perf+exp(closed_loop): 解析雅可比 DLS（消除 float32 差分数值噪声）——commit3 到达 36.3→46.5%，commit2 49.2%（n=512），DLS n1 9.3→7.1ms

- Kin.jac 几何雅可比，与 autograd 逐项一致（FD 自身 rel 误差 3.58%）
- dls_steps(analytic=True) 默认；每步少 6 次批量 FK
- 新增 ml/eval/eval_cl.py（部署口径小规模评估）与 check_dls.py（对拍+延迟）
- 积分反馈 fb_ki 脚手架（默认 0，未启用）

ml/common/kin_torch.py

@@ -110,6 +110,19 @@ class Kin:
         Rs, _ = xf if xf is not None else self.cum_xf(q)
         return Rs[:, 6]
 
+    def jac(self, q, xf=None):
+        """几何雅可比（对度）：返回 (Jv [B,3,6] mm/deg, Jw [B,3,6] 单位轴/deg)"""
+        Rs, Ts = xf if xf is not None else self.cum_xf(q)
+        p = self.fk(q, (Rs, Ts))
+        Jv, Jw = [], []
+        for k in range(6):
+            d = torch.tensor(self.D[k], dtype=q.dtype, device=q.device)
+            a = Rs[:, k] @ d
+            o = torch.einsum('bij,j->bi', Rs[:, k], self.P[k].to(q.dtype)) + Ts[:, k]
+            Jv.append(torch.linalg.cross(a, p - o, dim=-1) * D2R)
+            Jw.append(a * D2R)
+        return torch.stack(Jv, -1), torch.stack(Jw, -1)
+
     def caps_world(self, q, xf=None):
         Rs, Ts = xf if xf is not None else self.cum_xf(q)
         Rg, Tg = Rs[:, self.cap_g], Ts[:, self.cap_g]               # [B,C,3,3], [B,C,3]