exp: 轮次48——打分地平线四点曲线(h=2/4/8/16)：进度单调、精度代价阶跃在 h<=4、h=8 是坏点

时限内 0.2656/0.2813/0.3047/0.3320；2 s 误差比逐题符号检验随 h 缩短单调增强
(h=8 166:90 p=2.4e-6、h=4 184:72 p=1.8e-12、h=2 192:64 p=4.9e-16)；
到达四点全在噪声内(净 -1/+4/+5，McNemar p>=0.42)。
末态到达误差 0.2175/0.2255/0.3301/0.4151 mm ⇒ 代价集中在 h<=4，病因是"近终段没有终端代价"
而不是"前瞻短"，故派生 #31(门控地平线)、按预注册规则作废 #26。
h=8 行程比 2.6749 反而比控制 2.6158 更差 ⇒ "地平线砍一半"的渐进方案被中间点自己否掉。

判据与成本(实测非推算)：四点 collision_rate=0、over_vmax_rate=0、start_fail=0，
speed_ratio/accel_ratio 四点逐位相同，n_plans_mean 全为 195.0 ⇒ 规划次数与认证调用数不变。

docs/experiment_round48_pre_h4.json

@@ -0,0 +1,109 @@
+{
+  "config": {
+    "ckpt": "ml/runs/base_dag2_dag1/best.pt",
+    "samples": "ml/data/samples",
+    "tasks": null,
+    "split": "val",
+    "n": 256,
+    "K": 8,
+    "commit": 2,
+    "fb": 2.2,
+    "ki": 0.0,
+    "fb_scale": 0.0,
+    "fb_near": 0.2,
+    "fb_fallback": 0.0,
+    "kdecay": 0.9,
+    "kimax": 0.5,
+    "fb_every": 1,
+    "safety_try": 0,
+    "sel_w": 0.1,
+    "dls_safety": 1,
+    "fb_clear": 0.0,
+    "fb_cmin": 0.3,
+    "sub_refresh": 0,
+    "fb_block_gain": 0.5,
+    "dump": "ml/runs/round48_pre_h4_rows.json",
+    "out": "docs/experiment_round48_pre_h4.json",
+    "trace": null,
+    "select": "pre",
+    "replan": "empty",
+    "safety": 1,
+    "partial": 1,
+    "inc_cap": 1,
+    "gap_margin": 0.0,
+    "cert_batch": 1,
+    "steps": 1,
+    "z_scale": 1.0,
+    "len_w": 0.0,
+    "tie": 0,
+    "pre_h": 4,
+    "backoff": 0,
+    "max_sec": null,
+    "seed": 0,
+    "dls": "analytic",
+    "device": "cuda"
+  },
+  "batch_size": 256,
+  "batch_seed_rule": "same seed per batch",
+  "checkpoint_sha256": "f7f686fd8ee92fb6948fbcc4ee954636065ad87bb54f661c4f8f575bc16c2ce1",
+  "tasks_sha256": "249bd93457825cda98c59e64d9a096d3473c69aeb3553de1dea6d9e56be71772",
+  "kin_fp": "2ebcbf17",
+  "act_scale": 1.0,
+  "metrics": {
+    "n": 256,
+    "n_ref": 256,
+    "success": 0.5390625,
+    "collision_free_success": 0.5390625,
+    "time_ok_1p3": 0.3046875,
+    "collision_rate": 0.0,
+    "collision_steps_mean": 0.0,
+    "travel_ratio_median": 2.5618672370910645,
+    "time_mean_s": 2.4820291996002197,
+    "brakes_mean": 20.40625,
+    "start_fail": 0.0,
+    "goal_ratio_2s": 0.23497404158115387,
+    "err_fail_med": 199.24868774414062,
+    "err_success_med": 0.33005011081695557,
+    "dls_share": 0.62890625,
+    "time_budget": "teacher×2(≥3 s)",
+    "speed_ratio_p50": 1.0000016689300537,
+    "speed_ratio_p95": 1.0000101327896118,
+    "speed_ratio_max": 1.0000101327896118,
+    "over_vmax_rate": 0.0,
+    "accel_ratio_p95": 1.0000016689300537,
+    "accel_ratio_max": 1.0000101327896118,
+    "reverse_p50": 0.24242424964904785,
+    "reverse_mean": 0.24662044644355774,
+    "reverse_moving_p50": 0.30327868461608887,
+    "moving_share_p50": 0.9583333134651184,
+    "brake_rate_mean": 0.1046474277973175,
+    "brake_rate_p50": 0.0051282052882015705,
+    "brake_rate_p90": 0.3589743673801422,
+    "stuck_share": 0.24609375,
+    "n_plans_mean": 195.0,
+    "success_reachable": 0.5679012537002563,
+    "by_cat": {
+      "A": [
+        128,
+        96
+      ],
+      "B": [
+        74,
+        22
+      ],
+      "C": [
+        32,
+        13
+      ],
+      "D": [
+        13,
+        0
+      ],
+      "Dr": [
+        9,
+        7
+      ]
+    }
+  },
+  "simulation_wall_s": 349.25640099999146
+}

docs/experiment_round48_pre_h8.json

@@ -0,0 +1,109 @@
+{
+  "config": {
+    "ckpt": "ml/runs/base_dag2_dag1/best.pt",
+    "samples": "ml/data/samples",
+    "tasks": null,
+    "split": "val",
+    "n": 256,
+    "K": 8,
+    "commit": 2,
+    "fb": 2.2,
+    "ki": 0.0,
+    "fb_scale": 0.0,
+    "fb_near": 0.2,
+    "fb_fallback": 0.0,
+    "kdecay": 0.9,
+    "kimax": 0.5,
+    "fb_every": 1,
+    "safety_try": 0,
+    "sel_w": 0.1,
+    "dls_safety": 1,
+    "fb_clear": 0.0,
+    "fb_cmin": 0.3,
+    "sub_refresh": 0,
+    "fb_block_gain": 0.5,
+    "dump": "ml/runs/round48_pre_h8_rows.json",
+    "out": "docs/experiment_round48_pre_h8.json",
+    "trace": null,
+    "select": "pre",
+    "replan": "empty",
+    "safety": 1,
+    "partial": 1,
+    "inc_cap": 1,
+    "gap_margin": 0.0,
+    "cert_batch": 1,
+    "steps": 1,
+    "z_scale": 1.0,
+    "len_w": 0.0,
+    "tie": 0,
+    "pre_h": 8,
+    "backoff": 0,
+    "max_sec": null,
+    "seed": 0,
+    "dls": "analytic",
+    "device": "cuda"
+  },
+  "batch_size": 256,
+  "batch_seed_rule": "same seed per batch",
+  "checkpoint_sha256": "f7f686fd8ee92fb6948fbcc4ee954636065ad87bb54f661c4f8f575bc16c2ce1",
+  "tasks_sha256": "249bd93457825cda98c59e64d9a096d3473c69aeb3553de1dea6d9e56be71772",
+  "kin_fp": "2ebcbf17",
+  "act_scale": 1.0,
+  "metrics": {
+    "n": 256,
+    "n_ref": 256,
+    "success": 0.51953125,
+    "collision_free_success": 0.51953125,
+    "time_ok_1p3": 0.28125,
+    "collision_rate": 0.0,
+    "collision_steps_mean": 0.0,
+    "travel_ratio_median": 2.6749093532562256,
+    "time_mean_s": 2.445413589477539,
+    "brakes_mean": 20.26953125,
+    "start_fail": 0.0,
+    "goal_ratio_2s": 0.2660874128341675,
+    "err_fail_med": 201.30308532714844,
+    "err_success_med": 0.22553904354572296,
+    "dls_share": 0.6328125,
+    "time_budget": "teacher×2(≥3 s)",
+    "speed_ratio_p50": 1.0000016689300537,
+    "speed_ratio_p95": 1.0000101327896118,
+    "speed_ratio_max": 1.0000101327896118,
+    "over_vmax_rate": 0.0,
+    "accel_ratio_p95": 1.0000016689300537,
+    "accel_ratio_max": 1.0000101327896118,
+    "reverse_p50": 0.25132274627685547,
+    "reverse_mean": 0.25476565957069397,
+    "reverse_moving_p50": 0.31292515993118286,
+    "moving_share_p50": 0.9629629850387573,
+    "brake_rate_mean": 0.10394632816314697,
+    "brake_rate_p50": 0.0051282052882015705,
+    "brake_rate_p90": 0.34871795773506165,
+    "stuck_share": 0.2578125,
+    "n_plans_mean": 195.0,
+    "success_reachable": 0.547325074672699,
+    "by_cat": {
+      "A": [
+        128,
+        92
+      ],
+      "B": [
+        74,
+        20
+      ],
+      "C": [
+        32,
+        14
+      ],
+      "D": [
+        13,
+        0
+      ],
+      "Dr": [
+        9,
+        7
+      ]
+    }
+  },
+  "simulation_wall_s": 338.30686029999924
+}

docs/探索日志.md

@@ -38,7 +38,8 @@
 | 2 | ~~全拒时缩步顶上~~（`--backoff`） | 四臂实测：转化率 7.7%→37%（能救回停步），但到达 0.5234→0.5156 **不赚**；且它单独把 `brake_rate` 改善 16% 而行为没变好 ⇒ **可以绕过 §9.2 的刹停判据**，这是仪表漏洞不是收益 | **已判掉**（轮次 43）；同时把 §9.2 的刹停口径标记为"不可由缩步单独满足" |
 | 3 | ~~白费比例惩罚~~（`select=ep_waste --len_w`） | 三臂实测行程比不降反升，给出原因：**罚的是没被执行的那段地平线**（16 步打分地平线 vs 实际提交 2 步） | **已判掉**（轮次 42）；其诊断直接引出 #29（把打分地平线换成真会执行到的位置） |
 | 3c | **#29 打分地平线 = 被执行的前缀**（`select=pre`：用 `fut[:,:,commit_n]` 的终点误差代替 `fut[:,:,-1]`） | 两 seed 独立复现：2 s 误差比符号检验 192:64（p=5e−16）/ 191:65（p=1.5e−15），时限内 +6.64/+4.30 pp，行程比 −0.171/−0.171，**碰撞仍 0**；到达只 +5/+3 题（McNemar p=0.42/0.68 ⇒ 噪声）；代价是到达题末态误差 0.22→0.42 mm（判据壳内但余量 4.6×→2.4×） | **正向（时限/进度显著、到达未显著）**，作可选口径入库，不改默认。下一试 #30 |
-| 3d | **#30 前瞻长度曲线**（把打分步长做成 `pre_h`，扫 h=2/4/8/16，16=现 endpoint） | 若时限收益随 h 增大而塌、精度随 h 增大而恢复 ⇒ 形态应是"前瞻长度随剩余距离收缩"，而不是二选一 | 待实现（`pre` 已落，只差把 `commit_n` 换成参数） |
+| 3d | ~~#30 前瞻长度曲线~~（`pre_h`，h=2/4/8/16） | 轮次 48 四点实测：时限内 0.2656/0.2813/0.3047/**0.3320**，2 s 误差比符号检验随 h 缩短单调增强（p=2.4e−6/1.8e−12/4.9e−16），**到达四点全在噪声内**；末态误差 0.2175/0.2255/**0.3301/0.4151** ⇒ 代价集中在 h≤4；h=8 是坏点（行程比 2.6749 反而最差） | **已完成**：形状=进度单调、精度阶跃在 h≤4。作废 #26，派生 **#31** |
+| 3e | **#31 门控地平线**（远端用短前瞻、近终段用整条地平线，一个阈值参数） | 轮次 48 的曲线直接给出机制：时限收益来自短前瞻，精度损失来自"近终段没有终端代价"。若两者能解耦，`time_ok` 与 `err_success_med` 就不必此消彼长 | 待实现（`pre_h` 已在，只差按当前误差选 h） |
 | 3b | ~~行程惩罚 `ep_len`（罚候选累计行程）~~ | 三臂实测行程比 2.6216/2.6548/2.6719 vs 对照 2.6158 ⇒ **不降反升**，只换来 +2 pp 时限 | **负结论**，被 3 取代 |
 | 4 | **一步角点的标定**（E1 那条线：`mf_target='mid'` 把自举导数移到中点） | 解析高斯场判据：`sq` 只线性收敛（结构性少修一半）、`mid/lin` 二次收敛；实测部署角偏差 MF 3.851 → `mid` 2.364（0.61×）；但**线上一步输出比自身两段采样离老师远 10 倍**（4.326 vs 0.434） | 开关已落、默认关；要付训练，且受"一步与认证/DAgger 共同标定"约束 |
 | 5 | **认证进 20 ms**（#16/#18） | GPU 周期 P50 33.5 ms，几何宽相位占大头；f32 认证需先抬 eps 到 2e−4 mm | 未解，是验收硬门槛 |
@@ -112,6 +113,28 @@
 - **对 `backoff` 的预期与判据**：全拒意味着"连第 1 步的端点或中点已经穿进障碍"，缩步能不能救取决于**穿得有多深**（穿 0.1 mm 救得回，穿 3 mm 救不回）。这个数转储里没记（只记被选中那条），所以直接由 `backoff_mean`/`reject_all_mean` 来量：
   `reject_all_mean ≈ 原全拒次数`（=backoff_mean+brakes_mean，与轮次 33 cap 的 19.55 可比），`backoff_mean/(backoff_mean+brakes_mean)` 就是"缩步能救回的比例"。这是补跑（#22）要读的第一个数。
 
+## 轮次 48：#30 打分地平线四点曲线——进度收益是剂量-反应关系，而精度代价只集中在 h≤4；h=8 是个坏点
+
+- **设计**：`select=pre` 加 `--pre_h`（0=commit_n）。同 seed=0、同配方（`K=8/commit_n=2/fb=2.2/inc_cap=1/cert_batch=1`），只改打分取 `fut` 的第几步。h=2 与 h=16 两点已在盘（轮次 46 / 45，且控制臂已证跨窗口逐位复现），本轮补 **h=4、h=8**。
+- **曲线（n=256 全部四点）**：
+
+  | 打分地平线 | 时限内(≤1.3×老师) | 2 s 误差比 | 到达题末态误差中位 | 到达 | 行程比中位 | 刹停/题 | 执行碰撞 |
+  |---|---|---|---|---|---|---|---|
+  | h=16（现 `endpoint`） | 0.2656 | 0.2792 | 0.2175 mm | 0.5234 | 2.6158 | 19.55 | **0** |
+  | h=8 | 0.2813 | 0.2661 | 0.2255 mm | 0.5195 | **2.6749** | 20.27 | **0** |
+  | h=4 | 0.3047 | 0.2350 | 0.3301 mm | 0.5391 | 2.5619 | 20.41 | **0** |
+  | h=2（=提交窗口） | **0.3320** | **0.1702** | 0.4151 mm | 0.5430 | **2.4449** | 19.84 | **0** |
+
+- **逐题配对（对同一控制）**：`goal_ratio_2s` 符号检验 h=8 **166 好/90 差 p=2.4e−6**、h=4 **184/72 p=1.8e−12**、h=2 **192/64 p=4.9e−16**（轮次 46）——三个 h 都显著、显著性随 h 缩短单调增强。到达则全在噪声内：h=8 赢 8 丢 9（净 −1，p=1.0）、h=4 赢 10 丢 6（净 +4，p=0.45）、h=2 赢 15 丢 10（净 +5，p=0.42）。全程末态误差的符号检验 h=8 是 142/114（p=0.091）、h=4 是 130/126（p=0.85）⇒ **末态误差的总体分布没被推动，被推动的是"到达题组内到达那一刻的误差"**。
+- **三条读法（比"哪个 h 最好"有用）**：
+  1. **进度/时限关于 h 是单调的**（前瞻越短 ⇒ 时限内越多、2 s 时越贴近目标）。这是**剂量-反应关系**，比单点 A/B 强：不是一次涨落，而是整条轴同向。⇒ §9.2 的"到达用时 ≤ 老师×1.3"这一栏的真瓶颈之一确实是**打分地平线长于执行地平线**。
+  2. **精度代价不是均摊的，几乎全在 h≤4**：h=8 相对控制的末态到达误差只 +3.7%（0.2175→0.2255），h=4 就 +52%（→0.3301）、h=2 +91%（→0.4151）。⇒ 病因不是"前瞻短"，而是**近终段没有前瞻**（MPC 缺 terminal cost 的教科书症状）。正确的形态是**前瞻长度随剩余距离收缩**（#31），不是在 h 上挑一个折中值。
+  3. **h=8 是曲线上的坏点**：时限只 +1.56 pp、到达 −1 题、**行程比反而最差**（2.6749 > 控制 2.6158）。⇒ "把地平线砍一半"这种渐进方案被自己的中间点否掉了：要么收到提交窗口附近，要么别动。
+- **按类别**：h=4 时 A 类回到控制水平（96/128），B +2、C +2；h=2 时 A −1、B +2、C +3。⇒ 轮次 45 那个"短前瞻在开阔区纯亏"的担忧在 h=4 上消失（`tie` 是另一码事：它换成的是余量而非进度）。
+- **判据状态**：四点全部 `collision_rate=0`、`over_vmax_rate=0`、`start_fail=0`；`speed_ratio_p50/p95/max` 与 `accel_ratio_max` **四点的值逐位相同**（1.000002/1.000010/1.000010/1.000010）⇒ 收益不是放松安全或超速换来的。成本侧的**实测**（不是推算）证据：`n_plans_mean` 四点都是 **195.0**，即每颗题的规划次数没变 ⇒ 认证与几何调用的次数不变，改变的只是同一批点里取哪一个来排序。`dls_share` 0.613/0.633/0.629/0.637 不单调，暂不作结论。
+- **预注册判读规则的落点**：规则写的是"若 time_ok/2 s 误差比随 h 单调变差 ⇒ 超出提交窗口的前瞻有害，#26 一并作废"。观测正是单调 ⇒ **#26（在前缀口径上再加白费惩罚）作废**；改为 **#31：门控地平线**（远端用 `pre`、近终段用整条地平线），一个参数、机制由本曲线直接给出。
+- **状态**：`pre_h` 作可选口径入库，默认仍是 `endpoint`。§9.2 的"时限内"读数最好的一栏从 0.2969（K=16 endpoint）换到 **0.3320（K=8 h=2）**，但到达没有显著变化，所以**不换主口径**。
+
 ## 轮次 46–47：#29 把候选打分的地平线换成「这一轮真会执行到的位置」——链上第一个正向杠杆，两个 seed 独立复现
 
 - **诊断（不是新想法，是旧负结论给出的原因）**：`select='endpoint'` 按**整条 16 步地平线末端**的终点误差给 K 条候选排序，而每轮只提交 `commit_n=2` 步。对被安全层截断的候选，那个终点**根本到不了**；对满前缀候选，它是 14 步开环外推。轮次 42 判掉 `ep_len/ep_waste` 时写的就是同一件事——"罚的是没被执行的那段地平线"。`select='pre'` 把打分点换成 `fut[:, :, commit_n-1]`（这一轮真正会走到的位置），**同一次 `goal_err` 只换点集，机制上不增加量级**。