From 2f5a72a6ab30f7bf198d34ac39cad0102811685a Mon Sep 17 00:00:00 2001
From: cbb <2625274797@qq.com>
Date: Mon, 19 Oct 2026 23:11:06 +0800
Subject: [PATCH] =?UTF-8?q?docs(=E6=9C=AC=E6=9C=BA=E6=89=A7=E8=A1=8C?=
 =?UTF-8?q?=E6=B8=85=E5=8D=95):=20=E6=96=B9=E6=A1=88=20A=20=E5=AE=9E?=
 =?UTF-8?q?=E6=B5=8B=EF=BC=88=E4=B8=A4=E8=BD=AE=EF=BC=89=E2=80=94=E2=80=94?=
 =?UTF-8?q?=E5=90=88=E6=88=90=201.5=C2=B0=20=E6=89=B0=E5=8A=A8=E7=8A=B6?=
 =?UTF-8?q?=E6=80=81=E6=A0=B7=E6=9C=AC=2036k=20+=20=E5=BE=AE=E8=B0=83=2030?=
 =?UTF-8?q?00=20=E6=AD=A5=EF=BC=9A=E7=A2=B0=E6=92=9E=E7=8E=87=2099.6%?=
 =?UTF-8?q?=E2=86=9248%/60%=EF=BC=8C=E4=BD=86=20success=20=E4=BB=8D=200?=
 =?UTF-8?q?=E3=80=81=E5=BC=80=E7=8E=AF=E7=B2=BE=E5=BA=A6=206=E2=86=9215/16?=
 =?UTF-8?q?mm=20=E9=80=80=E5=8C=96=202.5=C3=97=EF=BC=9B=E5=B0=8F=E6=AD=A5?=
 =?UTF-8?q?=E5=BE=AE=E8=B0=83=E5=9C=A8=E4=B8=A4=E7=A7=8D=E5=88=86=E5=B8=83?=
 =?UTF-8?q?=E9=97=B4=E6=8A=98=E4=B8=AD=E5=B8=A6=E5=81=8F=E4=B8=BB=E5=88=86?=
 =?UTF-8?q?=E5=B8=83=EF=BC=8C=E6=AD=A4=E9=85=8D=E6=96=B9=E4=B8=8D=E6=88=90?=
 =?UTF-8?q?=E7=AB=8B?=
MIME-Version: 1.0
Content-Type: text/plain; charset=UTF-8
Content-Transfer-Encoding: 8bit

---
 docs/本机执行清单.md | 14 ++++++++++++++
 1 file changed, 14 insertions(+)

diff --git a/docs/本机执行清单.md b/docs/本机执行清单.md
index 15c06c7..6669590 100644
--- a/docs/本机执行清单.md
+++ b/docs/本机执行清单.md
@@ -191,3 +191,17 @@ reach **0%** / collision **79.0%** / ratio2s 0.574 / end 408 mm；`sign_flip_rat
 - 训练集本身在关节空间稀疏：连老师起点最近邻都有 13.2°——数据是"轨迹线"而非密集体。
 - 按密度缩放（6 维 d∝N^(−1/6)）：数据翻 4 倍最近邻仅降 ~21%（21.5°→~17°），而策略误差尺度是 0.02°；差距三个数量级，且同类数据不改变误差的时间相关结构（0.94）。
 - **结论：扩大同类老师数据救不了闭环**；需要「不同的数据」——在策略实际到达的状态上标注（DAgger），把 21.5° 这些分布外点变成训练样本。
+
+### 9. 方案 A 实测：合成扰动状态样本微调（两轮配方）
+
+做法：从训练任务老师轨迹的 15–85% 处取状态，加 N(0,σ²) 关节扰动（σ 混合 0.5/1/2/4°；实测起点偏移 p50 1.5°），老师重规划（**2000/2000 到达**、cert 1951/2000），打包 36k 样本（act_scale=1.0，为主数据的 1.9%），从 `base/last.pt` 微调 3000 步，2000 步时以 EMA 权重做 512 题闭环评估。
+
+| 配方 | success | collision | goal_ratio_2s | ol_fk_mm | ol_best_mm | ol_div |
+|---|---|---|---|---|---|---|
+| base/last.pt（基线） | 0 | 0.996 | 0.755 | 5.98 | 2.92 | 0.655 |
+| +扰动样本 lr 3e-4 | 0 | **0.484** | 0.927 | **15.27** | 10.32 | 0.966 |
+| +扰动样本 lr 1e-4 | 0 | 0.604 | 0.893 | **16.42** | 11.45 | 0.980 |
+
+- 碰撞率首次大幅下降（99.6%→48–60%），但 **success 仍 0**；开环精度退化 2.5–2.7 倍（6→15/16 mm）、多样性升高——小步微调在两种分布间折中，把主分布带偏了。
+- **结论**：1.5° 量级的合成扰动 + 3000 步微调不能解决闭环。若继续这条线，需从**预训练开始**按课程混入扰动样本（并监控开环不退化），成本高；或转向结构改动（方案 B：绝对目标参数化/参考轨迹跟踪）或真实 DAgger。
+- 产物：`ml/data/samples_perturb/`、`ml/runs/base_perturb/`、`ml/runs/base_perturb2/`（均在 gitignored 目录）。