exp(dagger-deploy): 轮次9新历史最佳——每步重规划+gain1.2：到达 26.6%、碰撞 0.8%、ratio 0.453、刹停 20.6、845ms（K=16 无益淘汰）

docs/探索日志.md

@@ -130,6 +130,23 @@
 - **结论**：部署分布 DAgger 把刹停降 18–40%、时延降 ~31 ms，但到达率未突破 23% 平台（-0.7 pp），属边际权衡改善；历史最佳到达仍是 dag1+gain1.2（23.4%）。
 - **下一步**：试每步重规划（replan='empty'，让反馈逐步生效）与安全层候选 K=16（减少全拒刹停）。
 
+## 轮次 9：每步重规划 / K=16 安全候选（exp: `exp/dagger-deploy`，新历史最佳）
+
+- **假设**：反馈混合是逐步修正的，每 3 步重规划会滞后；每步重规划（replan='empty'）让反馈逐步生效。K=16 给安全层更多候选、减少全拒。
+- **判据**：部署口径 reach > 23.4% 且碰撞 ≤1.6%、刹停/时延不恶化。
+- **配方**：dag2 best；`replan='empty'`（每次 r=0 规划）；`K=16`。n=128，safety=True。
+- **对照**：轮次 8（dag2+gain1.2：22.7% / 1.6% / 0.491 / 25.9 / 922 ms）。
+- **指标**：
+
+| 配置 | 到达 | 碰撞 | ratio2s | 刹停/题 | 墙钟/题 |
+|---|---|---|---|---|---|
+| **gain1.2 + replan=empty** | **26.6%** | **0.8%** | **0.453** | **20.6** | **845 ms** |
+| gain1.2 + K=16 | 21.1% | 1.6% | 0.451 | 19.4 | 1629 ms |
+| gain1.0 + K=16 | 21.9% | 4.7% | 0.506 | 14.6 | 1588 ms |
+
+- **结论**：**每步重规划全面改善**（到达 +3.9 pp、碰撞 1.6→0.8%、刹停 25.9→20.6、时延 922→845 ms），成为**新历史最佳**。K=16 无收益且时延翻倍（1629 ms），淘汰。
+- **下一步**：每步重规划下重扫增益（0.8/1.0/1.5/2.0），找新最优。
+
 ## 轮次统计
 
 - 连续无实质进展轮数：0（轮次 5 出现实质进展：reach 0→20.3%）。