diag: H 段（老师 oracle 走 rollout / 前缀消融 / 子目标越过顶点规则 / 分轴与分类别指标）；训练：EMA、选模不落在 p_neq 预热、闭环分数选模、24000 步余弦、p_neq 0.5 + p_edge 0.1、子目标头切断抄输入、前缀/dq 增广；仿真：last 记真正提交的候选、碰撞与到达按每题时限、回放门禁读 pass+指纹并走 rollout；数据：动作标签按 1.25·STEP 归一化（act_scale 随 meta/ckpt/ONNX 传递，旧模型 1.0）、收回亏空结转、DAgger 带 qPrev 与起步速度、打包签名变更自动重打；ik-policy.js 同步（actScale、子目标规则、DLS 时清 lastPlan）；本机执行清单与 README 更新

ml/common/ckpt.py

@@ -60,3 +60,33 @@ def set_rng_state(d):
         try: torch.cuda.set_rng_state_all([t.cpu() for t in d['cuda']])
         except Exception: pass
     return True
+
+
+def load_policy(path, device, prefer_ema=True):
+    """载入策略（2026-10-19，审查 review_model_train P0-2）：优先取 EMA 权重 ck['ema']（train.py 起存），没有就用 ck['model']（旧 checkpoint、APG 产物）。
+    model.act_scale = ck['act_scale']（动作标签归一化倍数，见 ml/prep/build_dataset.cjs ACT_SCALE）；旧 checkpoint 缺省 1.0 = 原口径。
+    闭环仿真 / DAgger / APG 起点 / 挖错 / 门禁 / 验收 / 导出都经这里载入，保证同一份权重、同一个动作尺度。返回 (model.eval(), ck)。"""
+    from ml.model.policy import build
+    ck = torch.load(path, map_location=device)
+    m = build(ck['cfg']).to(device)
+    sd = ck.get('ema') if prefer_ema and ck.get('ema') is not None else ck['model']
+    m.load_state_dict(sd)
+    m.act_scale = float(ck.get('act_scale', 1.0))
+    return m.eval(), ck
+
+
+def pick_start(run_dir):
+    """DAgger 起点（2026-10-19，审查 P0-2）：best.pt 的闭环 success > 0 才用 best.pt；否则用 last.pt
+    （success 全 0 时 best.pt 只由开环误差决定，可能落在 p_neq 预热期，一步映射没训过）。载入时取 EMA。"""
+    best, last = os.path.join(run_dir, 'best.pt'), os.path.join(run_dir, 'last.pt')
+    if os.path.exists(best):
+        ev = torch.load(best, map_location='cpu').get('eval') or {}
+        if (ev.get('success') or 0) > 0 or not os.path.exists(last): return best
+    return last if os.path.exists(last) else best
+
+
+if __name__ == '__main__':
+    # python -m ml.common.ckpt pick <运行目录>   → 打印 DAgger 起点 checkpoint 路径
+    import sys
+    if len(sys.argv) == 3 and sys.argv[1] == 'pick': print(pick_start(sys.argv[2]))
+    else: raise SystemExit('usage: python -m ml.common.ckpt pick <run_dir>')