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。

ml/sim/closed_loop.py

@@ -167,6 +167,7 @@ def rollout(model, kin, tasks, device, K=8, safety=False, seed=0, max_sec=None,
     """use_sub=False：不用子目标（sf=0）；sub_override=(subs [B,M,6] 绝对关节角, n [B] 个数 或 need [B] bool)：冷启动时用给定途经点代替子目标头；
     qp0 [B,6]：起点的上一帧（默认 = q0，即静止起步）。steps：MeanFlow 采样段数；z_scale：噪声缩放；
     select：consist（部署口径：冷启动价值前瞻、之后与上一条已提交计划的一致性）/ value（每次都价值前瞻）/ first（不选，取第 0 条）。
+    select='pre'：把打分地平线换成「这一轮真会执行到的位置」（fut 的第 commit_n 步）；'endpoint' 用的是整条地平线末端。
     oracle：TeacherOracle，代替 model 出动作（model 可为 None，须配 select='first'、use_sub=False）。
     replan：'r3'（部署：队列 ≤ 3 步就规划，稳态 r=3）/ 'empty'（队列空了才规划，每次 r=0，前缀消融用）。
     sub_rule：子目标推进规则，见 sub_advance。除默认值外均为诊断用。
@@ -291,6 +292,11 @@ def rollout(model, kin, tasks, device, K=8, safety=False, seed=0, max_sec=None,
             fut = qe[:, None, None] + torch.cumsum(inc[:, :, r:], 2)          # [B,K,H-r,6]
             if select == 'first':
                 score = torch.zeros(B, K, device=device); score[:, 0] = 1
+            elif select == 'pre':   # #29：按「这一轮真会执行到的位置」打分，而不是 16 步开环外推的末端。
+                # 诊断来自 ep_len/ep_waste 的失败：打分地平线远长于提交步数，被安全层截断的候选那个终点根本到不了。
+                qa_pre = fut[:, :, min(commit_n, fut.shape[2]) - 1].reshape(B * K, 6)
+                e_pre, _ = goal_err(kin, qa_pre, T.repeat_interleave(K, 0), R.repeat_interleave(K, 0))
+                score = -e_pre.view(B, K)
             elif select in ('endpoint', 'adapt', 'ep_len', 'ep_waste'):
                 qa = fut[:, :, -1].reshape(B * K, 6)
                 e_end, _ = goal_err(kin, qa, T.repeat_interleave(K, 0), R.repeat_interleave(K, 0))