exp: 轮次46-47——select=pre(打分地平线=被执行前缀终点)正向，两 seed 复现
2 s 误差比逐题符号检验 s0 192好/64差 p=4.9e-16、s1 191/65 p=1.5e-15；时限内(≤1.3×老师) 0.2656→0.3320(+6.64pp)、0.2969→0.3398(+4.30pp)；行程比 −0.171/−0.171；碰撞仍 0、超 VMAX 仍 0。 到达只 +5/+3 题(McNemar p=0.42/0.68 ⇒ 噪声)，故不改默认口径、作可选口径入库。 代价：到达题末态误差 0.22→0.42 mm(判据壳 1 mm 内，余量 4.6×→2.4×)，两 seed 都涨。 对照可比性先证：控制臂 tie0 与轮次42 round42_K8cb1 的 22/22 键逐位相同 ⇒ 该配方跨窗口确定性 复现，本轮起新杠杆可用单臂对已落盘控制。 实现：select='pre' 用 fut[:,:,commit_n-1] 的终点误差(同一次 goal_err 只换点集)；两条可手算正对照 (前缀好/末端差 vs 末端好/前缀差 ⇒ 两口径必须选相反候选) + 不变式(commit_n=16 时与 endpoint 同选)； 49 项测试绿；n=16 冒烟证非惰性。候选表同步修准：backoff/ep_waste 两行状态改判掉，#29/#30 登记。
This commit is contained in:
+30
-2
@@ -20,6 +20,7 @@
|
||||
- **当前最好（n=256 val，同 seed 同批）**：`ml/runs/base_dag2_dag1/best.pt` + `K=8, select=endpoint, replan=empty, commit_n=2, fb=2.2, fb_block_gain=0.5, dls_safety=1, safety=1` → **到达 57.4%、无碰撞到达 57.4%、时限内(≤1.3×老师) 39.1%、刹停 19.25/题、行程比 2.445、2 s 误差比 0.210**（轮次 33 base）。
|
||||
- **但这组数含超速**：`speed_ratio_p50=1.660`、`over_vmax_rate=1.000` ⇒ 每轴实际最大速度是 VMAX 的 1.66 倍（反馈叠在 ±1 限幅之后，轮次 30 定位）。按合法限速 `--inc_cap 1` 重测是 **到达 52.3% / 时限内 26.6%**（轮次 33 cap）。**验收要引用后者**，两者的差就是"以前的分数有一部分是超速换来的"。
|
||||
- n=512 复核在轮次 28–30 给过 50.8–52.1%；当前配方（含 `inc_cap`）尚未在 n=512 重跑。
|
||||
- **合法限速口径下的新最好时限读数（轮次 46–47）**：同配方把打分地平线换成被执行前缀 `select=pre` → **到达 54.3%、时限内 33.2%（控制 26.6%）、2 s 误差比 0.170（控制 0.279）、行程比 2.445、碰撞 0、超 VMAX 0**；seed=1 复现 54.3%/34.0%。到达相对控制只 +5/+3 题（McNemar p=0.42/0.68 ⇒ 噪声），**显著的是时限内与进度**，代价是到达题末态误差 0.22→0.42 mm（判据壳 1 mm 内，余量 4.6×→2.4×）。所以它刷新的是"时限内"这一栏，不是"到达"这一栏。
|
||||
- **实时性（GPU，B=1、K=8、一步）**：整周期 P50 33.5 ms、P99 64.7 ms；批量认证把最坏情况从 80.2 → 37.1 ms（轮次 34）。仍未进 §9.2 的 P99 < 20 ms，瓶颈是几何查询不是推理（推理 7.2 ms）。
|
||||
- **安全层口径**：线上只做**端点 + 中点**点检（`gaps(...).min(-1) > 0`）。轮次 30 那条"认证通过仍碰撞"（−0.149 mm）已被连续段认证抓住（`certify_uniform` n≥8、二分 5 次查询），但它进不了实时预算（轮次 31–32）。
|
||||
- **失败结构（轮次 38，147 到达 / 109 未到）**：**63 题是走一半被冻住**（离目标 >100 mm 且刹车 >30 次）、23 题方向错、位置差 20~100 mm 15 题、差 5~20 mm 5 题、姿态没到位 3 题、起步失败 0；未到组活动窗内 37% 的步是零运动。
|
||||
@@ -34,8 +35,10 @@
|
||||
| 0 | ~~把"沿路最小间隙"接进候选打分~~（极端版 = `--tie 1`：只在"前缀最长"的并列集合内按余量定夺，零额外几何） | 轮次 45 两臂：到达 −1.95 pp（净 −5 题，McNemar p=0.125 与零不可分）、时限 +1.17 pp、刹停 −9%、行程 −0.076、**碰撞仍 0**；且分辨率被 `gcap=0.5 mm` 截顶锁死（并列 79% 但只有 5.6% 可分辨，与轮次 44 离线 5.6% 对上） | **判掉**：买余量卖进度，且作用在 `maxlen>0` 的人群——失败主人群是全拒（`maxlen=0`）。前置条件见 #28 |
|
||||
| 0b | **#28 抬宽相位截顶 `gcap` 并与 `gap_margin` 解耦** | 现在 `--gap_margin 1.5` 会同时抬截顶值和验收门限，动一个必动另一个；`_coarse` 保留 `d ≤ cp_lim + cap` 的胶囊对 ⇒ 成本随壳层体积涨，而 GPU 周期 P50 已 33.5 ms | 未实现（要新增只改数值精度的参数，不许碰判据） |
|
||||
| 1 | **候选数翻倍 K=8→16** | 轮次 39 实测：到达 **+3.9 pp**、时限内 **+3.1 pp**、**刹车 −30%**（19.55→13.77）、碰撞仍 0、行程比不变 ⇒ 很多"全拒"是**没备选**而不是真没路 | **正向**；认证/打分成本要用独占微基准量完才能谈部署 |
|
||||
| 2 | **全拒时缩步顶上**（`--backoff`：首选候选按 1/2、1/4、1/8 并进同一次认证，只在原候选连第 1 步都不安全时启用） | 失败分类 63/109 是"被冻住"、未到组 37% 步为零运动；但 4 题 CPU 冒烟提示转化率只 ~13% | 代码与单测已落，256 题四臂待补跑（判读规则已预注册） |
|
||||
| 3 | **白费比例惩罚**（`select=ep_waste --len_w`，罚 `1−同轴净/总` × 当前误差） | 换向是**全局**现象（~1/4 的(步,轴)对在反向，到达/未到达两组差不多）；净位移只占总行程 0.445 | 已实现+正对照单测（可手算 2/18）；三臂排队 |
|
||||
| 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） |
|
||||
| 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 |
|
||||
@@ -109,6 +112,31 @@
|
||||
- **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 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**。
|
||||
- **实现账**：分支 + 文档串 + `--select pre`；两条可手算的正对照（夹具造一对"前缀好但末端差"/"末端好但前缀差"的候选 ⇒ 两口径必须选**相反**的那条）+ 一条不变式（`commit_n=16` 时 pre 的索引落到地平线末端 ⇒ 必须与 endpoint 选同一条）。49 项测试绿。仪表灵敏度：n=16 冒烟上 `pre` 与 `endpoint` 已给出不同轨迹（刹停 24.94→21.94、行程比 2.43→2.67），不是惰性口径。
|
||||
- **对照臂的可比性先证再引用**：本轮控制臂 = `docs/experiment_round45_tie0.json`（`tie=0`、同配方），它与轮次 42 的 `round42_K8cb1` **22/22 键逐位相同** ⇒ 该配方跨窗口确定性复现，单臂对照成立（这是第一次在新杠杆上省掉控制臂，前提是复现证据已落盘）。
|
||||
- **seed=0（n=256，同 seed 同批）** 与 **seed=1 独立复现（两臂同窗口背靠背）**：
|
||||
|
||||
| 读数 | s0 控制 | s0 `pre` | Δ | s1 控制 | s1 `pre` | Δ |
|
||||
|---|---|---|---|---|---|---|
|
||||
| 执行碰撞率 | 0.0 | **0.0** | — | 0.0 | **0.0** | — |
|
||||
| 到达 | 0.5234 | 0.5430 | +1.95 pp | 0.5313 | 0.5430 | +1.17 pp |
|
||||
| 时限内(≤1.3×老师) | 0.2656 | **0.3320** | **+6.64 pp** | 0.2969 | **0.3398** | **+4.30 pp** |
|
||||
| 2 s 误差比（中位） | 0.2792 | **0.1702** | −39% | 0.2750 | **0.2011** | −27% |
|
||||
| 行程比中位 | 2.6158 | 2.4449 | −0.171 | 2.6369 | 2.4661 | **−0.171** |
|
||||
| 超 VMAX 题占比 | 0.0 | 0.0 | — | 0.0 | 0.0 | — |
|
||||
| 到达题末态误差中位 | 0.2175 | 0.4151 | **+0.198 mm** | 0.2228 | 0.3425 | **+0.120 mm** |
|
||||
|
||||
- **统计口径（这条线真正的证据在哪）**：
|
||||
- `goal_ratio_2s` 逐题符号检验：s0 **192 好 / 64 差（p=4.9e−16）**，s1 **191 好 / 65 差（p=1.5e−15）**。⇒ 显著、且两个 seed 的计数几乎一样。
|
||||
- 到达：s0 逐题丢 10 赢 15（净 +5，McNemar **p=0.424**）、s1 丢 10 赢 13（净 +3，**p=0.678**）。⇒ **到达率的提升在两个 seed 上都只是噪声**。诚实的写法是"时限内到达显著变多、总到达未见显著变化"，即它把路上的时间买回来了，没有把通路买回来。
|
||||
- 末态误差逐题：s0 130 好 / 126 差（p=0.85）、s1 121/135（p=0.42）⇒ 全程不显著；但**到达题组内**的中位误差两 seed 都涨（0.22→0.42、0.22→0.34 mm）。这是"打分只看 2 步"的必然代价：近目标处不再为最后那几毫米承诺路径。判据仍未违反（到达定义是 `e<1 mm 且 oe<0.5°`，最差的 0.42 mm 也在壳内），但**这条余量从 4.6 倍缩到 2.4 倍**。
|
||||
- **按类别（两个 seed 方向一致）**：A 类 −1，**B 类 +2、C 类 +3/+2**。单个切片在这个分母上都不显著，但方向与轮次 44 的"#27：候选容量救不了 B/C"**不矛盾**——那条测的是"多给同分布候选"，这条改的是"用哪个终点评价候选"。真正的判据留给下一轮的地平线曲线。
|
||||
- **成本**：两臂墙钟 317.6/319.2 s（s0）与 315.1/314.4 s（s1）——同量级；但**墙钟差不构成成本结论**，要说"零额外开销"得用独占微基准把 `goal_err` 在 `B×K` 个点上的两次调用分开量（记为待办）。
|
||||
- **状态**：**不改为默认口径**（到达未显著 + 到达精度余量减半），把 `select='pre'` 作为已验证的可选口径入库。下一步 #30：把打分步长做成参数 `pre_h`，扫 h∈{2,4,8,16}（16=现在的 endpoint），量的是"前瞻长度 → 时限内到达 / 末态精度"这条**机理曲线**而不是挑系数；若精度代价随 h 恢复而时限收益不塌，正确的形态是"前瞻长度随剩余距离收缩"。
|
||||
|
||||
## 轮次 45：`tie`（等长安全前缀按沿路最小间隙定夺）判掉——它买的是余量，卖的是进度，而且作用在错的人群上
|
||||
|
||||
- **做法**：`cert_batch=1` 已经在同一次几何调用里算了 K 条候选各 `2·commit_n` 个点的间隙，但这些信息只用来判通过/拒绝。`--tie 1` 让"前缀最长"的并列集合改由**沿路最小间隙**定夺；零额外几何调用，判据一个字没动（仍是 `gap > gap_margin`）。
|
||||
|
||||
Reference in New Issue
Block a user