feat(abs-target): 方案 B 初版——Y 改 16 步绝对目标角（/180），训练/评估/rollout/ckpt 适配；修复前缀噪声增广对绝对目标的标签污染（eps 直接加到绝对位置=18°）；实测一步生成误差 31°、闭环 0%，此配方不成立

ml/data.py

@@ -43,6 +43,9 @@ class Samples:
         sc = {float(m['act_scale']) for m in metas}
         if len(sc) > 1: raise SystemExit(f'样本目录的 act_scale 不一致 {sorted(sc)}（{dirs}）：DAgger 样本须与主数据同一版打包')
         self.act_scale = sc.pop(); self.data_ver = int(metas[0].get('data_ver', 1)) if metas else 1
+        ab = {bool(m.get('abs_target', False)) for m in metas}
+        if len(ab) > 1: raise SystemExit(f'样本目录的 abs_target 不一致 {sorted(ab)}（{dirs}）：绝对目标与增量标签不能混用')
+        self.abs_target = ab.pop() if ab else False
         for d in dirs:
             for fx in sorted(glob.glob(os.path.join(d, '*.X.npy'))):
                 b = fx[:-6]
@@ -87,8 +90,14 @@ class Samples:
             km = (torch.arange(3, device=dev)[None] < pl[:, None]) & m[:, None]                 # [B,3] 前缀有效步
             eps = rn(B, 3, 6) * ps * km[..., None].to(X.dtype)                                  # STEP 为单位
             X[:, PREFIX_SL] = X[:, PREFIX_SL] + eps.reshape(B, 18)
-            Y[:, :3] = Y[:, :3] + eps / self.act_scale                                          # Y 以 act_scale·STEP 为单位
-            Y[torch.arange(B, device=dev), pl.clamp(max=Y.shape[1] - 1)] -= eps.sum(1) / self.act_scale
+            if self.abs_target:
+                # 2026-10-19（方案 B）：标签是绝对目标角（/180）。前缀噪声会真实执行 → 前 r 步绝对目标
+                # 跟着累计偏移（eps 加进前缀特征时就是度），第 r 步扣回、之后回到原轨迹。
+                Y[:, :3] = Y[:, :3] + torch.cumsum(eps, 1) / 180.0
+                Y[torch.arange(B, device=dev), pl.clamp(max=Y.shape[1] - 1)] -= eps.sum(1) / 180.0
+            else:
+                Y[:, :3] = Y[:, :3] + eps / self.act_scale                                      # Y 以 act_scale·STEP 为单位
+                Y[torch.arange(B, device=dev), pl.clamp(max=Y.shape[1] - 1)] -= eps.sum(1) / self.act_scale
             Y.clamp_(-1, 1)
         ds = float(cfg.get('aug_dq_sigma', 0.0))
         if ds > 0: