Robot_Arm/docs/Transformer轨迹拟合训练方案.md

# Transformer 拟合避障轨迹规划：训练方案（审查稿）

> 2026-10-17 起草，基于 `main@3c7c814`（贴立柱修复后的规划器）。本文只是方案，代码尚未编写。
> 审查时重点看：§0 定位、§2 数据分布、§3 表示方式、§5 训练配置、§5A 后训练循环、§7 验收标准。

---

## 0. 定位与边界

| 项目 | 决定 |
|---|---|
| 模型角色 | **提议器**：给出若干条候选关节轨迹，由现有 `collideFree` + 半格复验把关，全部不合法时回落 `routeRT` / `solveDyn` |
| 不做的事 | 不让模型直接驱动电机；不替代碰撞检测；不学习动力学（速度/加速度仍由 `animTo` 时间参数化） |
| 老师 | 当前 JS 规划器（`webapp/js/ik-solver.js`）：松手口径用 `S.solveDyn(T, opt)`，拖拽口径用 `S.solveRoute(T, {quick:true,...})` |
| 收益目标 | 实时拖拽重规划 P99 ≈ 321 ms → **< 50 ms**；首次全量 IK 尖峰（最差约 2 s）→ < 100 ms |
| 底线 | 「模型+验证+回落」整体的到达率、路径合法率**不得低于**现有规划器（任何基准上都不允许退化） |

为什么必须保留验证：碰撞是"硬约束"，神经网络只能做到高概率满足。验证器把"偶尔撞一下"变成"偶尔慢一下"。

---

## 1. 训练环境

| 阶段 | 在哪里跑 | 说明 |
|---|---|---|
| 数据生成 | Hark 沙箱（2 vCPU / 7 GB，Node） 或 用户机器 | 纯 JS，无需 GPU；可多进程并行 |
| 训练 | **用户的 GPU 机器** | 沙箱无 GPU、无 PyTorch。最低建议 8 GB 显存（RTX 3060 级别） |
| 部署推理 | 浏览器（onnxruntime-web，WebGPU 优先，wasm 兜底） | 与现有查看器同页运行 |

Python 环境（训练机）：

```bash
conda create -n armtf python=3.11 -y && conda activate armtf
pip install torch --index-url https://download.pytorch.org/whl/cu121   # 按本机 CUDA 版本选
pip install numpy pyarrow tqdm tensorboard onnx onnxruntime
```

---

## 2. 第一步：生成数据（规划器当老师）

### 2.1 新增文件

| 文件 | 作用 |
|---|---|
| `ml/gen/gen_dataset.cjs` | 采样任务 → 调用规划器 → 校验 → 写分片 |
| `ml/gen/sampler.cjs` | 起点/目标采样器（三类分布，见 2.3） |
| `ml/gen/run_parallel.sh` | 按 CPU 核数起 N 个进程，每个进程不同随机种子 |
| `ml/data/shard_XXXX.jsonl` | 原始样本分片（每片 5000 条） |

复用 `tests/route_bench_setup.cjs` 装配求解器（关节表、`docs/travel.json`、`docs/collide.json`，无需网格）。

### 2.2 单条样本的字段

```json
{
  "id": "s0003_000127",
  "mode": "pos" | "pose",
  "teacher": "dyn" | "rt",
  "q0": [6 个关节角, 度],
  "T": [x, y, z],            // 目标 TCP 位置, mm
  "R": [[3x3]] | null,       // 目标姿态（pose 模式）
  "tool": 0,
  "path": [[6], [6], ...],   // 老师给出的折线: q0 → via... → q
  "q_goal": [6],
  "ok": true,                // 到达 (误差<1mm, pose 另需<0.5°) 且 1° 细验无干涉
  "poseRelaxed": false,
  "travel_deg": 123.4,
  "plan_ms": 812.0,
  "fp": "collide.json 指纹"    // modelFingerprint()，碰撞模型变了旧数据作废
}
```

### 2.3 采样分布（目标 20 万条原始任务）

关节限位（`docs/travel.json`）：J1/J3/J6 连续 ±180°；J2 [-92, 9]，J4 [-111, 16]，J5 [-93, 34]。

| 类别 | 占比 | 采样方式 |
|---|---:|---|
| A 均匀 | 50% | 起点 q0、目标位形 b 均在限位内均匀采样且本身无干涉；目标取 `fk(b)`（pose 模式加 `orient(b)`） |
| B 直线被挡 | 30% | 同 A，但要求 q0→b 关节直线 1° 细验有干涉（route_bench 的生成口径） |
| C 贴立柱 | 15% | b 满足 `nearColumn`（J1/J2/J3 任一 ±4° 即撞立柱），q0 在立柱另一侧（near_column_bench 口径） |
| D 不可达/无安全解 | 5% | 目标在工作空间外或所有 IK 分支都撞；标签为"拒绝"，教模型说"到不了" |

- `mode`：pos 与 pose 各 50%。
- 老师：每条任务用 `solveDyn` 求一次（松手口径，质量更高）；其中 30% 额外用 `routeRT` 拖拽口径求一次，作为"快速路径"风格的辅助样本（`teacher:"rt"`），训练时可按需过滤。
- **测试集隔离**：用固定种子另生成 2000 条留作测试集，且排除与训练目标距离 < 5 mm 的样本；`route_bench` / `near_column_bench` / `rt_drag_bench` 的案例**不进入训练集**。

### 2.4 质量过滤

1. `ok == false` 的样本：A/B/C 类丢弃；D 类保留为"拒绝"标签。
2. 整条路径 1° 细验（`segOK`）+ 半格复验，任一段干涉即丢弃。
3. `poseRelaxed == true` 的样本单独打标签，训练时只当作 pos 模式样本用（避免模型学到"姿态随便放"）。
4. 关节行程超过同任务 `routeRT` 结果 1.5 倍的视为老师绕远，丢弃（可选，先统计比例再决定）。

### 2.5 数据增广（不需要重新规划）

- **后缀切片**：合法路径的任意后半段也是合法路径。从每条路径中按弧长取 2–4 个中间点作为新 q0，得到新样本（目标不变）。约 ×3。
- **连续轴平移**：J1 绕立柱对称性**不成立**（立柱在固定位置），不做 J1 旋转增广；J6 若与碰撞无关可加 ±360° 等价表示，归一化时统一处理。
- 增广后预计约 60 万条训练样本。

### 2.6 耗时与存储估算

- `solveDyn` 约 0.7 s/条，沙箱 2 进程约 1 万条/小时 → 20 万条约 20 小时；用户机器 8 核约 5 小时。
- 每条约 1–2 KB，全部原始数据约 300 MB；转 Parquet 后约 80 MB。

### 2.7 本步检查点（审查时可看）

- [ ] `ml/data/stats.json`：各类别数量、ok 率、平均行程、路径点数分布、规划耗时分布
- [ ] 随机抽 20 条在查看器里回放（新增 `?replay=shard_0000.jsonl#127` URL 参数）
- [ ] 测试集与 3 个基准案例和训练集无重叠

---

## 3. 第二步：预处理（Python）

文件：`ml/prep/build_dataset.py` → 输出 `ml/data/train.parquet`、`val.parquet`（95/5 划分）、`test.parquet`、`norm.json`。

### 3.1 路径重采样

1. 连续轴（J1/J3/J6）先做展开（`unwrapTo` 同口径），保证相邻点差 < 180°。
2. 按**加权关节空间弧长**重采样为固定 **K = 32** 个点，第 0 点 = q0，第 31 点 = q_goal。权重默认各轴 1（可改成按连杆长度加权）。
3. 记录原始弧长 `L`（模型额外回归它，用于早停与排序）。

### 3.2 条件输入（编码器一侧）

| 量 | 维度 | 编码 |
|---|---:|---|
| q0 | 6 | 每轴 (sin, cos) → 12；限位轴再加归一化值 (q−lo)/(hi−lo) → +3 |
| 目标位置 T | 3 | 除以 600 mm 归一化 |
| 目标姿态 R | 6 | 旋转矩阵前两列（6D 表示）；pos 模式填 0 |
| 模式 | 2 | one-hot [pos, pose] |
| 工具号 | 1 | 目前恒 0，留位 |
| 起点 TCP | 3 | `fk(q0)` 归一化（给模型一个笛卡尔线索） |

### 3.3 输出表示（解码器一侧）——离散化

- 每个关节值相对 q0 的**增量** Δq = q_k − q0 离散化：连续轴范围 [−360, 360]，限位轴范围 [lo−hi, hi−lo]，均分 **512 个桶**（约 1.4°/桶）。
- 每个桶再回归一个桶内偏移 ∈ [−0.5, 0.5]（细化到亚度级）。
- 序列：K−1 = 31 个路径点 × 6 轴 = **186 个 token**（第 0 点即 q0，不需要预测）。
- 额外 1 个 `[REJECT]/[OK]` 分类 token 放在序列最前：D 类样本只训练这个 token。

**为什么不用直接回归（MSE）**：立柱两侧绕行（左绕/右绕、J3 翻转/不翻转）是多峰分布，MSE 会输出两条路径的平均——恰好穿过立柱。离散化 + 自回归采样能保留多峰。

### 3.4 归一化文件 `norm.json`

记录桶边界、K、权重、碰撞模型指纹 `fp`；部署端必须校验 `fp` 一致，否则拒绝加载模型。

---

## 4. 第三步：模型结构

文件：`ml/model/traj_transformer.py`

```
条件向量 (≈37 维)
   └─ MLP → 8 个条件 token (d=256)        ← 编码器：4 层 Transformer encoder
目标序列: [BOS][OK] (j1,j2,...,j6)×31
   └─ 嵌入 = 桶嵌入 + 轴嵌入(6) + 路径点位置嵌入(32)
   └─ 6 层 Transformer decoder（因果自注意力 + 对条件 token 的交叉注意力）
输出头:
   ├─ 桶分类头 (512 类 / token)
   ├─ 桶内偏移回归头 (1 / token)
   ├─ OK/REJECT 头 (2 类)
   └─ 路径弧长回归头 (1)
```

| 超参 | 值 |
|---|---|
| d_model | 256 |
| 头数 | 8 |
| FFN | 1024，GELU |
| 编码器/解码器层数 | 4 / 6 |
| Dropout | 0.1 |
| 参数量 | 约 7 M（fp32 约 28 MB，fp16 约 14 MB） |

备选（第一版不做）：同一骨干改为 flow matching，直接输出 31×6 连续值，推理 8–16 步；在自回归版精度不够时再试。

---

## 5. 第四步：训练

文件：`ml/train.py`，配置 `ml/configs/base.yaml`。

### 5.1 损失

```
L = CE(桶)                         权重 1.0（label smoothing 0.05）
  + L1(桶内偏移)                   权重 0.5
  + CE(OK/REJECT)                  权重 0.5
  + L1(弧长 L)                     权重 0.1
  + 平滑项 ‖q_{k+1} − 2q_k + q_{k−1}‖²（用期望桶值计算） 权重 0.05
  + 终点项 ‖q_31 − q_goal‖（期望值）                    权重 0.5
```

### 5.2 训练配置

| 项 | 值 |
|---|---|
| 优化器 | AdamW，β=(0.9, 0.95)，weight decay 0.05 |
| 学习率 | 3e-4，前 2000 步线性预热，余弦退火到 3e-6 |
| batch | 256（显存不够用梯度累积） |
| 精度 | bf16/fp16 混合精度 |
| 轮数 | 最多 40 epoch，验证集"合法率"连续 5 次不升即早停 |
| 教师强制 | 全程 teacher forcing；第 20 epoch 后 10% 概率用模型自己的预测（scheduled sampling），减轻曝光偏差 |
| 预计耗时 | RTX 3060：约 1.5–3 小时（估算，跑完第一轮后校正） |

### 5.3 训练中验证（每个 epoch）

在 `val` 抽 1000 条，**自回归采样**生成路径后用 Python 版碰撞检查器评估：
- 用 `ml/eval/collide_py.py`（从 `collide.json` 读胶囊，与 JS 同口径；先用 JS 结果对拍 1 万个位形，误差必须为 0）。
- 指标：合法率（1° 细验无干涉）、终点误差、行程比（模型/老师）、REJECT 准确率。
- 保存最优 checkpoint 依据 = **合法率**，其次终点误差。

### 5.4 一条命令运行

```bash
python ml/prep/build_dataset.py --in ml/data --out ml/data
python ml/train.py --config ml/configs/base.yaml --run runs/v1
tensorboard --logdir runs
```

---

## 5A. 第四步半：后训练——验算、挑错、针对性再训练（循环）

> 2026-10-17 用户补充：一轮监督训练不够，要"模型结果逐条验算 → 挑出错的 → 针对性训练 → 周而复始"。
> 下面把它做成固定流程，每一轮都可复现、可回滚。

### 5A.1 为什么光和老师数据对比不够

监督训练只在**老师走过的状态**上学习。模型上线后会走到老师没走过的状态（自己的路径稍微偏一点，下一帧的起点就偏了），
误差会累积——这是模仿学习的"分布偏移"。所以后训练要同时做两件事：

1. **困难样本挖掘**：在新任务上让模型出结果，逐条验算，错的交给老师重新标注。
2. **DAgger（数据聚合）**：在**模型自己走到的状态**上请老师给答案，再加回训练集。拖拽场景尤其需要这一条。

### 5A.2 一轮的完整流程（第 r 轮）

```
                ┌──────────────────────────────────────────────┐
  模型 M_r ──▶ ①出题 ──▶ ②模型作答 ──▶ ③逐条验算 ──▶ ④错题分类
                                                         │
  M_{r+1} ◀── ⑦门禁 ◀── ⑥针对性微调 ◀── ⑤老师重标 + 邻域扩增 ◀┘
```

**① 出题（挖掘池，每轮新抽）**
- 每轮用新种子生成 5 万条任务，分布同 §2.3，但把 B/C 类（直线被挡、贴立柱）提到 60%。
- 另跑 2000 段"模型在环"拖拽仿真（同 rt_drag_bench 口径，但每帧由模型规划、走模型给的路径），记录模型实际经过的状态，作为 DAgger 状态池。
- **挖掘池与测试集严格分开**：§2.3 的留出测试集和三个基准永远不进挖掘池，否则门禁失效。

**② 模型作答**
- 每个任务采样 B = 8 条（与部署一致：贪心 + 不同温度）。GPU 批量推理，5 万任务约几分钟。

**③ 逐条验算**（新增 `ml/eval/verify_batch.py`，GPU 批量版碰撞检查器）
- 每条候选：1° 细验 + 半格复验无干涉；终点 TCP 误差 < 1 mm（pose 另需姿态 < 0.5°）；关节不越限位。
- 同一任务调用老师（已有标签或现算）得到老师行程 `L*`。
- 验算口径必须与 JS 完全一致：`verify_batch.py` 先与 JS `collideFree` 对拍 10 万个位形，0 误差才允许用于挖掘。
- 为什么要 GPU 版：5 万任务 × 8 条 × 约 100 个采样位形 = 4000 万次位形检查，JS 单核约 20 小时，GPU 批量约几分钟。

**④ 错题分类**（写入 `ml/mining/round_r/errors.parquet`）

| 类别 | 判定 | 典型原因 |
|---|---|---|
| E1 全错 | 8 条全部不合法 | 没学会这一类绕行 |
| E2 部分错 | 有合法的，但贪心那条不合法 | 置信度校准差 |
| E3 绕远 | 最优合法候选行程 > 1.2 × `L*` | 选错同伦类（该左绕却右绕） |
| E4 终点偏 | 路径合法但终点误差超限 | 离散化/精修不足 |
| E5 拒判错 | 可达却判 REJECT，或不可达却给路径 | OK 头没学好 |
| E6 拖拽失稳 | 模型在环仿真中出现碰撞帧或 3 s 内未到达 | 分布偏移 |
| G 比老师好 | 合法且行程 < 0.9 × `L*` | 老师没找到更短的路 |

同时记录每个错题撞的是哪对部件（`collideDetail`），便于看是不是集中在立柱上段等特定区域。

**⑤ 老师重标 + 邻域扩增**
- E1–E5：用 `solveDyn` 重新求解（已有标签直接复用），得到正确标签。
- E6（DAgger）：取模型路径**撞前最后一个安全状态**、以及拖拽中途的若干状态作为新起点 q0，请老师从这里规划到目标。
- 邻域扩增：每个错题再造 10 个邻居（目标 ±5 mm、q0 各轴 ±3°），老师标注，过滤后加入——一个错题往往代表一片区域没学会。
- G 类：模型的更短路径通过验算后**直接作为新标签**（替换老师标签），模型可以反过来超过老师。
- 老师耗时：每轮错题约 2000–5000 条 × 11（含邻居）× 0.7 s，8 核机器约 1–2 小时。

**⑥ 针对性微调**
- 从 M_r 的权重继续训练，**不从头训**。
- 训练集 = 新错题样本 50% + 历史数据回放 50%（防止学了新的忘了旧的）。
- 错题按类别加权：E1、E6 权重 2.0，E3 权重 1.5，其余 1.0。
- 学习率 1e-4，预热 500 步，余弦退火，3–5 epoch。

**⑦ 门禁（不通过就回滚）**

| 检查 | 要求 |
|---|---|
| 留出测试集模型命中率 | 比 M_r 高（≥ +0.3 个百分点） |
| 留出测试集合法率、行程比 | 不得比 M_r 差 |
| route_bench / near_column_bench / rt_drag_bench | 「模型+验证+回落」任何一项不得退化 |
| 上一轮已修好的错题（回归集） | 至少 95% 仍然正确 |

不通过：丢弃 M_{r+1}，检查错题标签质量后调整权重/回放比例重做本轮。

### 5A.3 停止条件

- 连续 2 轮命中率提升 < 0.5 个百分点，或
- 达到 6 轮，或
- 达到 §7.2 全部验收标准。

### 5A.4 进阶选项（循环稳定后再考虑）

1. **验算过的自我采样微调**（expert iteration / 拒绝采样）：对每个任务采样 32 条，只保留验算通过且最短的一条作为标签，不需要老师参与，适合 G 类多的时候。
2. **偏好训练**（DPO 类）：同一任务的"合法路径"和"撞了的路径"组成一对，让模型提高前者概率、降低后者，直接针对"别撞"优化。
3. **碰撞惩罚项**：在损失里加可微的胶囊最小距离惩罚（从 `collide.json` 的胶囊参数计算），距离 < 安全余量时罚。

### 5A.5 新增文件

```
ml/mining/
  mine_round.py        ①–④ 出题、作答、验算、分类
  relabel.cjs          ⑤ 调老师重标 + 邻域扩增（Node）
  finetune.py          ⑥ 回放混合 + 加权微调
  gate.py              ⑦ 门禁与回滚
  loop.sh              一条命令跑 N 轮：bash ml/mining/loop.sh --rounds 6
  round_r/             每轮的错题、新标签、指标、checkpoint（不入库）
ml/eval/verify_batch.py   GPU 批量碰撞验算（与 JS 对拍）
```

每轮输出 `round_r/report.md`：错题分布、门禁结果、命中率曲线，方便逐轮审查。

---

## 6. 第五步：推理与集成

### 6.1 导出

`ml/export_onnx.py`：导出带 KV cache 的解码器（opset 17），fp16 量化；输出 `webapp/models/traj_v1.onnx` + `traj_v1.norm.json`。

### 6.2 推理流程（新增 `webapp/js/ik-learned.js`，在 `routeRT` 之前调用）

1. 编码条件 → 一次 batch 采样 **B = 8** 条（温度 {0, 0.5, 0.8, 1.0} 各 2 条，0 为贪心）。
2. 若 OK 头判 REJECT 概率 > 0.9 → 直接走原规划器（不信任模型的"到不了"，只用来省时间排序）。
3. 每条候选：终点用 `solveTo` 做 1–3 次牛顿精修 → 整条 `collideFree` 1° 细验 + 半格复验。
4. 选合法且行程最短的一条；**全部不合法 → 原 `routeRT` / `solveDyn` 回落**。
5. 拖拽中热启动：把上一帧路径剩余部分作为解码前缀，只重新生成后半段。

### 6.3 延迟预算（目标）

| 环节 | 目标 |
|---|---:|
| 模型推理（8 条 × 186 token，WebGPU） | < 15 ms |
| 碰撞验证（8 条） | < 15 ms（已有包围球预筛） |
| 合计（命中时） | < 30 ms |

---

## 7. 第六步：评估与验收

### 7.1 测试集合

| 集合 | 来源 |
|---|---|
| route_bench | `tests/route_bench.cjs`，60 例 |
| near_column_bench | `tests/near_column_bench.cjs`，30 例（pos / pose / rt） |
| rt_drag_bench | `tests/rt_drag_bench.cjs`，12 例 |
| held-out | §2.3 的 2000 条留出测试集 |

新增 `tests/learned_bench.cjs`：对同一批案例分别跑 ①原规划器 ②仅模型 ③模型+验证+回落，输出对比表。

### 7.2 验收标准

| 指标 | 仅模型（参考） | 模型+验证+回落（必须） |
|---|---|---|
| 路径合法率 | ≥ 90% | = 100%（与现状一致） |
| 到达率 | ≥ 95% | ≥ 现状（route 60/60，near pos 30/30，rt 30/30） |
| 关节行程 | ≤ 老师 × 1.1 | ≤ 现状 × 1.05 |
| 拖拽重规划 P99 | — | < 50 ms（现状约 321 ms） |
| 拖拽碰撞帧 | — | 0 |
| 模型命中率（不需回落） | — | ≥ 85% |

不达标的处理：命中率低 → 加数据（重点补失败类别）/ 加大模型；行程差 → 加大行程 loss 或过滤老师绕远样本；延迟不降 → 减少 B 或改 flow matching。

---

## 8. 风险与维护

1. **碰撞模型/立柱变动 = 重训**：`collide.json` 指纹写进数据和模型，不一致时前端自动禁用模型，回落原规划器，不会出错只会变慢。重训流程 = §2 → §5，约半天。
2. **老师的缺陷会被学走**：例如 `ci27` 姿态根枚举漏分支（姿态偏差约 97.5°）。数据里 `poseRelaxed` 样本已隔离；老师修好后再重造数据。
3. **分布外目标**：模型在工作空间边缘可能乱给；有验证+回落兜底，只影响速度。
4. **J3/J6 连续轴展开**：预处理与部署必须同一套 `unwrapTo` 口径，§3 对拍时一并验证。

---

## 9. 目录规划

```
ml/
  gen/        gen_dataset.cjs  sampler.cjs  run_parallel.sh
  data/       shard_*.jsonl  stats.json  train/val/test.parquet  norm.json   (不入库，.gitignore)
  prep/       build_dataset.py
  model/      traj_transformer.py
  eval/       collide_py.py  eval_paths.py
  configs/    base.yaml
  train.py  export_onnx.py  README.md
webapp/js/ik-learned.js
webapp/models/traj_v1.onnx  traj_v1.norm.json
tests/learned_bench.cjs
```

## 10. 里程碑

| # | 内容 | 产出 | 在哪跑 |
|---|---|---|---|
| M1 | 数据生成器 + 1000 条试跑 + stats | `ml/gen/*`、stats.json | 沙箱 |
| M2 | Python 碰撞检查器对拍 | `collide_py.py`，1 万位形 0 误差 | 沙箱 |
| M3 | 全量 20 万条数据 | Parquet | 沙箱（约 20 h）或用户机器 |
| M4 | 训练工程 + 小数据过拟合测试（1000 条能背下来） | `train.py` 等 | 沙箱 CPU 验证代码可跑 |
| M5 | 正式训练 | checkpoint、TensorBoard | **用户 GPU** |
| M5A | 后训练循环：GPU 批量验算器 + 挖掘/重标/微调/门禁，跑 3–6 轮 | 每轮 report.md | 用户 GPU（老师重标可分到沙箱） |
| M6 | 导出 ONNX + 前端集成 + learned_bench | 对比表 | 沙箱 + 浏览器 |

## 11. 需要用户确认

1. 训练机显卡型号与显存。
2. 定位：只做加速器（本文默认），还是希望最终能脱离规划器。
3. 数据生成在沙箱跑（约 20 h），还是你的机器跑更快。