Robot_Arm/docs/本机执行清单.md

# 本机执行清单（给本地 AI 逐条执行）

本文件是 Hark 对本机计算的唯一要求清单。按顺序执行，每一步把「回传」里的文件或输出原样交给用户，不要跳步，不要自行改代码。
所有命令在仓库根目录（G:\Robot_v2\机器人手臂）的 Git Bash 里运行。完成的条目由 Hark 在下一次提交里删掉。

## 已知结论（截至 2026-10-19 03:37 回传）

- 特征口径 Python 与 JS 一致；子目标、抄上一帧速度、起步都已排除；gaps 显存已过。
- 一步采样残留噪声真实（抖动 42×、残差-噪声相关 −0.86），2 段以上基本修掉；4 段闭环碰撞 99.6%→93%、2 s 误差比 0.815→0.610，到达仍 0%。零噪声 0%/100%（均值样本偏老师 ~4°）。
- 新发现的错误：闭环一致性打分错位一步（对齐上一计划的第 3 个点，应为第 4 个），等于每次重规划奖励「比上一计划慢一步」的候选。Python 闭环和浏览器部署已同时修正。第 1 步的 C 段和 G 段都按修正后口径跑。

## 第 0 步：同步代码

```bash
git status --short            # 有未提交改动就先 commit，不要丢
git pull --rebase gitea main
git log --oneline -1          # 应是 Hark 的「fix(closed_loop): 一致性打分错位 …」
```

- 训练控制台若开着先点「停止」，确认没有 python 训练进程在跑。
- 不要启动训练 / DAgger / M5，等 Hark 看完第 1 步结果再定。

## 第 1 步：闭环失败定位（含新加的 G 段，约 10–15 分钟）

```bash
PYTHONUTF8=1 python -m ml.eval.diag_cl --ckpt ml/runs/base/last.pt --n 256 --out ml/runs/diag_cl.json
```

- 专用显存超过 22 GB 就 Ctrl+C 并回传终端输出。
- 新增输出：`G_1step_consist`、`G_4step_consist`、`G_4step_value`、`G_4step_first`、`G_4step_consist_safety`，每项含到达、碰撞、2 s 目标误差比、末端误差、首次碰撞时刻、前 1 s 速度比、刹停次数。F 段已删。
- 回传：`ml/runs/diag_cl.json`。

## 回传汇总

| 步骤 | 回传内容 |
|---|---|
| 1 | ml/runs/diag_cl.json |
| 任一步出错 | 终端最后 30 行输出 |

---

## 执行回传（2026-10-19 05:35，本地 AI）

### 第 0 步：同步代码

pull 前无未提交 tracked 改动；两个 untracked 文件原位保留。log 顶部 = `0f5b84b`「fix(closed_loop): 一致性打分错位 …」✓。无训练进程。

### 第 1 步：闭环失败定位（G 段；完整 JSON 已更新到 ml/runs/diag_cl.json）

**C 段（修正后同口径）**：到达 **0%** / 碰撞 **99.6%** / 2 s 误差比 **0.755**（修正前 0.815）；首撞 p50 1.42 s、主碰撞对 J3-J5 95 次——**一致性错位修复没有改变闭环结果**（数值微动但形态不变）。

**G 段（5 个变体，n=256）**：

| 变体 | 到达 | 碰撞 | 2s 误差比 | 末端误差 mm | 首撞 s | 前 1s 速度比 | 刹停 |
|---|---|---|---|---|---|---|---|
| G_1step_consist（部署口径） | 0% | 99.6% | 0.755 | 420 | 1.42 | **2.31** | 0 |
| G_4step_consist | 0% | 94.1% | 0.591 | 430 | 1.80 | 1.26 | 0 |
| G_4step_value | 0% | 94.5% | 0.580 | 410 | 1.66 | 1.31 | 0 |
| G_4step_first | 0% | 96.1% | 0.762 | 465 | 1.98 | 1.17 | 0 |
| G_4step_consist_safety | 0% | **0.78%** | 0.720 | 458 | 0.54 | 1.17 | 9 |

三个要点：

1. **候选选择机制无关紧要**：consist / value / first（完全不选）三者到达都是 0%、碰撞 94–96%、误差比 0.58–0.76——换选择器救不了，问题在候选本身（模型输出），不在「挑哪条」。
2. **1step 闭环速度比 2.31×**：策略前 1 s 走出老师的 2.3 倍速度（4 段采样后降到 1.26×），但 2 s 目标误差只缩 25%——「动得多、走得少」在修掉一致性错位后依然成立。
3. **4step + 安全层：碰撞几乎归零（0.78%，对比基线 safety 6.6%）但到达仍 0%**、刹停中位 9 次——能防撞，到不了目标。

### 本轮无出错，无终端报错段。

---