ml: 第二轮审查 B-1~B-8 处置 + 一键训练控制台

- B-1 运行时投影护栏恢复 5 mm；老师轨迹按认证最小间隙 < 3 mm 剔除（stats/build_dataset，gapDrop）
- B-2 APG 端点+中点 hinge 取均值；B-3 check_r2 空匹配保护、5000×50000、分块 256，pass=false 时 prep 停下
- B-4 R7 按全部 B/C 题统计；B-5 r8 起点贴柱；B-7 pipeline r4（export_onnx --random，训练前测延迟）
- B-8 起步失败 ≤0.2%、column_gap 分块、pipefail、门禁结果先写 .tmp
- 训练控制台：ml/console.bat|sh → ml/monitor.py（开始/停止/进度/日志接口）+ monitor.html；
  pipeline.sh all 支持 FROM/TO，阶段状态写 ml/runs/pipeline.json（ml/pstate.py）；训练/APG 日志加 total、t
- 文档：README 一键运行与训练控制台；审查文档追加第三轮处置；方案余量决策与 R4 时点

ml/mining/tasks.py

@@ -33,9 +33,12 @@ def straight_blocked(kin, a, b, n=24):
     return (min_gap_chunked(kin, pts) <= 0).view(a.shape[0], n).any(-1)
 
 
-def column_gap(kin, q):
-    gm = kin.gaps(q, 40)['gm']
-    return torch.stack([gm[:, g] for g in (2, 3, 4, 5, 6)], -1).min(-1).values   # 组 0（立柱/底座）× 组 2..6
+def column_gap(kin, q, chunk=256):
+    out = []
+    for s in range(0, q.shape[0], chunk):                                       # 与 min_gap_chunked 一样分块防 OOM
+        gm = kin.gaps(q[s:s + chunk], 40)['gm']
+        out.append(torch.stack([gm[:, g] for g in (2, 3, 4, 5, 6)], -1).min(-1).values)   # 组 0（立柱/底座）× 组 2..6
+    return torch.cat(out)
 
 
 @torch.no_grad()