perf+exp: 轮次34——复用cum_xf进库(22项指标逐位不变)、批量认证压最坏尾部(80→37ms)、FP16/BF16实测无收益

- 撤回一条自己的假收益：先前"合并几何查询→24.5ms"不成立。①第一版把 xf= 传给含5行的 gaps，
  只有第0行走完宽相位，认证点全部退回截顶40.0（少干活）；②真实顺序 特征→推理→候选→认证，
  认证点依赖网络输出，故"特征间隙与认证点合并一次调用"实现上做不到
- 可实现并已落地：gm_groups(..., xf=) 复用 features 已算的 cum_xf，B=1 交错实测 P50 −3.4ms；
  256题重跑 22 项指标与轮次33 base 逐项相同
- 新增 --cert_batch（默认0不变）：K条候选并成1次 gaps 调用。合成夹具(B=2)断言选择/轨迹/证书逐位一致，
  变异检查（换回错误索引）2项测试立即失败；256题重跑同样 22 项指标逐位相同
  实测交换：典型 33.5→37.6ms，最坏（前面候选被拒）80.2→37.1ms，P99 64.7→48.3ms
- FP16/BF16 实测不比 FP32 快（推理 7.68→8.31→8.58ms），整周期不变而 P99 更差，动作偏差 0.005°/0.038°
  → 小批量下不是算力受限，半精度不划算，推理保持 FP32
- 仍不达 20ms：下一刀是流水线复用（下次规划的特征间隙＝本次已认证的末点），可整块省掉特征 ~13ms
- 测试 32→34 项

ml/common/kin_torch.py

@@ -235,9 +235,10 @@ class Kin:
         if not pairs: return {'gm': gm.view(B, 49)}
         return {'gm': gm.view(B, 49), 'b': rep_b, 'i': pi, 'j': pj, 'gap': gap}
 
-    def gm_groups(self, q, gp, cap=40.0):
+    def gm_groups(self, q, gp, cap=40.0, xf=None):
         """只算指定组对 gp=[(a,b),...] 的最小间隙 [B,len(gp)]（特征用，避免 49 组全量）。
-        数值与 gaps(q,cap)['gm'][:, a*7+b] 一致；组对在碰撞粗对里不存在时返回 cap。"""
+        数值与 gaps(q,cap)['gm'][:, a*7+b] 一致；组对在碰撞粗对里不存在时返回 cap。
+        xf 可传入调用者已算好的 cum_xf(q)，避免同一姿态重复算 FK（特征路径每周期省一次）。"""
         key = tuple(gp)
         if getattr(self, '_gp_key', None) != key:
             m = torch.full((49,), -1, dtype=torch.long, device=q.device)
@@ -247,7 +248,7 @@ class Kin:
             sel = torch.isin(cg, torch.tensor([min(a, b) * 7 + max(a, b) for a, b in gp], device=q.device))
             self._gp = (m, sel, sel.nonzero(as_tuple=True)[0]); self._gp_key = key
         self._gp49, sel, idx = self._gp
-        xf = self.cum_xf(q); Rs, Ts = xf; B = q.shape[0]
+        xf = xf if xf is not None else self.cum_xf(q); Rs, Ts = xf; B = q.shape[0]
         with torch.no_grad():
             cc = torch.einsum('bkij,kj->bki', Rs[:, self.cl_g], self.cl_c.to(q.dtype)) + Ts[:, self.cl_g]
             d2 = (cc[:, self.cp_a[idx]] - cc[:, self.cp_b[idx]]).pow(2).sum(-1)