ml: 第二轮审查 B-1~B-8 处置 + 一键训练控制台

- B-1 运行时投影护栏恢复 5 mm；老师轨迹按认证最小间隙 < 3 mm 剔除（stats/build_dataset，gapDrop）
- B-2 APG 端点+中点 hinge 取均值；B-3 check_r2 空匹配保护、5000×50000、分块 256，pass=false 时 prep 停下
- B-4 R7 按全部 B/C 题统计；B-5 r8 起点贴柱；B-7 pipeline r4（export_onnx --random，训练前测延迟）
- B-8 起步失败 ≤0.2%、column_gap 分块、pipefail、门禁结果先写 .tmp
- 训练控制台：ml/console.bat|sh → ml/monitor.py（开始/停止/进度/日志接口）+ monitor.html；
  pipeline.sh all 支持 FROM/TO，阶段状态写 ml/runs/pipeline.json（ml/pstate.py）；训练/APG 日志加 total、t
- 文档：README 一键运行与训练控制台；审查文档追加第三轮处置；方案余量决策与 R4 时点

ml/eval/acceptance.py

@@ -41,7 +41,7 @@ def main():
     if reach:
         r, _ = evaluate(model, kin, reach, a.device, safety=True)
         add('held-out 可达任务到达率', r['success'], r['success'] >= 0.98, '≥ 0.98（仿真安全层）')
-        add('起步失败率（R2）', r['start_fail'], r['start_fail'] == 0, '= 0')
+        add('起步失败率（R2）', r['start_fail'], r['start_fail'] <= 0.002, '≤ 0.2%（约 2500 题容许 ≤5 题，0 题判据过脆）')
     else:
         add('held-out 可达任务到达率', None, False, 'val 中无可达任务')
     if dock:

ml/eval/check_r2.py

@@ -3,7 +3,7 @@
 做法：特征逐维标准化；随机取 Q 个查询样本，在 P 个样本池里找最近邻（排除同一任务，避免同轨迹相邻帧冒充"近邻"）；
 取距离最近的 5% 近邻对，比较前 3 步（实际提交的动作）标签：std ≈ RMS(ΔY)/√2，单位为每步最大步长 STEP 的比例。
 判据：label_std < 0.10（即 < 10% 步长）。起步失败率在闭环仿真结果的 start_fail 字段（acceptance 汇总）。
-2026-10-18 新增（审查：R2 无执行点）。GPU 上约 1 分钟；CPU 上把 --pool 降到 50000。"""
+2026-10-18 新增（审查：R2 无执行点）。默认 5000 查询 × 50000 池，分块 256：GPU 峰值 < 0.5 GB，CPU 约 1–2 分钟；近邻对为空时输出 pass=null 而不报错。"""
 import argparse, json, math
 import torch
 
@@ -13,7 +13,7 @@ from ml.data import Samples
 def main():
     ap = argparse.ArgumentParser()
     ap.add_argument('--samples', nargs='+', default=['ml/data/samples']); ap.add_argument('--out', default='ml/data/r2.json')
-    ap.add_argument('--queries', type=int, default=20000); ap.add_argument('--pool', type=int, default=200000)
+    ap.add_argument('--queries', type=int, default=5000); ap.add_argument('--pool', type=int, default=50000)
     ap.add_argument('--frac', type=float, default=0.05); ap.add_argument('--seed', type=int, default=0)
     ap.add_argument('--device', default='cuda' if torch.cuda.is_available() else 'cpu')
     a = ap.parse_args()
@@ -25,11 +25,14 @@ def main():
     Xp, Xq = (X[pi] - mu) / sd, (X[qi] - mu) / sd
     tp, tq = d.TID[pi], d.TID[qi]
     best_d = torch.empty(Q, device=a.device); best_j = torch.empty(Q, dtype=torch.long, device=a.device)
-    for s in range(0, Q, 1024):
-        D = torch.cdist(Xq[s:s + 1024], Xp)
-        D = torch.where(tq[s:s + 1024, None] == tp[None], torch.full_like(D, float('inf')), D)
-        v, j = D.min(1); best_d[s:s + 1024] = v; best_j[s:s + 1024] = j
+    for s in range(0, Q, 256):
+        D = torch.cdist(Xq[s:s + 256], Xp)
+        D.masked_fill_(tq[s:s + 256, None] == tp[None], float('inf'))
+        v, j = D.min(1); best_d[s:s + 256] = v; best_j[s:s + 256] = j
     fin = torch.isfinite(best_d)
+    if fin.sum() < 20:
+        out = {'pairs': 0, 'label_std_mean': None, 'pass': None, 'rule': 'label_std_mean < 0.10', 'note': '近邻对不足（样本太少），未判定'}
+        print(json.dumps(out)); json.dump(out, open(a.out, 'w'), indent=1); return
     thr = torch.quantile(best_d[fin], a.frac)
     m = fin & (best_d <= thr)
     Yq, Yp = d.Y[qi][m, :3].float(), d.Y[pi][best_j[m], :3].float()