`K=16` 、`K=8 --safety_try 3` 、`K=8 --safety_try 1` 、`K=8 --z_scale 1.5` 。要回答的是：**全拒是"真没路"还是"没备选"**——若 K=16 或 z_scale 拉大能把到达/刹车买回来，那是候选池的问题；若 `safety_try 1` 几乎不掉到达，那说明第 1 条候选就够，后面试 7 条只是在花几何查询的钱（这对 20 ms 预算直接相关）。
- **杠杆 2：行程惩罚（`select='ep_len'` + `--len_w` ） `-末态误差` 改成 `-末态误差 − （每轴按自己的满速步长归一，所以 6 轴可比）。
- 机制单测 2 条（`tests/test_eval_cl.py::TravelPenaltySelectTest` ，40 项全过）：造两条**末态相同、累计位移相同**的候选，一条来回抖（归一行程 10.8）一条匀速（3.6），`goal_err` 打成常数 ⇒ 只有行程能把它们分开。实测 `len_w=0` 选到抖动那条（第 1 步 1.08°）、`len_w=1.0` 选到匀速那条（第 1 步 0.27°）；另有一条**同分零权重必须与 `select='endpoint'` 逐位相同**的回归断言（rtol=atol=0），保证默认行为没被这次改动碰到。
- 待测：`len_w ∈ {0.1, 0.3, 1.0}` 三臂，看行程比能压到多少、到达与时限各付多少。这条杠杆与"到达率"是相互冲突的目标（惩罚行程=主动走慢），所以必须成对汇报，不能只报行程变好。
- 单位口径要说清：`len_w` 的量纲是"mm 误差 / 一个归一 STEP 的累计行程"，16 步满速在 3 条轴上大约是 48，所以 0.1~1.0 对应的惩罚是 5~50 mm 当量——这是扫这三个值的原因，不是随手取的。
- 测试 `tests/test_eval_cl.py` 38→40 项、全套 43→45 项（`python -m unittest discover -s tests` ，2.2 s 全绿）。GPU 队列顺序：backoff A/B → `--safety 0` 判别 → 候选档位 → 行程惩罚。
- **等价闸门先过了**： `--backoff 0 --cert_batch 1 --inc_cap 1` 的 256 题与轮次 33 cap（ `--cert_batch 0` ） （ `docs/experiment_round38_backoff0.json` 对 `docs/experiment_round33_cap.json` ，把两个 metrics 字典做键并集比较，差异集合为空，含 success 0.523438、time_ok 0.265625、brakes 19.55…）⇒ 轮次 36 我把批量认证分支重写（加缩步档那一段）没有改动任何行为。
- **两个我自己的操作失误，如实记在这里**：
1. 新加的 `backoff` 指标一度在产物里根本没有——`ml/eval/eval_cl.py:run()` 的 `out` 是**自己显式列键**的，不是从 `rollout` 返回的字典通抄，所以我往 `res` 加的 `backoff_mean` 被无声丢掉。已改成从逐题 `per['backoff']` 汇总（`backoff_mean` + `reject_all_mean = backoff+brakes` ，后者才是与"原来全拒次数"可比的量）。**教训：加指标要顺着输出链路走到底，别只改生产端。**
2. 停后台 GPU 作业时，`TaskStop` 之后 `bash` 脚本链会活下来并继续拉起下一个 python；而 `nvidia-smi --query-compute-apps` 在这台机器上列不出这些 python（只列 ShellHost/wallpaper32 之类），据此判断"卡已空"会误判。我第一次按 PID 杀子进程后，链条 30 秒后又起了一个新的 eval。第二次我按进程树杀，但**把父子关系读反了**（Windows 的 PPID 在父进程已死时是陈旧值），结果误杀了新链的第一臂。正确做法：重启前用命令行正则列出全量候选、数 python 个数确认单租户，重启后再数一次；杀之前先按 `StartTime` 判新旧。backoff 那一臂因此要补跑。
## 行程惩罚 ep_len 三臂读数：时限变好，但行程比没降（轮次 39 续，负结论）
- 同一 256 题、同 seed、都带 `--inc_cap 1` ，只改 `select=ep_len --len_w` ：
| 臂 | 到达 | 时限内(≤1.3×老师) | 行程比(中位) | 刹车/题 | 成功题末态误差 |
|---|---|---|---|---|---|
| 对照（endpoint）
| len_w=0.1 | 0.5117 | 0.2695 | 2.6216 | 19.49 | 0.244 mm |
| len_w=0.3 | 0.5195 | 0.2852 | 2.6548 | 20.00 | 0.219 mm |
| len_w=1.0 | 0.5273 | **0.2891** | 2.6719 | 19.35 | — |
（ `docs/experiment_round39_lenw{0.1,0.3,1.0}.json` ）
- **两条相反的结论**：① 时限内**单调变好**（ ， − **行程比一点没降** （ ，
⇒ "候选地平线内的累计行程"不是"实际执行行程"的好代理：罚它选出的候选在**近端少过冲**（所以收得快、时限内变好），但整段任务要更多次规划才能走完，累计行程不降反升。这条是我原先的假设被打掉，不是被确认；`ep_len` 只值 +2 pp 时限，且对 §9.2 的行程判据无用。
- 顺着这个读数，真正该罚的是**同一轴来回**而不是总长：已实现 `select='ep_waste'` ，罚 `(1 − 同轴净位移/累计行程) × 当前误差` （乘当前误差是为了近端不压死进度项——上一版的形状问题正在这里）。三臂 `len_w=0.1/0.3/1.0` 排在 `ml/runs/_waste_sweep.sh` 。
- 换向率指标 `reverse_p50` 从这一批之后才会出现在产物里（前面的臂是在改动前加载的模块跑的），口径已与离线分解同分母，预期对照臂应复现 **23.5%** 量级——**对不上就要查口径，不能各自报各自的**。
## 换向率进了评估指标（轮次 39 续）
- 分解既然指到"来回抖"，每个臂都要直接报这个数，不能每次回头读转储：`rollout` 里按轴记方向，`reverse_rate` = 同轴方向翻转的步数 / 活动步数（站住的步不重置方向，所以"停了再同向走"不算换向）；`eval_cl` 报 `reverse_p50` /`reverse_mean` 。
- **正对照**（ `tests/test_eval_cl.py` ，42 项全绿）：抖动轨迹报 >0.4、匀速轨迹报 ≈0——指标本身要证明有灵敏度，不然等于没测。
- 待交叉验证：新指标在对照臂上应复现转储离线算的 **23.5%** （p50）；对不上就是两个口径有一个错。
- 生产端改了、输出端没改=没改：上一次 `backoff_mean` 就是这么丢的，这次加指标同时改了 `closed_loop.per` 与 `eval_cl` 的显式键列表。
## 行程超出的成因分解（轮次 39 续，纯 CPU 读轮次 33 base 转储）
- 口径先对齐：只在"有老师参考且到达"的题上算，自测 **2.425** 与 eval 报的 2.445 同量级（差别在我按 `t_done/DT` 取窗端，eval 逐步累加），后面的数都在这个口径上。
- **超出主要是同一根轴来回抖，不是绕远路**：净位移/总行程中位 **0.445** （完美单调应为 1.0）、各轴最大 excursion/行程 0.507、旧口径换向中位 23.5%（
- **撤回一句我自己的假象（并且这条也要再撤回一次，见下一条）**：上面原来写"到达组抖得更厉害（26.1% vs 未到达 14.7%） ， `(dd[t+1]·dd[t] < 0).mean()` 要求相邻两步都非零，遇到"前进→停住→后退"就漏计；而未到达题恰恰大量站住，于是被系统性地少计。
- **用与定义无关的量重算（净位移/总行程，同一转储、同一窗口）**：**到达组 0.478、未到达组 0.352** ⇒ 未到达组白费比例更高（走完 738° 只前进 255°；到达组是 569°/267°）。这条稳。
- **但换向率的组间比较我第二次算错，现纠正**：上一次我用"未到达 24.0% vs 到达 14.4%"来说组间差异，那个算法把**到达题到达之后的冻结步**也算进了分母（`act` 只按 `tn<=limit` ，没排除已到达），把到达组稀释了。按与 `rollout` 完全同语义的窗口（到达题截到 `t_done` ）重算，得到的是**两组差不多**：
| 转储（口径） | reverse_p50 全体 | 到达组 | 未到达组 |
|---|---|---|---|
| `round33_cap` （ **0.2474** | 0.265 | 0.233 |
| `round33_base` （不限幅） | 0.257 | 0.275 | 0.240 |
（ `docs/experiment_round39_reverse_offline.json` ）⇒ **换向是全局现象（约 1/4 的(步,轴)对在反向），不是失败题的特征** ；失败题的特征是"白费行程比例高 + 大量站住"。这两件事先前被我混成一句，现在分开。
- **可证伪预测（等 backoff 对照臂回来对表）**：同一配方下 in-eval 的 `reverse_p50` 应当 ≈ **0.247** 。差得多就说明线上实现与离线同语义重算不一致，得先查仪表再谈算法。
- **口径敏感要常驻**：分组/比较类断言之前，先换一种定义把同一份数据再算一遍；两种定义都给同方向才写进日志。分母必须与指标定义一致（`act_ = 未 done 且 在时限内` ），否则"到达题窗短"会系统性稀释任何按步数归一的指标。
- **对得上训练侧的事实**：预训练本来就有 `w_smooth=0.05` 的二阶差分正则，但闭环仍大量换向 ⇒ 训练期的平滑项没管住执行期的抖动。
- **第一条 A/B 读数（`len_w=0.1` ， `--inc_cap 1` ） （
原因是量级不匹配，不是方向错：`0.1 × （16 步满速在 3 条轴上约 48）只当量 ~5 mm，而早段末态误差是几百 mm ⇒ 罚不动。等 `len_w=0.3/1.0` 两臂看行程比是否真的开始下降；若仍压不住，惩罚对象应从"总行程"换成**换向/二阶差分**（直接打这个 23.5%）。
## 执行余量与前缀完整性审计（轮次 39 续，纯 CPU 读轮次 33 转储）
- 256 题 ×
- **执行点的间隙分布**：≥0.5 mm（=宽裕）占 **91.0%** ； – ； ； **0.029 mm** 。
⇒ 两件事：① 大多数执行是宽裕的，所以"加 0.5 mm 余量门限"只花 3 题（轮次 33 margin 已实测）是自洽的；② 但每题都会至少一次贴到 **30 µm** 级——这是胶囊模型内部的"贴"，真机的运动学与装配误差远大于这个数，**搬到实机时这条是实质风险**，不能当成"我们有余量"。
- **前缀完整性**：满前缀 79.4%、部分前缀 10.8%、全拒 9.9%。分组看全拒率——**到达题 0.88%，未到达题 22.0%**（未到达组因此 44% 的步是零运动，与时间账量的 37% 同量级：那 37% 是"活动窗内"，这里是"×
- **对 `backoff` 的预期与判据**：全拒意味着"连第 1 步的端点或中点已经穿进障碍"，缩步能不能救取决于**穿得有多深**（穿 0.1 mm 救得回，穿 3 mm 救不回）。这个数转储里没记（只记被选中那条），所以直接由 `backoff_mean` /`reject_all_mean` 来量：
`reject_all_mean ≈ 原全拒次数` （ `backoff_mean/(backoff_mean+brakes_mean)` 就是"缩步能救回的比例"。这是补跑（#22 ）要读的第一个数。
2026-10-20 21:55:15 +08:00
## 轮次 38：把 `--steps` 打通之后，闭环反而变差——瓶颈从"动作质量"移到了"安全层拒绝率"
2026-10-20 07:56:58 +08:00
2026-10-20 21:59:19 +08:00
2026-10-20 21:55:15 +08:00
- **动机**：E1-b 实测同一个模型的一步输出比它自己的两段采样离老师远 **10 倍** （ `ml/eval/eval_cl.py` 加 `--steps` （默认 1，发布口径不变），同一 256 题、同 seed、同配方只改段数：
2026-10-20 07:56:58 +08:00
2026-10-20 21:55:15 +08:00
| 口径 | 到达 | 时限内(≤1.3×老师) | 刹车/题 | 到点耗时 | 行程比(中位) | 成功题末态误差 | DLS 接管份额 |
|---|---|---|---|---|---|---|---|
| steps=1 cap=0（ ）
| steps=2 cap=0 | 0.4258 | 0.3555 | **86.31** | 1.67 s | **1.571** | 0.243 mm | 0.453 |
| steps=1 cap=1（ ）
| steps=2 cap=1 | 0.3945 | 0.2969 | 86.16 | 1.93 s | 1.844 | 0.293 mm | 0.445 |
2026-10-20 21:57:02 +08:00
| steps=4 cap=1 | 0.4062 | 0.3047 | 79.65 | 1.91 s | 1.882 | **0.135 mm** | 0.461 |
2026-10-20 21:59:19 +08:00
| steps=8 cap=1 | 0.4102 | **0.3242** | 79.70 | 1.93 s | 1.870 | 0.253 mm | 0.469 |
2026-10-20 08:42:29 +08:00
2026-10-20 21:59:19 +08:00
（ `docs/experiment_round36_steps{2,4,8}_cap1.json` 、`docs/experiment_round36_steps2_cap0.json` ）
**段数趋势（都在 `--inc_cap 1` 的合法限速口径）** ：到达 0.523 → 0.395 → 0.406 → 0.410（一步之后就先掉再平），时限内 0.266 → 0.297 → 0.305 → **0.324** （单调变好），行程比 2.62 → 1.84 → 1.88 → 1.87（单调变好、贴近老师），刹车 19.6 → 86 → 80 → 80（一步之后翻 4 倍就不再降）。
⇒ 多段推理把"更快、更贴老师、更省行程"这三样都买到了，唯独买不到到达率——那道门的拒绝率把它顶住了。段数从 4 到 8 几乎不再变化，说明瓶颈不在采样精度。
2026-10-20 21:57:02 +08:00
- **失败分类**（不占卡：读轮次 33 base 的 256 题轨迹转储，CPU 重算末态位姿误差，`docs/experiment_round38_fail_taxonomy.json` ）。147 到达 / 109 未到，未到题按"末态离目标多远 + 被拒多少次"分桶：
| 桶 | 题数 |
|---|---|
| 位置 >100 mm 且刹车 >30 次（走一半被冻住） | **63** |
| 位置 >100 mm 但刹车 ≤30 次（方向错 / 绕圈） | 23 |
| 位置 20~100 mm | 15 |
| 位置 5~20 mm | 5 |
| 位置 <5 mm 但姿态没到位 | 3 |
| 起步失败 | 0 |
未到组中位数：位置误差 255 mm、姿态误差 11.0°、**活动窗内 37% 的步是零运动**。
⇒ 到达率的缺口不在精度或姿态判据（这两类合计只有 8 题），而在**走一半被冻住**：76% 的失败离目标还 >100 mm，其中多数是安全层反复全拒。这正是 `backoff` （全拒时缩步顶上）对着的那块；也说明 #15 （候选数与安全档位）比"往打分里加剩余时限"更值钱。
2026-10-20 21:55:15 +08:00
- **反直觉但自洽的一组数**：两段推理**开环更贴老师**（ ： （ （
- **卡点在安全层不在策略**：刹车从 19.25 → 86.3/题（4.5 倍），未到达组的刹车中位数从 45 → 176（几乎每步都被拒 ⇒ 原地冻结，末态误差 p50 也从 230 → 406 mm）。也就是说**发布的那 57.4% 是与"一步那套偏置且被削弱过的动作"共同标定出来的**：策略、反馈增益、认证口径、DAgger 采集分布四者都围着它。
- **两种解释必须分开，否则下一步会走错**：
- (A) 两段动作确实更危险（一段更长 ⇒ 真的经过障碍附近）；
- (B) 拒绝来自口径而非几何。
**先把我自己写的 (B) 改正一次** ：线上安全层里没有"位移界随步长放大"这回事——它只做点检（每步的端点 + 中点，`gaps(...).min(-1) > 0` ，见 `ml/sim/closed_loop.py` 的 `okstep = ok6[:, :commit_n] & ok6[:, commit_n:]` ）。确定性界只在我离线做的连续认证里用。所以 (B) 不可能以"界太松/太紧"的形式成立；能以 (B) 解释的只剩两种：**点检欠采样**（那会让它偏松而不是偏严）与**候选多样性塌了**（两段积分把 K 条候选吸到一起，没有备选可退）。
于是判别实验定为三件：`--safety 0` 的 steps=1 vs steps=2 对照（看真实碰撞率差多少 ⇒ (A) 的直接证据）、候选多样性探针、steps 的 B=1 代价实测。脚本 `ml/runs/_safetyoff_ab.sh` ，结果见下面补记。
- **对 K-MF 那条训练路线的直接含义**：把角点"训准"会让动作分布变成现在两段那样 ⇒ 按当前认证口径，到达率可能**先降**。所以训练不是下一步，先做 (A)/(B) 判别；若是 (B)，收紧认证（细分/更紧的界）比训模型便宜得多，而且是 50 Hz 也必须的那块。
- **共同标定的第三处证据（回代码确认）**：`ml/dagger/collect.py:48` 调 `rollout` 时也不传 `steps` ⇒ DAgger 采集的状态分布同样是一步走出来的。所以"一步偏置的动作"同时被三处围着标定：策略微调数据、反馈增益、认证口径。改任一处都要另两处跟上，不能指望"只换推理段数"就白拿 10 倍开环增益。
2026-10-20 08:42:29 +08:00
2026-10-20 21:55:15 +08:00
## 轮次 37：
2026-10-20 08:42:29 +08:00
2026-10-20 21:55:15 +08:00
- **交来的方案里那几条 file:line 断言，逐条回代码核过（都成立）**：`ml/model/meanflow.py:38-39` 是标准 Eq.4 单段自举（`jvp` 切向量 (v,0,1)，目标 `v − − ）；`ml/train.py:162` 调 `meanflow_loss` 时**没接 ada_p** ⇒ 自适应加权一直是默认 `ada_p=1.0` （配置里改不了，与方案说的一致）；`p_neq` 在第 `p_neq_warm=5000` 步从 0 硬切到 0.5； `p_edge=0.1` 把 10% 样本钉在部署角 (r=0,t=1)； `policy.sample_k(..., steps=1)` 是默认，`ml/model/policy.py:153` ⇒ **历史发布的所有数字都是一步推理** 。
- **方案里过时的两条要先改掉，否则会拿旧靶子做新实验**：「闭环 0% 到达、79% 碰撞」是 DAgger 之前的状态，现在是 256 题到达 57.4%、实际执行碰撞 0（轮次 30/33）；「DAgger 全量是主线，先做」也已完成（`base_dag2_dag1` 就是两轮的产物）。所以 E 系列的判据不能再用"能不能从 0 救起来"。
- **E1 第一版判据是自证的，作废**：我先拿"网络自己的 r≠t 切片走 32 段"当平均速度真值——那正是 MF 损失直接训练的切片，等于用被测公式的收敛解当真值。改成**与损失无关的参考**：平均速度的定义是瞬时场（r=t 切片，由纯流匹配监督）的流图 `u_true = (z_t − − ，128 段欧拉；离散化自证：128 段与 512 段的真值差 0.019（相对 **0.18%** ）⇒ 参考本身稳。
- **E1 结果（`docs/experiment_round36_kmf_e1.json` ，
2026-10-20 08:42:29 +08:00
2026-10-20 21:55:15 +08:00
| 目标写法 | (r=0,t=1) 部署角 | 最差 ‖du/dt‖ 处 (t=0.05) |
|---|---|---|
| MF（现行 Eq.4） **3.851** | 2.629 |
| K-MF 按方案抄的 (1−λ)²/λ² | 7.187（
| K-MF 把平方换成线性权重 (1−λ)/λ | 14.661（更差） | 2.106 |
| 把整条修正移到中点时刻 `du(z_c,r,c)/dc` | **2.364（ | 2.468 |
| 网络现在的一步输出 u(ε,0,1) | 3.906 | — |
2026-10-20 09:41:44 +08:00
2026-10-20 21:55:15 +08:00
- **两条硬结论**：
1. **方案抄来的 Eq.7 系数在收敛解上不自洽** ：λ=0.5 时两项系数和 = (1−λ)²+λ² = 0.5，不动点变成 `v − − ，不是平均速度；实测也印证——部署角 `‖du(z_t,c,t)/dt‖ = 28.0` 而 `‖du/dt‖ = 4.24` （把 r 槽钉在中点后对 t 的导数大 6.6 倍），组合被这一项主导，所以偏差反而更大。**K-MF 仓库只有 README，论文只能引公式，这条是我们自己的数**：要么抄漏了子区间时长因子，要么 c 的定义不同。判据「K-MF 偏差 ≤ MF 的一半」在这个写法下不成立（1.87×）。
2. **自举污染是真的，而且就在部署角** ：网络一步输出与自己的流图差 3.906（相对 38%），而 MF 目标的偏差 3.851 几乎一样 ⇒ 训练把目标的偏差原样灌进了线上那一步。`‖du/dt‖` 在两端炸开（t=0.05 为 156.6、t=0.95 为 64.3，中段只有 1.6– **66× ）。
- **E1-b（ `docs/experiment_round36_kmf_e1b.json` ，512 样本，比的是"离老师多远"，归一化动作块 L2）**：一步 **4.326** ；同模型 2 段 **0.434** 、4 段 0.429、32 段 0.601；流图（r=t，
- **这一条比 K-MF 本身更要命**：57.4% 的到达是在"线上一步输出偏离自己场 10 倍"的前提下拿到的，安全层/反馈/DAgger 都在替这个角点擦屁股。所以先把 `--steps` 打通，量它对闭环到达的影响，再决定要不要为"把一步训好"付一次训练。
2026-10-20 09:41:44 +08:00
2026-10-20 21:55:15 +08:00
- **不动点判决补一个解析实验**（ `tests/test_meanflow_targets.py` ， `x~N(0,σ²)` 时 PF-ODE 是线性的，流图 `z_r = z_t·sqrt(s²(r)/s²(t))` 有闭式 ⇒ 平均速度真值有闭式。把**精确场**代进四种写法：
- 仪表自证：Eq.4 代精确场逐位还原真值（绝对偏差 <1e−12，σ=0.5/1/2 三档、(r,t) 三组都过）⇒ 后面的数可信。
- **收敛阶分开"有偏"与"无偏"**（区间长度 0.2→0.1→0.05，σ=2 的相对偏差）：`sq` （按方案抄的 (1−λ)²/λ²）0.426→0.133→0.057，比值 ≈0.4 ⇒ **只有线性收敛 = 结构性少修一半** ； `lin` （换成系数和为 1 的线性权重）0.042→0.015→0.004、`mid` （整条修正移到中点）0.147→0.042→0.010，比值 ≈0.25 ⇒ 二次收敛，只剩积分误差。
- 跨整段 (0,1) 时**所有**单点导数写法都不可信（σ=2：
- 测试 35→38 项（缩步档 3 项）+ 新文件 `tests/test_meanflow_targets.py` 3 项 ⇒ 共 41 项。
- **目标写法开关已落地但默认不启用**（`ml/model/meanflow.py` 新增 `avg_velocity_target(..., target='mf'|'lin'|'sq'|'mid', lam)` ， `ml/train.py:162` 从配置读 `mf_target` /`mf_lam` ）：
- 默认 `mf` 分支与原实现**逐位相同**（测试用同一批输入把老写法重构出来对拍 `u` 、`u_tgt` 、`z` 三个张量，rtol=atol=0）。
- 接线自证：把解析高斯场做成桩喂进 `avg_velocity_target` ，float32 下三种写法的偏差与 float64 解析值逐位到小数四位一致（sq 0.4262→0.1332→0.0567、lin 0.042→0.0149→0.0038、mid 0.1465→0.0422→0.0104）⇒ z_c、切向量、r 槽换位没接错。
- 加这个开关不是为了训它，是为了"E2 若要训，先有一条不改默认路径的口子"。要不要付这次训练，等 #21 的判别结果（见轮次 38）。
2026-10-20 09:41:44 +08:00
2026-10-20 21:55:15 +08:00
## 时间账：限幅之后 time_ok 的损失在"站住"上，不在巡航速度上（2026-10-20，轮次 36 续）
2026-10-20 09:41:44 +08:00
2026-10-20 21:55:15 +08:00
- **口径**：直接吃轮次 33 的 256 题轨迹转储（`ml/runs/round33_cap.pt` 、`round33_base.pt` ，离线分析 `ml/runs/_time_audit.py` ，产物 `docs/experiment_round36_time_audit.json` ），按每题的活动窗把每一步按「该步最大关节位移 / VMAX·DT」分四档：零运动、<0.5、0.5–0.95、≥0.95。切片时踩了一个自己的坑：`per['traj']` 是 `torch.stack(traj, 1)` 出来的 ** [B,T,6]** 而不是 [T,B,6]，按列切成了"同一时刻不同题"，比值全是 70~230 的 nonsense；加了 `traj[i][0] == q0` 的断言之后才挡住这类错。
- **实测（占活动窗的比例）**
2026-10-20 10:10:25 +08:00
2026-10-20 21:55:15 +08:00
| 组 | 题数 | 零运动 | <0.5 | 0.5–
|---|---|---|---|---|---|---|---|
| base 到达且按时 | 100 | 1.9% | 4.0% | 19.4% | 74.8% | 1.2 | 1.5 步 |
| base 到达但超时 | 47 | 10.5% | 7.2% | 25.5% | 56.8% | 10.1 | 1.7 步 |
| base 未到达 | 109 | 32.6% | 9.9% | 32.8% | 24.7% | 38.6 | 2.1 步 |
| cap(限幅) 未到达 | 122 | 30.1% | 9.7% | 31.0% | 29.1% | 35.9 | 2.1 步 |
2026-10-20 10:10:25 +08:00
2026-10-20 21:55:15 +08:00
- **判读**：限幅并没有把动作整体拖慢——未到达组的 ≥0.95 档反而从 24.7% 升到 29.1%；真正吃掉时限的是**零运动**（占活动窗 30%，平均每题 1.54 s）和**长刹停段**（最长 41 步 = 0.82 s 原地不动）。所以 #17 不该往"打分里加剩余时限"这种间接方向做，直接打"全拒⇒站住"这一条。
- **改动（默认关，`--backoff` ）**：全拒时不再站住，把首选候选按 1/2、1/4、1/8…（档数 = backoff）**并进同一次批量认证**（零额外几何调用），只在原候选连第 1 步都不安全时顶上；缩步候选不参与"前缀更长者优先"的比较，所以正常路径的选择逐位不变。新增 `backoff_mean` 指标记录缩步次数。测试 35→38 项（全拒→慢爬、有安全前缀时插手无效、未开批量认证时报错）。
- **待测**： （ `--inc_cap 1 --cert_batch 1 --backoff 0/1/2/3` ）——GPU 先让给 K-MF E1，这轮排在其后。
2026-10-20 10:10:25 +08:00
2026-10-20 21:55:15 +08:00
## 轮次 36：规划起点队列长度实测——#19（循环内共享 FK）判掉
2026-10-20 10:10:25 +08:00
2026-10-20 21:55:15 +08:00
- **要判的问题**：轮次 35 留下"循环内唯一可省项"是 `qe == q` 时把 features 已算的 `cum_xf` 共享给反馈/打分，实测那份 `cum_xf` 在 B=1 值 **3.631 ms** 。但它只在规划时队列为空（`r = queue.shape[1] == 0` ）才成立，而部署口径是 `replan='r3'` 。先量 r 的分布再决定，不靠推测。
- **做法**： `rollout(..., return_traj=True)` 顺带记每次规划的 `r` （ `plans['r']` ，纯诊断，不参与任何判据）。32 题同批、K=8、fb 2.2、dls_safety 1、`docs/experiment_round36_plan_r_hist.json` ：
2026-10-20 12:20:31 +08:00
2026-10-20 21:55:15 +08:00
| 口径 | 规划次数 | r 分布 | r==0 占比 | 平摊可省 |
2026-10-20 19:13:40 +08:00
|---|---|---|---|---|
2026-10-20 21:55:15 +08:00
| empty / commit 2 / 不限幅 | 175 | r=0 全部 | 1.000 | 3.631 ms/次 |
| **r3 / commit 3 / 不限幅** | 118 | r=3:116、r=2:1、r=0:1 | **0.0085** | **0.031 ms/次** |
| r3 / commit 3 / inc_cap 1 | 118 | 同上 | 0.0085 | 0.031 ms/次 |
| empty / commit 3 / inc_cap 1 | 117 | r=0 全部 | 1.000 | 3.631 ms/次 |
2026-10-20 19:13:40 +08:00
2026-10-20 21:55:15 +08:00
- **结论（不做）**：部署 r3 稳态每次规划都从队列第 3 步之后开始，`qe` 是前缀末端而不是 `q` ，与 features 的姿态不同 ⇒ 共享率 1.7%，平摊收益 0.03 ms，为它加一条按 r 分支的参数面不值。**评测口径（empty）能省 3.6 ms 这件事不能当成部署收益汇报**——发布的那批 57.4% 数字是在 empty 下跑的，若将来把部署也改成"队列空了才规划"，这条要重开。
- **顺带记下的实测**：同一批 32 题上 empty/commit2 到达 0.469、r3/commit3 0.438、加 inc_cap 后 0.406（
- 测试 35 项仍全过（`plans['r']` 只增不改）。
2026-10-20 19:30:02 +08:00
2026-10-20 21:55:15 +08:00
## 轮次 35：半精度、流水线复用与 float32 认证的实测（exp: `exp/dagger-deploy`，三条路两条被自己否掉）
2026-10-20 19:30:02 +08:00
2026-10-20 21:55:15 +08:00
- **按用户指定的方向先量显卡精度档**（ ， `docs/experiment_round34_precision_ab.json` ； ，
| 精度 | 推理 P50 | 推理 P99 | 整周期 P50 | 整周期 P99 | 动作最大偏差 |
|---|---|---|---|---|---|
| FP32 | 7.68 ms | 10.63 | 36.51 | 46.57 | — |
| FP16 | 8.31 ms（慢 8%） **55.60（更差）** | 2.1e− **0.0050°** |
| BF16 | 8.58 ms（慢 12%） − **0.0377°** |
结论：**这个网络在这个批量下不是算力受限**，半精度换不来时间，还要付动作偏差与更差的尾部 ⇒ 推理保持 FP32。（未测更大 batch，那里的结论不下。）
- **float32 能不能做认证**（ `docs/experiment_round34_f32_cert.json` ，48 段 × 9 网格点 × 15 组对，宽相位 cap 2 mm）：f32 与 f64 间隙差 p50 **0** 、p99 3.66e− − − − −
- **流水线复用特征间隙——否掉**（ `docs/experiment_round35_pipeline_gaps.json` ）：想法是"下一次规划的 q 正好是本次认证已算过的末点"。第一版给出 42.1→31.8 ms，但**等价性检查不通过**（缓存行与新算差 3.19 mm）——是我取行索引用错（`full[CN-1]` 取到第 2 条候选的第 1 步，而非第 1 条候选走完 commit 步）。修好后收益只剩 **34.8→31.7 ms（−3.1 ms） ：复用要求认证调用改用 cap=40 的宽相位（特征所需），省下的被吃回大半；且缓存行与新算**不是逐位相同**（差 6.3e−5 mm，源于不同 batch 下矩阵乘的结合序），会扰动特征输入。⇒ 不为这 3 ms 改口径，放弃。
- **剩下的量级判断**：一个周期 ≈ 推理 7.2 + 特征 13.1（宽相位 8.2 + FK 4.0） **4–5 次调用各自重做同一个宽相位筛选** （67,256 个簇对）。下一步是把一次筛选的半径按位移界（`cert_lever` ）扩到整个 commit 地平线，供同周期所有点共用——这才是有量级的候选，而不是再抠精度。
- **再一次自我撤回（方法论）**：为了找"合并几何调用"的收益，我写了三个变体的探测：①两次独立调用 17.62 ms、②共享一次 `cum_xf` 13.32 ms、③合成一次 cap=40 调用 9.51 ms（交错 90 轮，特征行逐位一致）。**②③ 都不成立**：探测里认证点直接取自轨迹、与特征无关，而真实循环的顺序是 特征(q) → 推理 → 候选 → 认证点(q+Δ)，认证点在特征算完之前不存在 ⇒ 同一次规划内既不能共享 `cum_xf` ，也不能把两次 `gaps` 合并。只有 ①→轮次 34 已落地的 `gm_groups` 复用 `xf` （同一姿态内部，−3.4 ms）是真的。教训：**效率探测必须按真实数据依赖排布，否则测的是不存在的调用图**。
- **循环内还剩的可复用点**： `replan='empty'` 且队列为空时 `qe == q` ，此时目标反馈 DLS 与末态打分的 FK 和特征用的是同一姿态，可以共享一份 `cum_xf` （部署 `r=3` 时不成立，要按 r 分支）。这条待测（#19 ）。
- **守卫补一个**： `gaps()` / `gm_groups()` 现在拒绝行数与 `q` 不符的 `xf` （之前会静默按别的行做宽相位，实测触发 CUDA device-side assert 或给出错间隙），测试 34→35 项；`python -m ml.eval.check_parity` 仍 PASS（
## 轮次 34：GPU 周期的可实现优化——复用 FK 与压认证最坏情况（exp: `exp/dagger-deploy`）
- **起因与一次自我撤回**：轮次 33 记下"合并几何查询看能不能进 20 ms"后，先按 `docs/experiment_round34_fused_cycle.json` 测出"整周期 41.9→24.5 ms"。这个数**作废**，两个独立原因：
1. 第一版的"合并"把 `xf=` 传给了包含 5 行的 `gaps` 调用，而 `gaps` 的 `xf` 是按行对应的 → 只有第 0 行走完宽相位，认证点 4 行全部退回截顶值 40.0 mm，即**少干了活**（表现为认证矩阵差 31.17 mm）。修好后同一 cap 下矩阵逐位一致（差 0.0 mm）。
2. 更根本：真实管线顺序是 特征 → 推理 → 候选 → 认证，**认证点依赖网络输出**，所以"特征用的 q 间隙与认证点间隙合成同一次调用"在实现上做不到。该文件保留作记录，但不能当作可实现收益。
- **只测可实现的口径**（ `docs/experiment_round34_geom_opt.json` ； `True` ：批量认证矩阵与逐条循环逐位一致、features 复用 xf 前后逐位一致）：
| 变体 | 含义 | P50 | P95 | P99 |
2026-10-20 19:30:02 +08:00
|---|---|---|---|---|
2026-10-20 21:55:15 +08:00
| A_today | 现口径 | 33.49 | 46.14 | 64.69 |
| B_xf_reuse | `gm_groups` 复用 features 已算的 `cum_xf` | **30.12** | 42.35 | 66.37 |
| C_batch_cert | K 条候选的认证点并成 1 次 gaps | 38.05 | 50.17 | 59.86 |
| D_both | B + C | 34.87 | 39.81 | 48.26 |
| E_both_cont_n8 | B + C + 连续认证 n=8 | 43.73 | 51.08 | 65.68 |
| F_worst_loop8 | **最坏情况** ：所有候选被拒（今天逐条串行 K 次调用） | 80.22 | 88.44 | 89.55 |
| G_worst_batch | 同一最坏情况但并成 1 次调用 | **37.14** | 46.06 | 52.22 |
2026-10-20 19:30:02 +08:00
2026-10-20 21:55:15 +08:00
- **复用 FK 是无条件收益**：省一次 `cum_xf` （约 3.4–3.7 ms），特征输出逐位一致，已直接实现进 `ml/common/kin_torch.py` 的 `gm_groups(..., xf=)` 与 `ml/common/features.py` （默认行为不变，新参数仅在调用方已算过 xf 时传）。
- **批量认证是"典型换尾部"**：常见路径（第一条候选就通过）贵 4.6 ms；但今天一旦前面的候选被拒就要串行调用，实测最坏 **80.2 ms（ ， （
- **仍未到 20 ms**：即便 D 档 P50 34.9 ms、P99 48.3 ms。连续认证挂在 D 上是 43.7 ms（E）。所以 GPU 侧下一步只能是更结构性的：认证降 float32（需先批量量化 f32/f64 判据差异，不能凭 3 个点下结论）、把宽相位做成可增量复用的核、或 `torch.compile` /CUDA Graph 把碎 kernel 合批。
- **等价性闸门（纯效率改动不许改变任何结果）**：
- 复用 FK：同一 256 题、同 seed、同配方重跑（`docs/experiment_round34_xf_reuse_check.json` ），**22 个指标逐项与轮次 33 base 完全相同**（含 success 0.57421875、time_ok 0.390625、brakes 19.25、speed_ratio_max 1.660003662 等）。整批墙钟 296.3 → 318.0 s，是两次独立运行的差，**不能当作开销结论**：省下的那次 `cum_xf` 只在 B=1 交错实测里量到 −3.4 ms，批量评估里一次调用已覆盖 256 行，摊薄后不足以抵消运行间波动。
- 批量认证（`--cert_batch 1` ，默认 0 不变）：同一 256 题重跑 **22 项指标与 base 逐项相同** （ `docs/experiment_round34_cert_batch_check.json` ，
- **测试 32→34 项**： `CertBatchEquivalenceTest` 两条（候选 0 前缀不完整 → 选候选 1；所有候选第 2 步都不安全 → 两条路径都停在第 1 步）。写夹具时踩到一个自己的坑：桩里掩码写成 `q[:, :1]` 再 `[:, None]` 变成 3 维，广播出 (4,4,49) 才报"size 16"，是**测试桩错**不是库错——先证形状再改代码。
2026-10-20 19:30:02 +08:00
2026-10-20 19:48:23 +08:00
## 轮次 33：把速度做成可观测的硬约束，再测限幅与余门的代价（exp: `exp/dagger-deploy`）
- **仪表先行**： `rollout()` 现在逐题记录**实际执行**的速度比 `max_j|Δq_j|/STEP` （ `eval_cl` 汇总 `speed_ratio_p50/p95/max` 、`over_vmax_rate` 、`accel_ratio_p95/max` ，并把逐题值放进 `per` （极值/分位不进按 n 加权的批聚合）。
- **仪表自证**：用第30轮 after 的 trace 独立重算得 max **1.660004× 、超速度题占比 **1.0** ，与新指标在同一批上逐位一致（`speed_ratio_max` 1.660003662、`over_vmax_rate` 1.0）；这是"先证判据有灵敏度"，不是拿新数当结论。
- **默认路径未变**： `--inc_cap 0 --gap_margin 0` （新默认）跑出的每个旧指标与第30轮 after 完全相同——success 0.57421875、无碰撞到达 0.57421875、time_ok 0.390625、碰撞 0、刹停 19.25、行程比 2.4449527263641357、ratio2s 0.20997506380081177、成功题误差 0.18899640440940857、dls_share 0.625（ `docs/experiment_round33_base.json` ）。整批墙钟 296.3 s 与第30轮 248.8 s 不可比：这期间我在同机跑了 CPU 分析，属自我污染，仪表开销需独占另测，不作为结论。
- **两个新开关**： `inc_cap=1` 在**反馈叠加之后**再按每轴 VMAX·DT 限幅（此前 `inc=clamp(act,±1)·astep` 之后又加 `gain× ，所以 1.66× `gap_margin>0` 让安全层要求间隙 > 余量而非 >0，并把宽相位 cap 自动抬到 `margin+0.5` ——不抬的话 `gaps(allq, 0.5)` 的截顶值 0.5 会让任何 >0.5 的余量门限恒假。`col` （真实碰撞计数）仍按 `gap≤0` 判，不随余量改变，所以两者不会互相顶替。
- **部署侧同病**（只读核查，未改 JS）：`webapp/js/ik-policy.js:355` 也是 `inc[s][j] += fbGain*fbStep[j]` 在 ±1·STEP 之后叠加，所以浏览器控制器同样能超 VMAX；JS 的余量是 `o.margin=5` 的**投影式**护栏（`project()` 每轴 ≤projMax，只处理 gap<margin 的近距对），与本轮的"低于余量就刹停"不是同一机制；`ACC=5.0` 只用于刹停段长度，不是每步加速度上限（§9.2 也没给数值化的加速度门槛，所以 `accel_ratio` 只作变体间比较）。
- **间隙分布的口径坑**：第30轮 `plans['gaps']` 是在 cap=0.5 下记录的，所以"最小间隙 ≥1 mm 的题占 0"是截顶假象。可说的是：逐题最小记录间隙 p5 **0.0005** 、p25 0.0064、中位 **0.046** mm，
2026-10-20 20:32:19 +08:00
- **四组单变量对照**（同 256 题、同 seed、其余按第30轮配方）：base / `inc_cap=1` / `gap_margin=0.5` / 两者同开。结果见下表。
- **四组单变量对照结果**（同 256 题、同 seed、K=8、commit 2、fb 2.2、fb_block_gain 0.5、dls_safety 1、select endpoint、replan empty、partial 1； `docs/experiment_round33_{base,cap,margin,both}.json` ）：
| 变体 | 到达 | 无碰撞到达 | time_ok_1p3 | 真实碰撞 | 刹停/题 | 速度比 p50 | 超 VMAX 题占比 | 2 s 误差比 |
|---|---|---|---|---|---|---|---|---|
| base | 147/256 = 0.5742 | 0.5742 | 0.3906 | 0 | 19.25 | 1.660 | 1.000 | 0.2100 |
| `--inc_cap 1` | 134/256 = 0.5234 | 0.5234 | 0.2656 | 0 | 19.55 | 1.000 | 0.000 | 0.2790 |
| `--gap_margin 0.5` | 144/256 = 0.5625 | 0.5625 | 0.3789 | 0 | 20.05 | 1.660 | 1.000 | 0.1817 |
| 两者同开 | 133/256 = 0.5195 | 0.5195 | 0.2617 | 0 | 19.97 | 1.000 | 0.000 | 0.2870 |
- **速度限幅是有代价的硬约束**：每轴增量限回 VMAX 后到达 − −
- **机理**： `1+0.3× ；限幅后刹停几乎不变（19.25→19.55），但 time_ok 掉得比到达更多，说明损失集中在**逼近目标末段被剥夺了超速修正**，不是更容易刹停。所以出路不是调低增益（第29/30轮已测：增益小到达就掉），而是把该由前馈承担的速度还给模型——在限幅后的分布上重采数据（DAgger，需批准），或用不违反速度约束的前馈（#14 的余量投影 + 按时限打分）。
- **0.5 mm 余量门很便宜**：只少 3 题、刹停 +0.8/题，2 s 误差比反而更好（0.182）。但这不等于裕度够用——它只说明"要求 0.5 mm 不明显拖慢"。5 mm（查看器护栏）是否同样便宜，取决于策略能否找到 ≥5 mm 的路径，必须抬 cap 重算真实间隙分布才能回答（第30轮 `plans['gaps']` 在 0.5 mm 截顶，算不出这一条）。
- 四组 `collision_rate` 都是 0，但这仍是端点/中点离散口径；`gap_margin` 不改 `col` 判据（仍 `gap≤0` ），余量与碰撞计数是两条独立的线，不互相顶替。
2026-10-20 19:48:23 +08:00
- **回归**： `python -m unittest tests.test_eval_cl` **30 项通过** （新增 4 项）：未限幅时实测速度比确实 =3.4/1.2>1（灵敏度）、限幅后恰为 1.0、0.3 mm 间隙在余量 0 时通过而余量 0.5 时刹停、5 mm 间隙在余量 0.5 时仍通过（证明 cap 抬升生效，否则该测试会恒假）。
2026-10-20 20:32:19 +08:00
- **GPU 上的一个控制周期（按 GPU 口径实测）**：诊断档与逐项分解见 `docs/experiment_round33_gpu_cycle.json` ，真实配方（steps=1）见 `docs/experiment_round33_gpu_cycle_steps1.json` ， `cuda.synchronize` 。
- **前提更正（重要）**： `eval_cl` 从不传 `steps` ， `rollout` 默认 `steps=1` ，而 `ml/model/policy.py:156` 写明"steps=1 即一步生成，steps>1 是诊断用"。所以第27轮以来的所有评估成绩一直是**单步推理**；本节先用 steps=16 测出的"当前配方 116 ms ≈ 8.6 Hz"是口径错误，已作废并在下面用真实配方重测。
- **真实配方（steps=1, K=8）的分解**：
| 环节 | P50 | P95 | P99 |
|---|---|---|---|
| 推理 `sample_k` steps=1，
| 特征 83 维（总 / 其中宽相位间隙 / 其中 FK）
| 目标反馈 DLS 1 步 | 6.53 | 9.32 | 12.62 |
| 现有离散安全层 4 点（cap 1.0）
| `certify_uniform` 2 根 n=8 / n=16 | 9.70 / 16.07 | 14.40 / 20.95 | 15.75 / 24.42 |
| 组合周期（同一位姿，顺序测；跨行比较受漂移影响，只作量级） | P50 | P95 | P99 |
|---|---|---|---|
| K=8 + 离散安全层（真实配方） | **36.68 → 27.3 Hz** | 43.27 | 49.17 |
| K=4 / K=1 + 离散安全层 | 37.71 / 40.36 | 55.17 / 48.46 | 76.53 / 52.06 |
| K=8 + 连续认证 n=8 | 45.34 → 22.1 Hz | 49.68 | 52.20 |
| K=8 + 连续认证 n=16 | 49.55 → 20.2 Hz | 56.85 | 59.06 |
| （对照）诊断档 steps=16 的同一周期 | 116.5 | 134.5 | 142.6 |
- **归因更正（先证仪表再下结论）**：空算子 P50 0.028 ms、空 `synchronize` 0.005 ms、一次 `encode` 2.27 ms，所以**不是启动/同步地板**。先前口算的"5– **GPU 在单臂批量=1 时利用率极低** ，而不是被框架拖慢。
- **推理不是瓶颈，几何才是**：单步推理 7.2 ms，且候选数几乎免费（K 1→8 不涨）；一个周期里几何类工作合计约 27 ms（特征宽相位 8.2 + 特征 FK 4.0 + 认证 7.4 + DLS 6.5），并且这几次调用各自重复做 `cum_xf` 与宽相位筛选。所以 50 Hz 的路径是**合并几何查询**（`features()` 已支持 `gm=` /`xf=` 复用，`gm_groups` 文档保证与整表 `gaps` 数值一致），而不是继续压推理。
- **连续认证的增量成本可接受**：在同一位姿上 n=8 只比现有离散层贵约 8.7 ms（整周期 36.7→45.3 ms），n=16 贵约 12.9 ms。也就是说"段内连续证明"在 GPU 上不是奢侈项，真正卡住 20 ms 的是那 ~27 ms 的重复几何。合并后再看是否进得了 20 ms——这一步正在做交错复测（跨行顺序测的数字受漂移影响，不作最终结论）。
- **50 Hz 结论（当前状态）**：真实配方一个规划周期 **36.7 ms（ ，仍不满足"P99<20 ms"；且必须记住这是在**不限幅**（可超速 1.66×）的策略分布下测的——限幅后的到达率代价见上表，两者不能混着谈。
- f32 与 f64 的间隙在 3 个点上完全相同（最大偏差 0.0 mm、无符号翻转），但 **3 个点不足以支持"认证可以改用 float32"** ，需按真实轨迹批量对比才能下结论。
2026-10-20 21:55:15 +08:00
## 轮次 32：均匀细分认证与确定界的反证（exp: `exp/dagger-deploy`，认证仍进不了 20 ms，但定位到真正的成本杠杆）
2026-10-20 20:53:43 +08:00
2026-10-20 21:55:15 +08:00
- **本轮假设**：第31轮的二分认证把成本花在**多次依赖的 gaps 调用**上（B=1 时每次约 7 ms 起步）。若改成固定层数的一次均匀细分，同样的判据应只付一次调用；同时需要单独证明"这个确定界本身没被低估"，否则判据再快也没意义。
- **实现**： `Kin.certify_uniform(a, b, n, eps, cap=None)` ——每根段取 n 个子段、一次 gaps 调用查 n+1 个点，对**每个子段**用与二分版完全相同的判据（子段两端间隙之和 > 子段位移界 + 2eps；界对 Δq 线性，故子段界 = 整段界/n）。没有"未决"状态：证不出就是 `unproven` （拒绝），不存在把未知当安全。未接入 rollout，未改查看器默认。
- **确定界的反证**（ `docs/experiment_round32_bound_falsification.json` ）：对 48 段每段取 121 个网格点，逐组对比"实测最小间隙"与"预测下限 (ga+gb− **61 项有信息量** （预测下限 < 观察 cap 2 mm 才可能被证伪；其余组对的预测下限中位数 15.9 mm、最大 19.96 mm，都被钳制恒等式自动满足）。61 项里最紧的一项仍比预测下限高 **0.035 mm** ，
- **接受率曲线**（ `docs/experiment_round32_uniform_validation.json` ）：
2026-10-20 20:53:43 +08:00
2026-10-20 21:55:15 +08:00
| 子段数 n | 判安全 | 判碰撞 | 证不出 | 二次加密(2n+1点)反证的误放行 |
2026-10-20 20:53:43 +08:00
|---|---|---|---|---|
2026-10-20 21:55:15 +08:00
| 8 | 26 | 1 | 21 | 0 |
| 16 | 30 | 1 | 17 | 0 |
| 32 | 34 | 1 | 13 | 0 |
| 64 | 36 | 1 | 11 | 0 |
| 128 | 38 | 1 | 9 | 0 |
2026-10-20 20:53:43 +08:00
2026-10-20 21:55:15 +08:00
第180题 1.08– `certified=true` ）在**每个 n≥8 都判碰撞**。
- **宽相位 cap 的正确公式**（对第31轮一条负结论的更正）：第31轮用 `bound/2 + eps` ，那个值恰好**会把本可通过的子段钳成不可证**，所以既没提速也可能少接受；本轮改成"最小不挡住判定的宽相位"= `最大子段界 + 2eps` ，
- **计时 A/B**（ `docs/experiment_round32_uniform_latency.json` ；
2026-10-20 20:53:43 +08:00
2026-10-20 21:55:15 +08:00
| 配置 | 宽相位 mm | P50 | P90 | P99 | >20 ms 次数 | 安全/碰撞/拒（48根） |
|---|---|---|---|---|---|---|
| 均匀 n=8 auto | 5.92 | **9.68** | 13.03 | 15.16 | 0/168 | 26/1/21 |
| 均匀 n=16 auto | 2.96 | **14.14** | 18.45 | 20.87 | 5/168 | 30/1/17 |
| 均匀 n=32 auto | 1.48 | 20.21 | 27.88 | 32.27 | 87/168 | 34/1/13 |
| 均匀 n=64 auto | 0.74 | 31.43 | 48.75 | 57.70 | 165/168 | 36/1/11 |
| 均匀 n=128 auto | 0.37 | 59.76 | 89.06 | 109.09 | 168/168 | 38/1/9 |
| 均匀 n=8 cap20 | 20 | 13.13 | 16.44 | 20.96 | 3/168 | 26/1/21 |
| 均匀 n=32 cap20 | 20 | 28.41 | 39.58 | 53.02 | 153/168 | 34/1/13 |
| 均匀 n=64 cap20 | 20 | 50.85 | 75.51 | 88.36 | 168/168 | 36/1/11 |
| 均匀 n=128 cap20 | 20 | 98.46 | 139.98 | 167.04 | 168/168 | 38/1/9 |
| 二分 budget32 | 20 | 54.88 | 82.15 | 117.20 | 133/168 | 37/1/10 |
| 二分 budget65 | 20 | 71.83 | 108.56 | 122.53 | 133/168 | 41/1/6 |
2026-10-20 21:01:04 +08:00
2026-10-20 21:55:15 +08:00
- auto 与 cap20 的**决策列完全相同**，只是快 1.36–
- 单次调用的均匀细分在同样接受率下比二分便宜 5 倍以上（n=8 9.68 ms vs 二分 54.88 ms），但二分在同样时间能多证出 11 根——两条路的取舍由下一段的结论决定，不单看耗时。
- **负结论（部署口径）**：只有 n≤16 能把认证本身压进 20 ms（ –
- **机理定位与下一步**：成本 = 单次调用固定开销 × 由 `log(bound/间隙)` 决定的层数。要同时拿到"证得出"和"证得起"，必须把**间隙抬起来**（安全层要求正余量，而不是 `gap>0` ）并把**每步位移压回去**（反馈叠加在 ±1 限幅之后，导致第30轮实测最大 1.66×VMAX，界也随之变大）。顺带记下一个坑：安全层现在是 `kin.gaps(allq, 0.5)` ，截顶值 0.5 mm 低于任何 >0.5 mm 的余量门限，直接把余量判据变成恒假——加余量必须同时抬这个 cap。
- **回归与判据灵敏度**： `python -m unittest tests.test_eval_cl` **26 项通过** （新增 3 项均匀细分）。含解析对照：合成恒间隙段（界 1 mm/度、间隙 0.1 mm）在 n=5 必判证不出、n=6 必判安全，且 `cap_required_mm` 等于 `1/n+2eps` ；薄障碍在 n=4/8/64 判碰撞而 n=2 只判证不出（不误放行）；`n` 给成张量被类型门拒绝。二次加密反证在 n=8..128 全部 0 误放行。
2026-10-20 21:01:04 +08:00
2026-10-20 21:55:15 +08:00
## 轮次 31：连续段认证的确定界与成本实测（exp: `exp/dagger-deploy`，判据变强，实测进不了 20 ms）
2026-10-20 21:01:04 +08:00
2026-10-20 21:55:15 +08:00
- **假设与判据**：轮次 30 的端点/中点检查漏掉段内碰撞（第180题 1.08– − `>0` 判据。判据失败或耗时超预算都算负结论，必须实测不能外推。
- **确定界替代随机采样界**：JS 侧 `leverTable(4000)` /`leverBounds(20000)` 是随机姿态最大值再 ×1.05，不是全姿态上界。本轮按三角不等式给闭式界：组 g 的胶囊端点到关节 k(<g) 的最大位移 = (Σ_{j=k}^{g-2}‖P[j+1]− − − − `Kin.cert_lever` （ × `lever` ，也未改 JS。
- **界的量级**（ **5.93– ，0 层通过要求端点间隙之和 > 界，即单端间隙至少 3.0–24.4 mm。实际执行段的间隙普遍只有 0.001–0.5 mm，所以“必须细分”是结构性的，不是实现缺陷。
- **基础求距 bug 与影响范围**：模型里有 1 个退化胶囊（索引 686，组 3）。旧 `seg_seg_dist` 在第二条线段退化成点时固定取该点为第二条起点，没把点投影到第一条线段上——[0,2] 段对点 1 的实测距离旧值 1 mm、反向调用约 1e−9 mm、真值 0。修复后在已有 2000 个对拍姿态的前 64 个姿态上，670 个“退化胶囊作第二条”的细对里 **20661/42880 个距离变小（旧值偏大，最大 86.003 mm）** ，正反调用一致。但这批变化没有进入判定：把轮次 30 修复后 48 段的 7586 个 0.01° 加密点分别用修复前(95da491)与修复后内核重算，**组最小间隙逐位相同（最大差 0.0 mm）、碰撞布尔差 0**；`python -m ml.eval.check_parity` 仍 PASS（ − − −
- **认证实现**： `Kin.certify_segments` 为 float64 批量前沿二分，每根段独立查询预算，端点间隙用 `min(gap,cap)` 故钳制只会更保守；判据 `ga+gb > bound+2eps` 且两端 >eps，任一子段碰撞即整根判碰撞；超深度、超预算、非有限间隙、越出关节盒一律拒绝（`unresolved` /`outside_box` ），不放行未知。宽相位 cap 可按本层界收到 `bound/2+eps` （ `adaptive_cap` ）。**尚未接入 rollout，未改查看器默认。**
- **48 段固定样本**（ `docs/experiment_round31_certificates.json` ，沿用轮次 30 的 12 题，每题取首/中/末移动段 + 原证书最小间隙段 + 显式指定 180:54； −
| 每根查询预算 | 判安全 | 判碰撞 | 未知拒绝 | 查询数 p50/max |
2026-10-20 21:16:27 +08:00
|---|---|---|---|---|
2026-10-20 21:55:15 +08:00
| 2 | 20 | 0 | 28 | 2 / 2 |
| 8 | 26 | 1 | 21 | 4 / 8 |
| 32 | 37 | 1 | 10 | 4 / 32 |
- 已知漏检段（180 题执行段 54）**判碰撞，仅用 5 次查询**；该段原证书 `certified=true` 、原内部 `col=0` 。48 段里 0.01° 加密采样检出碰撞 1 段，认证接受该类段 **0 段** ；整批与逐根调用结果逐位一致。
- 拒绝不等于安全：预算 2 时 28 段全部落 `unresolved` ，实现不会把未知当通过。
- **成本模型对上实测**（ `docs/experiment_round31_cert_cost_model.json` ）：按最紧组对的界，所需层数 `L=ceil(log2(bound_pair/(ga+gb)))` 、查询数 `2^L+1` 。37 个判安全段需要 2–17 次（L=0..4），10 个未知段需要 **33 或 65 次** （L=5..6），与预算 32 恰好卡在中间一致；碰撞段因提前撞到负间隙只用 5 次。结论：认证成本由 `bound/间隙` 的对数决定，**降低界或提高间隙余量**才是可行杠杆，加预算只是线性买单。
- **耗时负结论**（ `docs/experiment_round31_adaptive_cap.json` ）：单段认证 **P50 22.93 ms、P90 58.43 ms、P99 101.57 ms， ；自适应 cap 交错重测 P50 23.21 ms、P99 99.10 ms，
- **回归与判据灵敏度**： `python -m unittest tests.test_eval_cl` **23 项通过** （轮次 30 为 14 项）。新增段认证 8 项覆盖：薄障碍段内碰撞被界抓到而清晰段被接受、预算/深度耗尽只拒不放、恒间隙合成段上预算 4/8/9 对应查询 3/5/9（验证细分层数与查询数的解析关系）、批量与逐根及乱序一致、空批与全拒前沿、NaN/±Inf 间隙拒绝、越界拒绝、退化距离对称性与梯度。**变异实测**：把类型门去掉后 `max_depth=torch.tensor(255,dtype=torch.uint8)` 会回绕成 `range(0)` 、整段判据被跳过，真实间隙 −0.05 mm 的段直接返回 `safe=true` ；加门后同一调用报 `certification budgets must be plain ints` 。这是本轮抓到的第二个误放行路径（第一个是轮次 30 的未夹紧认证）。
- **口径与边界**：认证只在 float64 下进行，浮点求距误差没有形式上界（`seg_seg_dist` 距离下限约 1e−
- **结论与下一步**：判据确实变强（抓到离散检查漏掉的段内碰撞、未知只拒不放），但成本与 `bound/间隙` 的对数绑定，**当前实现不能部署，也不得把“认证通过”说成零碰撞**。下一步两条：(1) 把逐层依赖的二分改成**一次均匀细分**（固定层数、单个 gaps 调用覆盖全部子段），其实时可行性取决于几何查询成本随批大小是否近似平坦；(2) 把余量要求移到规划/速度侧——实际轨迹贴着 0.001–0.02 mm 间隙走，任何认证方案都会退化成几十次查询，而反馈叠加后的速度约束本来就是未完成项。
2026-10-20 21:16:27 +08:00
2026-10-20 21:55:15 +08:00
## 轮次 30：认证与执行统一逐步限位（exp: `exp/dagger-deploy`，局部修复有效，仍未零碰撞）
2026-10-20 21:16:27 +08:00
2026-10-20 21:55:15 +08:00
- **假设与判据**：安全层认证的是未夹紧累加轨迹，执行器却逐步夹紧 J5，导致认证通过后碰撞。必须同时证明原证书安全、执行点碰撞、记录命令经执行算式能准确重建实际点；修复后保持同任务、同种子、同模型、同增益和同排序，到达不下降，并用不依赖原 `col` 标记的加密回放检验。
- **固定配方**： `python -u -m ml.eval.eval_cl --n 256 --commit 2 --fb 2.2 --partial 1 --replan empty --select endpoint --fb_block_gain 0.5 --dls_safety 1` ； `--out docs/experiment_round30_before.json --trace ml/runs/round30_before.pt --dump ml/runs/round30_before_rows.json` 和对应的 `after` 路径。未训练、未扩题、未改 JS 默认。
- **可比性**：取证版 before 与轮次29首批256题完整轨迹逐元素完全相同（最大差 0°），ok/col/brakes/err/t_done/first_hit 也完全相同；before/after 配置仅输出路径不同。任务 SHA256=`249bd93457825cda98c59e64d9a096d3473c69aeb3553de1dea6d9e56be71772` ， `f7f686fd8ee92fb6948fbcc4ee954636065ad87bb54f661c4f8f575bc16c2ce1` ， `2ebcbf17` 。
- **直接证据**（ `docs/experiment_round30_certificates.json` ）：旧版7次首撞的原认证端点/中点在 float32 与 float64 均为正间隙，实际执行段均有负间隙；`clamp(previous + recorded_command)` 与实际端点逐位一致。原证书与实际点主要差在 J5，首撞段差 0.340°–4.317°；其他轴仅有最高约 7.6e-6° 的累加舍入差，不足以解释毫米级穿入。全部有效认证步中，5298/34069 步偏差 >0.001°，最大 7.587°。
- **修复范围**： `execution_points` 按执行器相同顺序逐步夹紧，端点和中点都由实际路径计算；整段、部分前缀和近目标 DLS 共用。r3 的旧队列终点和特征前缀改为真实执行结果。fallback 保持实验默认关闭，但两分支统一为“认证一步后补零”，不再把只验过一步的动作重复执行；端点和中点都认证。候选排序和反馈增益未改，0.5 仍只是间隙截顶，正间隙判据没有放宽。
2026-10-20 21:25:47 +08:00
2026-10-20 21:55:15 +08:00
| 指标（同256题） | 修复前 | 修复后 |
|---|---|---|
| 按时到达 | 147/256 = 57.4% | 同147题，57.4% |
| 原端点/中点口径无碰撞到达 | 145/256 = 56.6% | 147/256 = 57.4%（下述加密审计否定其“全程无碰撞”含义） |
| time_ok_1p3 | 39.1% | 39.1% |
| 原端点/中点口径碰撞题 | 7/256 | 0/256 |
| 成功题末端误差中位数 | 0.1951 mm | 0.1890 mm |
| 成功题平均时间 | 2.2993 s | 2.3076 s |
| 2 s 误差比中位数 | 0.2100 | 0.2100 |
| 刹停/题 | 19.2383 | 19.2500 |
| 成功题指令行程比中位数 | 2.4450 | 2.4450 |
| 从实际轨迹重算成功题行程比 | 2.4251 | 2.4251 |
| 整批同步仿真墙钟 | 247.515 s | 248.834 s |
2026-10-20 21:25:47 +08:00
2026-10-20 21:55:15 +08:00
- **执行一致性复核**（ `docs/experiment_round30_comparison.json` ）：修复后34107个有效认证步，认证端点/中点与实际执行点均逐位一致，最大差 0°；有效时段没有未经认证的移动步。这里“认证”仍仅指离散端点/中点，不能推出连续安全。CPU B=1、commit=2 的预测函数单独测量：100次预热、1000次采样、单线程，P50 0.0388→0.0518 ms，
- **独立加密审计的正反对照**：预先固定12题 `0,21,84,128,145,164,175,180,197,215,224,255` ，其中包含全部7题旧首撞及5题其他任务；不按新版 `col` 过滤。逐题回放至自身时限或到达，含起点，每个插值段最大轴步距≤0.05°并包含中点，float64、每批64点。命令：`python -u -m ml.eval.diag_collision --trace ml/runs/round30_before.pt --dense_indices 0,21,84,128,145,164,175,180,197,215,224,255 --max_step_deg 0.05 --device cuda --out docs/experiment_round30_dense_before.json` ，
- before： ，
- after： ，
- 剩余第180题，执行段1.08–1.10 s：上一点/中点/端点 float64 间隙为 **0.5 / 0.11723 / 0.06521 mm** ，都安全，但段内约76.6%处为 ** − `docs/experiment_round30_missed_segment.json` 。因此这次残余是端点/中点漏检，而非认证与执行错位；它比旧离散首次碰撞1.14 s还早。不得把内部计数0当成修好了；已知真实无碰撞到达至多146/256=57.0%，其余未加密任务仍未知。
- **回归与判据灵敏度**： `python -m unittest tests.test_eval_cl -v` 14项通过。覆盖整段/部分限位拒绝、只保留真实安全前缀、DLS被拒后保留候选、r3旧队列起点和特征前缀及逐点证书、fallback单步/中点拒绝。把预测函数在内存中替回旧算式，限位、DLS和r3测试重新失败。加密探针另有合成正对照：原端点/中点全安全且 `col=0` ，仍检出四分之一处薄障碍；安全负对照、截止后/到达后碰撞排除均通过。
- **新增硬约束证据**： **1.660004× （来源是动作限幅后叠加0.3×gain2.2反馈）。实际各轴最大速度约 `[99.600,99.600,149.400,149.400,199.200,298.800]°/s` ，并非只看原始指令推测。行程仍约参考2.425倍；速度、加速度和真实控制时延均未达部署验收。历史 `travel` 累积的是指令而非夹紧后位移，本轮已同时列出实际轨迹重算值，不悄悄换分母。
- **结论与下一步**：逐步限位一致性修复有效，未牺牲本批到达率；但加密审计仍检出段内碰撞，**不能部署、不能宣称零碰撞或50 Hz合格**。下一轮先验证更强的段内认证，再单独评估反馈后的速度/加速度约束与真实端到端调度；每次保持小样本单变量对照，继续保留失败证据。
2026-10-20 21:25:47 +08:00
2026-10-20 21:55:15 +08:00
## 轮次 29：安全层全拒后减弱目标反馈（exp: `exp/dagger-deploy`）
2026-10-20 21:25:47 +08:00
2026-10-20 21:55:15 +08:00
- **假设**：目标反馈将绕障候选推向障碍，连续全拒会反复停在同处；仅在上一计划被全拒时减小下一计划反馈，可能保留正常段收敛速度并减少重复刹停。
- **判据**：同任务、同 seed、同 K、同认证下到达和 time_ok 不下降，碰撞不增加；部署门槛仍是零碰撞及真实时延达标。所有实验不重训、不扩大数据。
- **固定配方**： `python -m ml.eval.eval_cl --n 256 --K 8 --commit 2 --fb 2.2 --partial 1 --replan empty --select endpoint --seed 0` ； `fb_block_gain=1,dls_safety=0` 。512 题按两个 256 批、每批 seed=0，沿用轮次 28 顺序。
2026-10-20 21:38:40 +08:00
2026-10-20 21:55:15 +08:00
| 改动（n=256）
|---|---|---|---|---|---|
| 原配置复跑 | 52.7% | 37.5% | 2.3% | 0.210 | 34.6 |
| `--dls_safety 1` | 52.7% | 37.5% | 2.0% | 0.210 | 34.6 |
| `--fb_clear 20 --fb_cmin 0.3` | 32.0% | 5.9% | 1.2% | 0.323 | 3.2 |
| `--sub_refresh 1` | 51.6% | 35.5% | 2.0% | 0.279 | 33.8 |
| `--select adapt` | 52.7% | 37.9% | 2.3% | 0.210 | 34.6 |
| `--fb_block_gain 0.3` | 56.2% | 38.7% | 3.1% | 0.178 | 17.2 |
| `--fb_block_gain 0.5` | **57.4%** | **39.1%** | 3.1% | 0.210 | 19.3 |
| `--fb_block_gain 0.7` | 55.5% | 38.3% | 2.3% | 0.189 | 25.0 |
| `--fb_block_gain 0.5 --dls_safety 1` | **57.4%** | **39.1%** | 2.7% | 0.210 | 19.2 |
2026-10-20 21:38:40 +08:00
2026-10-20 21:55:15 +08:00
- **单独减半反馈 n=512**：到达 55.1% / time_ok 36.1% / 碰撞 2.5% / ratio2s 0.251 / 刹停 19.5；相对轮次 28 同规模基线 52.1% / 35.2% / 2.0% / 0.285 / 35.7，到达 +3.0 pp、碰撞也 +0.5 pp，不满足“碰撞不增加”判据。
- **为何不采用其他变体**：所有近障碍状态都衰减反馈会明显拖慢到达；子目标重预测无收益；adapt 全拒后旧计划本来就失效，一致性分数全为 0，实质变成等分选首条而非“继续绕行”。
- **原配置失败分解（n=256）**：135 题按时到达，121 题失败（其中 20 题后来才到，101 题始终没到）。A/B/C/D/Dr 分别 128/74/32/13/9 题，B/C 失败题刹停中位数约 96/93 次；D 留在分母，不用删题提高成绩。
- **碰撞定位**：原配置共 6 题碰撞，只有 224 号首次碰撞紧跟 DLS 接管；另外 5 题首次碰撞早于接管或根本未接管。为 DLS 加端点/中点检查仅减少 1 题，不能解释剩余碰撞。候选认证的未夹紧累加点与执行的逐步夹紧点不同是待验证假设，尚不能断言根因。
- **计时**：
- **记录改进**：评估输出完整参数、checkpoint/任务 SHA256、批大小和随机种子规则；增加时限内无碰撞到达率；修正 n_ref、参考时间占比和条件指标的跨批汇总。可保存实际轨迹供不重新采样的回放，NaN 在 JSON 中写为 null，执行进度每 50 步输出。
- **回归检查**： `python -m unittest tests.test_eval_cl -v` 六项通过，覆盖跨批分母、空条件集、非有限数、首撞探针正对照、精修被拒后保留安全候选、只有全拒后才减弱反馈。精修对照在关闭检查时确实碰撞，打开后保留候选，证明门会执行；这是合成测试，不替代真实几何验收。
- **仍未修复的边界**： `fb_fallback=0` 保持关闭；非部分前缀分支仍有“只验一步却重复执行”问题，不能开启部署。速度限制在反馈叠加前而非叠加后，尚未验证速度/加速度符合硬约束。
- **减半反馈 + DLS 检查的 n=512 复核（完整输出 `docs/experiment_round29.json` ） **282/512 = 55.1%** 、时限内无碰撞到达 **280/512 = 54.7%** 、time_ok **36.1%** 、碰撞 **9/512 = 1.8%** 、ratio2s **0.251** 、刹停 **19.23/题** 。到达题末端误差中位数 **0.196 mm** ；有参考且到达题的行程比中位数 **2.425** （远高于 1.10 要求）。整批墙钟 **488.4 s** ，非控制延迟。
- 完整命令：`python -u -m ml.eval.eval_cl --n 512 --commit 2 --fb 2.2 --partial 1 --replan empty --select endpoint --fb_block_gain 0.5 --dls_safety 1 --out docs/experiment_round29.json --dump ml/runs/round29_rows.json --trace ml/runs/round29_trace.pt` 。
- 与轮次 28 同规模端点基线相比，到达 +3.0 pp、time_ok +0.9 pp、碰撞少 1 题（10→9），不足以宣称稳定安全改善；n=256 碰撞仍由 6→7 题。
- **首撞回放（`docs/experiment_round29_collisions.json` ） ： `python -m ml.eval.diag_collision --trace ml/runs/round29_trace.pt --out docs/experiment_round29_collisions.json` 。9 题首次碰撞在 CPU float32/float64 均复现，均位于 **J5 限位** ；q0 与首次碰撞前一点均为正间隙，首撞采样点负间隙约 ** − −
- 双精度运动学/间隙另与已有 JS 2000 个样本对拍：`python -m ml.eval.check_parity` PASS，碰撞布尔差 0、间隙最大差 2.53e−13 mm。首撞回放仍共用碰撞模型，不替代真机或独立连续认证。
- **结论与下一步**：减少连续刹停确有小样本收益，但碰撞、行程和真实时延仍未过门槛；保留为实验选项，不更改查看器默认。下一轮记录原认证点与 J5 夹紧后实际点，修复后用同批同 seed A/B 和独立细采样复核，禁止靠关掉认证提速。
2026-10-20 21:38:40 +08:00
2026-10-20 21:55:15 +08:00
## 轮次 28：端点进度选择——时间效率大幅提升（exp: `exp/dagger-deploy`，新历史最佳）
2026-10-20 21:38:40 +08:00
2026-10-20 21:55:15 +08:00
- **假设**：一致性选择奖励"与上一条计划一致"，但失败主因是超时（轮次 13：失败 57% 是超时）。改成直接按候选块末态离目标的距离选（`select='endpoint'` ），应提升时间效率与精度。
- **判据**：
- **配方**： ， ， ， ， ； `goal_err(fut[-1])` （只做一次 K 端点 FK，不额外推理）。
- **指标（n=256， ） ：
2026-10-20 21:51:54 +08:00
2026-10-20 21:55:15 +08:00
| 选择器 | 到达 | time_ok_1p3 | 碰撞 | ratio2s | 刹停/题 |
|---|---|---|---|---|---|
| consist（轮次 27）
| **endpoint** | **52.7%** | **37.5%** | 2.3% | **0.210** | 34.6 |
| mix（ − ）
2026-10-20 21:51:54 +08:00
2026-10-20 21:55:15 +08:00
- **n=512 复核（endpoint， ） ： （ ：
- **节奏曲线（endpoint， ） ： **59.4% / 42.6% / 3.9% / 0.133** ； ；
- **负结论**：
- `safety_try=1/2` （只认证前 1/2 条候选）：41.4% / 44.9%（全 K 52.0%）——候选兜底对到达贡献 ~10 pp，不能省。
- K=4： （
- DLS 兜底半步（全拒时朝目标走一步并认证）：52.3%（基线 52.0%），碰撞 1.6→2.7%，无收益；重复多步版本碰撞 45.7%（第二步未认证），已回退为单步且默认关闭。
- 增益调度（远 2.8/近 2.2）：47.3% / time_ok 32.8%，等同 gain2.8 常数；高增益在远处就造成过冲，按距离衰减无效。
- **浏览器同步**： `select='endpoint'` 进 Runner/bench（ `--select endpoint` ），冷启动跳过 8 份前瞻（省 ~80 ms P99，冷启动价值评分被端点排序替代）。nc10 bench（ （
- **同步 bench 耗时与队列耗尽估算（不是 50 Hz 调度实测）**：Runner 的 `starveTicks = max(0,ceil(planMs/20) − ，不含真实 tick 时间戳。
2026-10-20 21:51:54 +08:00
2026-10-20 21:55:15 +08:00
| 集合（endpoint, commit=2, --seg 0）
|---|---|---|---|---|
| near_column_pos (10) | 4/5 | 32.7% | 32.0/62.1 ms | 0.87 |
| near_column_pose (10) | 2/3 | 25.6% | 36.8/68.0 ms | 0.78 |
| route40 (20) | 12/13 | 40.4% | 44.3/68.1 ms | 1.26 |
2026-10-20 21:51:54 +08:00
2026-10-20 21:55:15 +08:00
- commit=2 对应 40 ms 队列，route 集 planP50 44 ms 已超过；估算提示可能饥饿，但该 bench 等规划完成才 tick，没有观测实际空转。
- commit=3 对应 60 ms，仍低于上述 P99，不能据此宣称连续 50 Hz。其 Python 同步结果：endpoint n=256 → 47.7% / 27.0% / 1.2% / 0.245；
- **结论（经轮次 29 更正）**：端点选择 + 解析 J + gain2.2 + commit=2 + safety_partial，在 n=512 同步仿真为 **到达 52.1% / time_ok 35.2% / 碰撞 2.0% / ratio2s 0.285** 。历史 42.2% 使用 commit=1 与 FD，非单变量对照。commit=1 到达 59.4% 但碰撞 3.9%；无论 2.0% 还是 3.9%，开安全层均未通过零碰撞要求，实时性亦未通过。
- **下一步**：先查碰撞来源，保持严格认证和查看器默认；再测真实异步调度及认证成本，不因 Python 收益直接切换部署默认。
## 轮次 27：解析 J 后重扫增益 + 积分/缓存反馈（负结论）+ 浏览器安全层对齐（exp: `exp/dagger-deploy`）
- **目标**：解析雅可比改变了反馈噪声结构，重扫增益；同时修浏览器部署路径的安全层（轮次 25 遗留：bench 刹车 47%、到达 0）。
- **增益重扫（commit=2， ， ， ） ：
| gain | 到达 | time_ok_1p3 | 碰撞 | ratio2s | 刹停/题 |
|---|---|---|---|---|---|
| 1.8 | 50.4% | 27.0% | 2.0% | 0.287 | 22.1 |
| **2.2** | **52.0%** | 29.7% | 1.6% | 0.329 | 35.3 |
| 2.5 | 49.6% | 34.4% | 1.2% | 0.334 | 47.9 |
| 2.8 | 47.7% | **34.4%** | 2.0% | 0.362 | 59.8 |
- **n=512 复核 gain 2.2（ ） ：
- **负结论**：
- 积分反馈（fb_ki=0.3， （
- 反馈隔次复用（fb_every=2，省 ~3.5 ms/次规划）：到达 46.9%（−5.1 pp）。误差方向变化比预期快，缓存不成立。
- **浏览器部署修复（有效）**：三个与 Python 仿真不一致的 bug 修掉后（`webapp/js/ik-policy.js` ）：
1. `tick` 不夹关节限位（Python `clamp_box` 每步夹）→ q 一旦越限，认证的 `inBox` 永远拒绝所有候选，原地刹停到超时（certWhy.box 2650 次）；现执行与候选投影都夹 LIM。
2. 安全层整段拒绝 → 刹停；移植 `safety_partial` ：整段不过时依次缩短前缀，执行到第一个不安全步。
3. 新增 `segCert` 开关（默认 true）：连续区间认证（距离下界递归）~40 ms/次，是 50 Hz 预算的主要超支项；关闭后改为离散判定「每步端点+中点 collideFree」（与 Python 安全层同口径），默认仍走严格认证，bench 用 `--seg 0` 测部署口径。
- JS bench（ ， ， ； `node tests/policy_bench.cjs ... --seg 0` ）：
| 集合 | 修复前 ok/reached | 修复后 ok/reached | 刹车率 | safety P50 | plan P50 / P99 |
|---|---|---|---|---|---|
| near_column_pos | 0/—（轮次 25） **5/7** | 79.5→**48.1%** | 41.6→**19.8 ms** | 56.1→**33.5 / 61.1 ms** |
| near_column_pose | 0/— | **3/3** | 80.4→**31.6%** | 43.4→**22.8 ms** | 57.3→**37.6 / 66.3 ms** |
- **结论**：实时配置定为 `dag2 + 解析 J + gain2.2 + commit2 + safety_partial + replan=empty` ： **50.8%** 、碰撞 **1.4%** 。浏览器端从「0 到达 + 47% 刹车」恢复到 nc 集可达，plan P50 33.5/37.6 ms； – ，
- **下一步**：① Python 测 `safety_try=1` （只认证首选候选）对准确率的影响，若无损则 JS 同步（省多次 collideFree）；② K=4/6 的准确率-时延权衡；③ JS `gapMatrix` 同步只算 8 组特征；④ commit=2 异步部署的饥饿率实测。
## 轮次 26：解析雅可比 DLS——去掉差分噪声，准确率大幅提升（exp: `exp/dagger-deploy`，新历史最佳）
- **背景**：DLS 目标反馈此前用 6 次批量有限差分（ε=1e-3°）求雅可比。float32 下旋转项信噪比只有 ~1%，位置项 ~3.6%（与 autograd 对拍，见下），相当于每次规划往反馈方向注入 2–4% 的随机扰动。
- **假设**：改用几何雅可比（一次 FK）可同时去噪 + 提速；闭环准确率应不降、延迟应下降。
- **判据**：① 雅可比与 autograd 一致（rel < 1e-4）；② n=256 commit=3 到达 ≥ 36.3%（轮次 25 基线，不劣化）；③ DLS 单次延迟下降。
- **配方**： `Kin.jac` 几何雅可比（Jv_k = a_k× − ， `dls_steps(analytic=True)` 默认；其余同轮次 25（
- **数值对拍**（ `ml/eval/check_dls.py` ）：
- 位置项：解析 J 与 autograd 逐项一致（rel 0.00000）；有限差分 J 自身 rel 误差 **3.58%** 。
- 姿态项：解析 J 与差分 DLS 输出 max 0.20°/rel 5%（差的部分是 rotvec 的二阶项 Jr(e)，非噪声）。
- DLS 输出：pos-only max 0.12°，pos+rot max 0.20°。
- **延迟**（ ， **9.3→7.1 ms** ， **27.7→19.5 ms** （每次 DLS 少 6 次批量 FK）。
- **闭环（replan=empty， ， ） ：
| commit | 到达 | time_ok_1p3 | 碰撞 | ratio2s | 刹停/题 |
|---|---|---|---|---|---|
| 3（FD 对照，完全复现轮次 25）
| 3（解析 J）
| 2（解析 J） **50.4%** | 27.0% | 2.0% | 0.287 | 22.1 |
| 1（解析 J） **57.4%** | **31.6%** | 3.1% | 0.251 | 39.1 |
- **n=512 复核（commit=2，解析 J） **49.2%** / time_ok **26.2%** / 碰撞 **2.3%** / ratio2s 0.351 / 刹停 21.0（
- **结论**：
- 解析雅可比**既快又准**： （ **49.2%** （历史最佳 42.2% 是 commit=1 + FD，现在 commit=2 就超过），碰撞 2.3%。
- 机理：DLS 差分雅可比在 float32 下的 2–4% 噪声被慢变误差闭环放大（轮次 4/闭环根因结论：σ>0.02×STEP 即崩）；解析 J 去掉噪声后失败题里"能到 50 mm 却到不了"的那批能收敛了（err_fail 中位数 51→217 mm：失败集两极分化，成功集变大）。
- ratio2s 在 commit=3 变差（0.277→0.337）但到达更多：慢收敛题现在"最终到得了"，不是"更快"。
- **新历史最佳（50 Hz 目标节奏，commit=2） ） （
- **下一步**：① n=512 复核 commit=1；② 积分反馈（fb_ki，针对慢变偏差）在 commit=2 上叠加；③ 浏览器 JS 端同步解析 J；④ commit=2 的 40 ms 周期实测规划 P99（
## 轮次 25：实时节奏下的准确率探索 + 推理提速（exp: `exp/dagger-deploy`）
- **目标**：在 50 Hz 可行的节奏（commit=3，60 ms 周期）下提升准确率。
- **效率优化（有效）**：
- `Kin.gm_groups` ：特征只算 8 组间隙（数值 diff 0），features 10.4→**7.1 ms**；
- **onnxruntime CPU 推理 3.9 ms**（
- 单次规划 ≈ 7.1（ ） （ ） **32 ms p50 / ~45 ms p99** ；
- 异步部署下 tick（执行步 + 碰撞检查）2–3 ms → **50 Hz 控制可行** ； （
- **准确率尝试（n=256， ， ， ） ：
| 方法 | 到达 | time_ok | 碰撞 | ratio2s | 刹停 |
|---|---|---|---|---|---|
| dag2 + consist（基线） | **36.3%** | 16.4% | 1.6% | 0.277 | 14.3 |
| dag2 + 候选平均（select=average）
| 冻结编码器模型（dag3_fe）
| dag2 + commit=4 | 28.9% | 8.2% | 3.5% | 0.339 | 10.5 |
- **结论**：候选平均、冻结编码器、更稀疏规划**均未超过 36.3%**。**50 Hz 节奏下的最佳配置 = dag2 + commit=3 + consist + gain1.8 + safety_partial：到达 36.3% / 碰撞 1.6% / ratio2s 0.277**（相对非实时的 42.2% 差 5.9 pp）。
- **下一步**：若要把实时准确率再拉高，需要把单次规划再压到 ~22 ms 以支持 commit=2（
## 轮次 24：实时性优化与新方法（exp: `exp/dagger-deploy`）
- **目标**：准确率更高 + 效率满足 50 Hz（20 ms 控制步）。
- **① 混合节奏（规划每 3 步 + 执行时每步反馈）——负结论**：
- **② 特征几何优化（有效）**：特征只用 8 组间隙（GP），但原实现算全部 49 组（67256 簇对）。新增 `Kin.gm_groups(q, GP, cap)` ：按 7 连杆组对过滤簇对（簇索引 → `cl_g` → 组对 min/max），只算 8 组。
- 数值验证：与 `gaps()['gm'][:, a*7+b]` 逐项一致（diff 0）。
- 延迟：gm 计算 10.4→**7.1 ms**（
- **③ 浏览器部署**：导出 `webapp/models/traj_policy.onnx` （ ， ， `ik-policy.js` 加全程目标反馈（`fbGain` ） `commit` 可配；`ik-policy-glue.js` 支持 `?fb=&commit=` （默认 fb=1.8、commit=3）。
- JS bench（ ，
- **④ 实时口径的关键认识**：部署形态是**异步规划**（tick 20 ms 只执行队列；`plan()` 后台跑），所以 50 Hz 的约束是「tick < 20 ms + 规划在队列耗尽前完成」，不是「单次规划 < 20 ms」。
- JS 的 tick 只做队列执行 + 投影/碰撞检查（~1.5–3 ms）→ 50 Hz 可行；
- 规划 P99 70 ms → 需要 commit ≥ 4（
- 准确率与规划频率的 trade-off：
- **下一步**：① 在 commit=3/4 的实时节奏下找准确率提升（候选平均、dag3_fe 冻结编码器、更高 gain）；② 把 gm_groups 同步到 JS（
## 轮次 23：实时性口径评估（exp: `exp/dagger-deploy`）
- **背景**：870 ms/题是仿真里整条轨迹的总时长（150–300 次规划累加），不是控制延迟。实时口径按 §9.2：每次「推理 + 安全认证」P99 < 20 ms（ ，
- **假设**：单次规划延迟可以压到 20 ms 以内。
- **判据**：
- **优化**：① DLS 目标反馈的 6 次串行有限差分改为一次批量 FK（数值差 ≤0.013°，DLS 25→10–17 ms）；② 单题安全层按候选早停（首个全安全候选即停，16 点→2–4 点）。
- **指标（桌面 RTX 3090， ， ； **p50 40– – ；分解：features 10– – – –
- **实时频率扫描（n=256，部署口径，gain1.8 + safety + partial） ：
| 规划节奏 | 控制周期 | 到达 | time_ok_1p3 | 碰撞 | 刹停/题 |
|---|---|---|---|---|---|
| 每步（commit_n=1） **42.2%（ ） | 29.1% | 2.9% | 37.4 |
| 每 3 步（commit_n=3）
| 每 6 步（commit_n=6）
| 每 10 步（commit_n=10）
- **结论**：**当前方案不满足 50 Hz 实时**（单次 40–80 ms，超预算 2–4 倍）；42.2% 的成绩依赖每步规划（20 ms 节奏）。实时可行节奏下：每 3 步 → 36.3%（p50 有余量、p99 需继续优化），每 6 步 → 14.8%。**实时性是当前方案的硬约束，不是仿真耗时问题**。
- **下一步（需确认）**：① 浏览器 ONNX 路径实测（推理 P99 历史 10–12 ms；特征/安全层在 JS 端需 `tests/policy_bench.cjs` 实测）；② 特征缓存 + 安全层粗筛，目标单次 P99 < 20 ms；③ 或接受「每 3 步规划」的 60 ms 周期（36.3%）。
## 轮次 22：冻结编码器微调（exp: `exp/dagger-deploy`，负结论）
- **假设**：微调导致的分布退化来自表征漂移；冻结编码器（enc + enc_norm）、只调解码器/头，可保留开环精度同时吸收 DAgger-3 的部署分布样本。
- **判据**：部署口径 success > 43.8%（
- **配方**： `train.py --freeze-enc` （优化器只含 requires_grad 参数），数据 = 主数据 + DAgger-3 样本，lr 3e-4、5000 步，从 dag2 best 初始化；n=256 部署口径。
- **对照**： （
- **指标**：
| 模型 | gain | 到达 | time_ok_1p3 | 碰撞 | ratio2s | 刹停/题 | 墙钟/题 | ol_fk |
|---|---|---|---|---|---|---|---|---|
| 冻结编码器 | 1.5 | 39.8% | 22.3% | 1.2% | 0.293 | 25.4 | 936 ms | 15.8 mm |
| 冻结编码器 | 1.8 | 41.8% | 26.2% | 2.3% | 0.274 | 41.4 | 940 ms | 15.8 mm |
| dag2（基线） | 1.8 | **43.8%** | **28.9%** | 1.6% | **0.216** | 40.0 | 956 ms | 15.7 mm |
- **结论**：冻结编码器**确实减缓了开环退化**（ol_fk 15.8 vs 全微调 19.5），但部署到达仍比 dag2 低 2.0 pp——**无提升**。至此训练侧四种方法（APG、反馈蒸馏、DAgger-3、冻结编码器）均未超过 dag2 基线（43.8%），训练侧在当前数据/预算下已到平台。
- **下一步（超出小规模范围，需确认）**：更大规模训练（24000 步从头 + 8000×
## 轮次 21：DAgger-3（最终部署配置采集）（exp: `exp/dagger-deploy`，负结论）
- **假设**：用最终部署配置（每步规划 + 部分安全前缀 + 反馈 gain1.8 + 安全层）采集，训练分布与部署完全一致，可继续提升。
- **判据**：部署口径 success > 43.8%（
- **配方**： `collect --fb_gain 1.8 --safety 1 --replan empty --commit_n 1 --safety_partial 1` （500 题、73 起点）→ 老师重规划 → 打包 → 从 dag2 best 微调 15000 步（lr 3e-4，配置 base_dag3）。
- **对照**： （ ：
- **指标（n=256，部署口径）**：
| 模型 | gain | 到达 | time_ok_1p3 | 碰撞 | ratio2s | 刹停/题 | 墙钟/题 |
|---|---|---|---|---|---|---|---|
| dag3 | 1.5 | 39.8% | 16.0% | 1.2% | 0.360 | 14.7 | 912 ms |
| dag3 | 1.8 | 39.5% | 21.1% | 1.2% | 0.320 | 24.5 | 935 ms |
| dag2（基线） | 1.8 | **43.8%** | **28.9%** | 1.6% | **0.216** | 40.0 | 956 ms |
- **结论**： ** -4.3 pp**（
- **下一步**：冻结编码器、只微调解码器（假设：微调退化来自表征漂移），用同一份数据与预算验证。
## 轮次 20：反馈蒸馏（exp: `exp/dagger-deploy`，负结论）
- **假设**：用最终部署配置收集 (特征, 复合动作 = 模型输出 + 目标反馈) 样本，微调后模型可内化反馈（部署时降低/去掉反馈仍能到目标）。
- **判据**：部署口径下 `fb_gain=0~0.9` 时 success 接近/超过基线（43.8%，
- **配方**： `rollout` 加 collect 钩子（与部署一致：safety、replan='empty'、safety_partial=1、commit_n=1、fb_gain=1.8）收集 500 题 → **17.7 万样本** ； `train.py --config distill.json` （ ）
- **对照**： （ ：
- **指标（n=256，部署口径）**：
| 模型 | gain | 到达 | time_ok_1p3 | 碰撞 | ratio2s | 刹停/题 | 墙钟/题 |
|---|---|---|---|---|---|---|---|
| distill | 0.0 | **0.8%** | — | 0.0% | 0.708 | 2.1 | 762 ms |
| distill | 0.9 | 36.7% | 10.5% | 1.2% | 0.421 | 12.4 | 916 ms |
| distill | 1.8 | 43.4% | 27.7% | 2.0% | 0.228 | 47.4 | 925 ms |
| dag2（基线） | 1.8 | 43.8% | 28.9% | 1.6% | 0.216 | 40.0 | 956 ms |
- **结论**： `gain=0` 时到达仅 0.8%（与基线纯策略一样）；`gain=1.8` 时与基线持平（43.4 vs 43.8，差约 1 题），碰撞/刹停略差。蒸馏样本占比仅 8.5%、标签仍以主数据增量为主，模型没有学会"看目标修正"。此配方不成立。
- **下一步**：与最终部署配置一致的 DAgger 第 3 轮（采集时已用 safety+fb 1.2，但仍是 3 步提交/全窗口；现在部署是每步规划+部分前缀）。
## 轮次 19：APG 闭环策略梯度试跑（exp: `exp/dagger-deploy`，管线修复但暂不采用）
- **假设**：用闭环目标/碰撞损失直接微调策略（把"朝目标走"内化），减少对执行层反馈的依赖。
- **判据**：纯策略闭环 success 上升、碰撞铰链下降；部署口径（+反馈/安全层）不降。
- **配方**： `ml.apg.apg_finetune --init base_dag2_dag1/best.pt --steps 2` （先冒烟；原计划 500 步）。
- **修复的两个既有 bug**（APG 此前从未实测）：
1. `kin_torch._cat_gaps` 的 `p['b'] += s` 是 in-place，而 `b` 被 autograd 索引反向图引用 → backward 报 version 错；改为 `p['b'] = p['b'] + s` 。
2. APG 段边界 `queue.detach()` 让下一段执行的动作无梯度；改为只 detach 状态并重置队列（下一 plan 走 r=0 重新提交）。
- **指标（2 步冒烟）**： ； @2 success 0 / 碰撞 26.0%。
- **结论**：管线已能跑，但**损失尺度失控**（碰撞铰链均值 40 万，远大于 margin 3mm 的合理量级）；且 APG 展开是纯策略口径（无反馈/安全层/每步规划），与当前部署形态不一致。**暂不采用**，转「反馈蒸馏」。
- **下一步**：反馈蒸馏——用最终部署配置收集 (特征, 复合动作=模型输出+目标反馈) 样本，微调模型把反馈内化。
## 轮次 18：
- **假设**：轮次 17 的 43.8%（
- **判据**：
- **配方**： ， ， ， ， ；
- **对照**：轮次 17（ ： （ ：
- **指标**：到达 **42.2%** 、time_ok_1p3 **29.1%** 、碰撞 **2.9%** 、ratio2s **0.270** 、刹停 37.4、墙钟 **870 ms/题** 。
- **结论**： （ ）
- **下一步**：本轮探索收尾（监控页已回写）；进入大规模训练需用户确认 §9.2 锚点。
## 轮次 17：每步规划下的更大增益（exp: `exp/dagger-deploy`）
- **假设**：每步规划下更大的反馈增益可进一步提升到达与时间效率。
- **判据**：time_ok 上升、到达不降、碰撞 ≤3%。
- **配方**： ， ， ， ， ，
- **对照**：轮次 15（ ：
- **指标**：
| gain | 到达 | time_ok_1p3 | 碰撞 | ratio2s | 刹停/题 | 墙钟/题 |
|---|---|---|---|---|---|---|
| **1.8** | **43.8%** | 28.9% | 1.6% | 0.216 | 40.0 | 956 ms |
| 2.2 | 41.0% | **32.4%** | 2.0% | 0.174 | 64.4 | 976 ms |
| 3.0 | 36.3% | 32.8% | 0.8% | **0.153** | **123.2** | 994 ms |
- **结论**： （ ）
- **下一步**：
## 轮次 16：n=512 复核每步规划（稳定结论）
- **假设**：轮次 15 的 41.8%（
- **判据**：
- **配方**： ， ， ， ， ， ；
- **对照**：轮次 15（ ：
- **指标**：到达 **40.8%** 、time_ok_1p3 **25.0%** 、碰撞 **2.1%** 、ratio2s **0.309** 、刹停 25.3、墙钟 **852 ms/题** 。
- **结论**：稳定。**历史最佳（n=512，部署口径）= 40.8% 到达 / 2.1% 碰撞 / ratio2s 0.309 / time_ok 25.0% / 852 ms/题**；从基线 0% 到达提升 40.8 pp。相对 §9.2（98%、碰撞 0、用时≤老师×1.3）仍有大差距，但机理已成立。
- **下一步**：每步规划下重扫增益（1.8/2.2/3.0），看时间效率是否继续提升；随后收尾。
## 轮次 15：每步规划（commit_n=1）（exp: `exp/dagger-deploy`，新历史最佳）
- **假设**：部分前缀的填充零步仍在消耗时间；每次只提交 1 步、每步重新规划可消除填充、提升时间效率。
- **判据**：
- **配方**： ， ， ， ， `safety_partial=1, commit_n=1` ；
- **对照**： ：
- **指标**：
| commit_n | 到达 | time_ok_1p3 | 碰撞 | ratio2s | 刹停/题 | 墙钟/题 |
|---|---|---|---|---|---|---|
| 3 | 38.3% | 13.7% | 1.6% | 0.308 | 8.6 | 770 ms |
| **1** | **41.8%** | **21.5%** | 2.3% | **0.259** | 26.9 | 967 ms |
- **结论**：每步规划把到达推到 **41.8%** 、时间效率 **13.7→21.5%** 、精度 ratio2s **0.259** ；代价：碰撞 1.6→2.3%（仍 <3%）、刹停计数回升（每步都判断）、时延 +26%。**新历史最佳（n=256，部署口径）：41.8% / 2.3% / 0.259 / 21.5% / 967 ms**。
- **注**：
- **下一步**：n=512 复核；若稳定则收尾（更新最佳、监控页、分支清理）。
## 轮次 14：部分安全前缀（exp: `exp/dagger-deploy`，刹停大降）
- **假设**：安全层现在要求 3 步全安全才执行，候选只要第 2–3 步有碰撞就全拒刹停；改为「执行到第一个不安全步为止」可减少刹停。
- **判据**：刹停显著下降、到达不降、碰撞 ≤3%。
- **配方**： ， ， ， ， `safety_partial=1` ；
- **对照**：全窗口（轮次 11/13：
- **指标**：
| 安全层 | 到达 | time_ok_1p3 | 碰撞 | ratio2s | 刹停/题 | 墙钟/题 |
|---|---|---|---|---|---|---|
| 3 步全安全 | 36.7% | 13.3% | 1.6% | 0.323 | 27.4 | 775 ms |
| **部分安全前缀** | **38.3%** | 13.7% | 1.6% | **0.308** | **8.6** | 770 ms |
- **结论**：刹停 **27.4→8.6（ ） 、到达 +1.6 pp、碰撞不变——**部分安全前缀有效**（新最佳：38.3% / 1.6% / 0.308 / 8.6 / 770 ms）。但 `time_ok_1p3` 仍 13.7%：说明超时主因不是刹停，而是**执行粒度**——部分前缀的填充零步仍在消耗时间。
- **下一步**：
## 轮次 13：选择器 / K / 失败模式（exp: `exp/dagger-deploy`）
- **假设**：反馈混合下，候选选择器与候选数 K 会影响到达/时延；失败模式可指导下一步。
- **判据**：
- **配方**： ， ， ， ，
- **对照**：轮次 11/12（ ：
- **指标**：
| 配置 | 到达 | 碰撞 | ratio2s | 刹停/题 | 墙钟/题 |
|---|---|---|---|---|---|
| consist K=8 | 36.7% | 1.6% | 0.323 | 27.4 | 764 ms |
| value K=8 | 35.9% | 1.6% | 0.334 | 29.4 | 1063 ms |
| first K=8 | 36.3% | 1.2% | 0.338 | 28.1 | 780 ms |
| K=6 | 35.9% | 1.6% | 0.353 | 28.6 | 627 ms |
| K=4 | 31.6% | 1.2% | 0.396 | 32.6 | 482 ms |
- **失败模式（n=256， ） **碰撞仅 3 题（1.2%）、超时无碰撞 146 题（57.0%） ；失败题终点误差 p50 140 mm；`time_ok_1p3` 仅 **13.3%** ；成功题 t_done p50 2.74 s（时限 p50 3.4 s）；刹停 27.4 次/题。
- **结论**：选择器无差别（consist 略优）；K=8 到达最佳，K=6 省 18% 时延（到达 -0.8 pp）。**当前真正的瓶颈是时间效率（频繁刹停→超时），不是碰撞**。§9.2 的「用时 ≤ 老师×1.3」当前只有 13.3%。
- **下一步**：每步重规划下，安全层只需认证第 1 步（现在验 3 步，过度保守→全拒→刹停）；改 `safety_steps=1` 验证能否在保持低碰撞的同时大幅减少刹停。
## 轮次 12：n=512 复核（稳定结论）
- **假设**： –
- **判据**：
- **配方**： ， `replan='empty'` ， ， ，
- **对照**：轮次 11（ ：
- **指标**：
| gain | n=256 到达 | **n=512 到达** | 碰撞 | ratio2s | 刹停/题 | 墙钟/题 |
|---|---|---|---|---|---|---|
| 1.2 | 34.8% | **32.6%** | 1.0% | 0.435 | 18.6 | 722 ms |
| 1.5 | 36.7% | **33.4%** | 1.0% | 0.399 | 28.1 | 738 ms |
- **结论**： **33% 左右** （n=256 略乐观）；**历史最佳（n=512，部署口径）= gain 1.5 + replan=empty：到达 33.4% / 碰撞 1.0% / ratio2s 0.399 / 刹停 28.1 / 738 ms**。保守版 gain 1.2：
- **监控页回写**： `ml/monitor.py` 新增 `/api/explore` （读 docs/探索日志.md），`ml/monitor.html` 新增「闭环探索日志」卡片；Edge headless 截图确认渲染正常（http://127.0.0.1:8100）。
- **下一步**：候选选择器（consist/value/first）与 K=4 在反馈+每步重规划下是否影响到达/刹停。
## 轮次 11：
- **假设**：轮次 10 的 n=128 差异含样本偏差，需扩大样本复核。
- **判据**：reach 排名与轮次 10 一致、碰撞 ≤3%；若差异大则以 n=256 为准。
- **配方**： ， `replan='empty'` ， ， ，
- **对照**：轮次 10（ ：
- **指标**：
| gain | n=128 到达 | **n=256 到达** | 碰撞 | ratio2s | 刹停/题 | 墙钟/题 |
|---|---|---|---|---|---|---|
| 1.0 | 22.7% | **31.6%** | 0.8% | 0.428 | 15.0 | 748 ms |
| 1.2 | 26.6% | **34.8%** | 1.2% | 0.392 | 18.6 | 752 ms |
| 1.5 | 28.9% | **36.7%** | 1.6% | 0.323 | 27.4 | 760 ms |
- **结论**：前 128 题显著偏难；n=256 上 **gain 1.5 + replan=empty = 到达 36.7% / 碰撞 1.6% / ratio2s 0.323 / 刹停 27.4 / 760 ms** （新历史最佳）。gain 1.0 更保守（31.6% / 碰撞 0.8% / 刹停 15.0）。排名与 n=128 一致（1.5 > 1.2 > 1.0）。
- **下一步**：
## 轮次 10： （
- **假设**：r=0 规划下，最优增益会上移。
- **判据**：
- **配方**： ， `replan='empty'` ， ， ，
- **对照**：轮次 9（ ：
- **指标**：
| gain | 到达 | 碰撞 | ratio2s | 刹停/题 | 墙钟/题 |
|---|---|---|---|---|---|
| 0.8 | 21.9% | 2.3% | 0.505 | 11.3 | 801 ms |
| 1.0 | 22.7% | **0.0%** | 0.489 | 15.2 | 810 ms |
| 1.2 | 26.6% | 0.8% | 0.453 | 20.6 | 845 ms |
| **1.5** | **28.9%** | 0.8% | **0.411** | 28.5 | 844 ms |
| 2.0 | 28.9% | 0.8% | 0.414 | 44.9 | 914 ms |
- **结论**：到达在 gain 1.5 封顶（28.9%），2.0 无收益且刹停翻倍（44.9）。**按到达优先/碰撞 ≤3%：历史最佳 = gain 1.5 + replan=empty（ ） （ –
- **下一步**：
## 轮次 9： ）
- **假设**：
（更正：replan='empty' 仍是每 3 步规划一次——队列空才规划，commit 3 步；收益来自 r=0 无前缀，不是规划频率。）
- **判据**：部署口径 reach > 23.4% 且碰撞 ≤1.6%、刹停/时延不恶化。
- **配方**： ； `replan='empty'` （每次 r=0 规划）；`K=16` 。n=128，
- **对照**：轮次 8（ ：
- **指标**：
| 配置 | 到达 | 碰撞 | ratio2s | 刹停/题 | 墙钟/题 |
|---|---|---|---|---|---|
| **gain1.2 + replan=empty** | **26.6%** | **0.8%** | **0.453** | **20.6** | **845 ms** |
| gain1.2 + K=16 | 21.1% | 1.6% | 0.451 | 19.4 | 1629 ms |
| gain1.0 + K=16 | 21.9% | 4.7% | 0.506 | 14.6 | 1588 ms |
- **结论**： （
- **下一步**：
## 轮次 8：部署分布 DAgger 第 2 轮（exp: `exp/dagger-deploy`，边际改善）
- **假设**：第 1 轮 DAgger 用纯策略轨迹采集，与部署分布（反馈 + 安全层）不一致；用部署分布采集可让模型学到刹停/反馈下的正确动作。
- **判据**：部署口径 reach > 23.4%（轮次 6）或刹停显著下降且到达不降。
- **配方**： `ml.dagger.collect --fb_gain 1.2 --safety 1` （2000 题 → 637 起点，部署分布）→ 老师重规划 → 打包 → 从 `base_dag1/best.pt` 微调 15000 步（配置 base_dag2，
- **对照**：
- **指标（部署口径，n=128， ） ：
| 模型 | gain | 到达 | 碰撞 | ratio2s | 刹停/题 | 墙钟/题 |
|---|---|---|---|---|---|---|
| dag2 best | 1.0 | 21.9% | 1.6% | 0.485 | **18.9** | **905 ms** |
| dag2 best | 1.2 | 22.7% | 1.6% | 0.491 | 25.9 | 922 ms |
| dag1 best | 1.0 | 20.3% | 2.3% | 0.480 | 21.9 | 944 ms |
| dag1 best（轮次 6） **23.4%** | 1.6% | **0.454** | 31.4 | 953 ms |
- **结论**：部署分布 DAgger 把刹停降 18–40%、时延降 ~31 ms，但到达率未突破 23% 平台（-0.7 pp），属边际权衡改善；历史最佳到达仍是 dag1+gain1.2（
- **下一步**：试 replan=empty（r=0 规划，让反馈逐步生效）与安全层候选 K=16（减少全拒刹停）。
## 轮次 7：距离衰减增益 + 刹停兜底（exp: `feat/fb-mix`，负结论）
- **假设**：贴近目标减弱反馈可减少过冲/刹停；安全层全拒时用「半速朝目标一步」（单点安全认证）可减少原地停滞。
- **判据**：
- **配方**： `fb_scale=100` （>100 mm 全增益，近目标最低 0.2 倍）；`fb_fallback=0.5` （全拒时半速 DLS 一步，认证 `qe+fb1` 单点无碰）。n=128，
- **对照**：轮次 6（gain 1.2、无衰减、无兜底：23.4% / 1.6% / 0.454 / 31.4 / 973 ms）。
- **指标**：
| 配置 | 到达 | 碰撞 | ratio2s | 刹停/题 | 墙钟/题 |
|---|---|---|---|---|---|
| decay + fallback (gain 1.2) | 7.0% | 57.8% | 0.506 | 45.1 | 1166 ms |
| decay only (gain 1.2) | 9.4% | 1.6% | 0.454 | 29.6 | 1106 ms |
| no-decay + fallback (gain 1.2) | 21.1% | 57.8% | 0.506 | 46.8 | 1063 ms |
| gain 1.0 + decay + fallback | 4.7% | 55.5% | 0.515 | 37.2 | 939 ms |
- **结论**：两个改动都失败。① 衰减使接近目标时的收敛变慢，到达从 23.4% 掉到 9.4%；② 兜底绕过安全层的多候选选择，碰撞从 1.6% 拉到 **57.8%** （仅单点认证、且执行 3 步同向动作，危险），必须清除。保留参数但默认关闭（`fb_scale=0, fb_fallback=0` ），历史最佳配置（轮次 6）可复现。
- **过程 bug（自造）**：衰减代码曾用变量名 `g` 覆盖 rollout 的随机数生成器，导致 `randn` 报错；改名 `gdec` 后正常——记录以免误判为模型问题。
- **下一步**：DAgger 第 2 轮——采集时加入 fb_gain + safety，让训练分布 = 部署分布（1 轮，15000 步微调，约 1 小时）。按目标要求先向用户确认。
## 轮次 6：反馈增益扩展扫描（exp: `feat/fb-mix`，小幅进展）
- **假设**：更大增益能把到达率继续推高。
- **判据**： （
- **配方**： `rollout(fb_gain∈{1.2,1.5,2.0}, safety=True)` ，模型同轮次 5，
- **对照**：轮次 5（ ：
- **指标**：
| gain | 到达 | 碰撞 | ratio2s | 刹停/题 | 墙钟/题 |
|---|---|---|---|---|---|
| 1.2 | **23.4%** | 1.6% | **0.454** | 31.4 | 973 ms |
| 1.5 | 21.9% | 2.3% | 0.498 | 43.0 | 1151 ms |
| 2.0 | 23.4% | 0.8% | 0.530 | 57.6 | 1100 ms |
- **结论**：到达率封顶在 ~23%，增益再大只增刹停（31→58 次/题）。当前瓶颈从「到不了目标」变成「安全层频繁刹停 + 近目标过冲」。
- **下一步**：距离衰减增益（远离目标全增益、贴近目标减弱）+ 刹停兜底；目标 reach > 30% 且刹停显著下降。
## 轮次 5：模型前馈 + DLS 目标反馈（exp: `feat/fb-mix`，历史最佳）
- **假设**：模型擅长开环轨迹/避撞，但不指向目标；把 DLS 朝目标的反馈叠加到候选动作上，可把「走偏」拉回目标。
- **判据**：部署口径（+安全层）reach 显著 > 0 且碰撞 < 3%（§9.2 策略单独碰撞线）、刹停可控；否则不成立。
- **配方**： `closed_loop.rollout(fb_gain=...)` ： `inc += fb_gain · DLS(qe→T,R, n=1)` （加在所有候选上，安全层评估带反馈的候选）。模型 `ml/runs/base_dag1/best.pt` （ ， ，
- **对照**：
- **指标（n=128） ：
| 配置 | 到达 | 碰撞 | 精度 ratio2s | 刹停/题 | 时延 |
|---|---|---|---|---|---|
| DAgger 模型, gain 0 | 0% | 44.5% | 0.873 | 0 | — |
| DAgger 模型, gain 1.0, 关安全层 | 29.7% | 73.4% | 0.370 | 0 | — |
| **DAgger 模型, gain 1.0, 开安全层** | **20.3%** | **2.3%** | **0.480** | **21.9** | **12.58 ms/次** （ ）
| base 模型, gain 1.0, 关安全层 | 0% | 94.5% | 0.554 | 0 | — |
（另测 n=32 复核：gain 1.0 + safety → reach 25.0%、碰撞 6.2%、ratio2s 0.588。）
- **结论**：**反馈混合是首个把到达率从 0 拉到 20%+ 的机理**；安全层把碰撞从 73% 压到 2.3%（部署口径），代价是刹停 21.9 次/题（远超 §9.2 的 <2%/周期）。精度 ratio2s 0.48（
- **与历史最佳/基线对比**：
- **漂移检查**： `feat/abs-target` 已推送远端；本次实验在独立分支 `feat/fb-mix` 。
- **下一步**：扫更大 gain（1.2–2.0）与增益衰减；目标是把刹停次数降下来、到达率再提升，并测 ONNX/浏览器时延。
## 轮次 4：真实 DAgger 1 轮（main，部分有效）
- **假设**：策略自己走到的状态（离训练集 21.5°）+ 老师重标注，可让模型学会在偏移状态上行动。
- **判据**：reach 是否从 0 抬头；同时看碰撞、开环精度、时延。
- **配方**： `ACT_SCALE=1.0 DAG_ROUNDS=1 DAG_N=2000 bash ml/dagger/run.sh base ml/runs/base/last.pt` （采集 2000 题 → 老师重规划 → 打包 → 微调 15000 步，lr 3e-4；主数据 + DAgger 混合）。
- **对照**：
- **指标**：碰撞 99.6%→**40.2%**（ ， **0%** ，仅微调 12000 步时出现 **0.4%（ ） ；开环退化 6→**15.7 mm**； –
- **结论**：DAgger 数据确实教会避撞，但微调把主分布带偏（开环退化），到达仍近 0；单独 DAgger 不是终点。
- **下一步**：在 DAgger 模型上加目标反馈（模型前馈 + DLS 反馈）。
## 轮次 3：绝对目标参数化（exp: `feat/abs-target`，负结论）
- **假设**：模型从当前状态外推增量（判别 ρ=1.54），改为绝对目标标签可让输出指向参考位置。
- **判据**：一步采样开环误差需回到 <10 mm，闭环 success > 0；否则参数化不可行。
- **配方**： `ABS_TARGET=1` 重打主数据（201 万样本，Y=16 步绝对目标/180），train/rollout/ckpt 适配；从零训练 9950 步（p_neq 预热 5000）。过程中修复前缀噪声增广把 eps 直接加到绝对目标（≈18° 污染）的 bug。
- **对照**： （
- **指标**：一步采样动作误差 **31°** （ **0% / 100%** （
- **结论**：绝对目标的一步流匹配在 MeanFlow 头上学不动（过预热后 5000 步无下降趋势）；此配方不成立。分支已推送远端 `217a70b` （本地分支可删，远端保留可复现）。
- **下一步**：回归增量口径，上真实 DAgger。
## 轮次 2：合成扰动状态微调（main，负结论）
- **假设**：偏移 1.5° 状态的老师标注可补足闭环状态覆盖。
- **判据**：若 success 仍 0 或开环精度退化，则配方不成立。
- **配方**：2000 个扰动起点（σ 混合 0.5/1/2/4°）→ 老师重规划（2000/2000 到达）→ 36k 样本 → 从 base/last.pt 微调 3000 步（lr 3e-4 / 1e-4 两轮）。
- **对照**：
- **指标**：碰撞 99.6%→**48.4% / 60.4%**；到达仍 **0%** ；开环 6→**15.3 / 16.4 mm**（退化 2.5×）；ratio2s 0.927/0.893。
- **结论**：只学会了「保守避撞」，开环精度被带偏，success 仍 0；此配方不成立。
- **下一步**：改训练标签（绝对目标）或真实 DAgger。
## 轮次 1：数据规模能否救闭环（main，负结论）
- **假设**：训练数据不足导致分布外状态无覆盖。
- **判据**：若闭环状态到训练集最近邻距离大，且密度缩放无法在误差尺度内缩小差距，则加大同类数据无效。
- **配方**：191 万老师状态最近邻分析；6 维密度缩放 d∝N^(−1/6)。
- **对照**：起点（老师分布内）最近邻。
- **指标**：闭环状态最近邻 p50 **21.5°** （起点 13.2°）；数据翻 4 倍仅降 ~21%，与 0.02° 误差尺度差三个量级。
- **结论**：加大同类老师数据无效；需要「不同的数据」（闭环状态标注）。
- **下一步**：DAgger 或状态扰动数据。
## 轮次 0：基线（2026-10-18， ）
- **假设**：模型开环已拟合老师（末端 ~6 mm），闭环失败另有原因。
- **判据**：
- **配方**： `ml/runs/base/last.pt` （
- **对照**：老师回放 reach 1.0 / 碰撞 0； ）
- **指标**：到达 **0%** ；碰撞 **99.6%** ；精度 ol_fk 5.98 mm / ol_best 2.92 mm / ol_div 0.655，
- **结论**：仿真/滚动无误，失败在策略输出。闭环对每步残差极敏感（老师动作加 σ=0.05×
2026-10-20 21:44:50 +08:00
2026-10-20 07:40:16 +08:00
## 分支清理（2026-10-20）
- `feat/fb-mix` （8e5431c）：反馈混合方案的中间分支，**已验证是 `exp/dagger-deploy` 的祖先**（所有提交都在后者历史里），本地/远端分支删除，内容保留在 exp/dagger-deploy。
- `feat/abs-target` （217a70b）：绝对目标参数化负结论分支（轮次 3）；打 tag `archive/abs-target` 保留可复现实体后，删除远端分支（本地此前已删）。
- `backup/pre-deep-squash` 、`backup/pre-squash` ：历史备份分支，非实验方案，保留未动。
- 保留：`main` （ `exp/dagger-deploy` （
