feat+test: select=ep_waste 白费比例惩罚(罚度按当前误差缩放)；单测抓到我把净位移对时间轴求和写成了对轴求和(frac 恒 0)

ml/sim/closed_loop.py

@@ -284,13 +284,19 @@ def rollout(model, kin, tasks, device, K=8, safety=False, seed=0, max_sec=None,
             fut = qe[:, None, None] + torch.cumsum(inc[:, :, r:], 2)          # [B,K,H-r,6]
             if select == 'first':
                 score = torch.zeros(B, K, device=device); score[:, 0] = 1
-            elif select in ('endpoint', 'adapt', 'ep_len'):
+            elif select in ('endpoint', 'adapt', 'ep_len', 'ep_waste'):
                 qa = fut[:, :, -1].reshape(B * K, 6)
                 e_end, _ = goal_err(kin, qa, T.repeat_interleave(K, 0), R.repeat_interleave(K, 0))
                 score = -e_end.view(B, K)
-                if select == 'ep_len' and len_w > 0:   # 行程惩罚：每轴按 STEP 归一的累计路程。§9.2 要"行程≤规划器×1.10"，
+                if select == 'ep_len' and len_w > 0:   # 行程惩罚：每轴按 STEP 归一的累计路程。§9.2 要“行程≤规划器×1.10”，
                     ln = ((fut[:, :, 1:] - fut[:, :, :-1]).abs() / step).sum(-1).sum(-1)   # 而现在 2.4 倍没人管
                     score = score - len_w * ln
+                if select == 'ep_waste' and len_w > 0:   # 轮次 39 的分解证明行程超出主要是同一轴来回抖（换向步占 23.5%、
+                    dv = fut[:, :, 1:] - fut[:, :, :-1]   # 净位移只占总行程 44.5%），绕远只占一小部分 ⇒ 罚"白费的比例"：
+                    tot = dv.abs().sum(-2).sum(-1)        # 同轴来回会在净位移里相互抵消，所以 waste = 1 − 净/总 ∈ [0,1]。
+                    net = dv.sum(-2).abs().sum(-1)       # dv 是 [B,K,H-1,6]：时间在第 -2 轴（写错成 -1 就变成"对轴求和"，等于总行程）
+                    frac = (1.0 - net / tot.clamp_min(1e-6)).clamp(0, 1)
+                    score = score - len_w * frac * e.view(B, 1)   # 罚度按"当前离目标多远"缩放：近端不会把进度项压死
                 if select == 'adapt' and last is not None:
                     n = min(fut.shape[2], last.shape[1] - (commit_n + 1))
                     w = 0.85 ** torch.arange(n, device=device, dtype=torch.float32)