exp: 轮次25——实时节奏(commit3)准确率：候选平均29.7%/冻结编码器34.4%/commit4 28.9%，均低于基线36.3%；效率：ORT CPU推理3.9ms+gm_groups，单次规划~32ms，50Hz异步可行

docs/探索日志.md

@@ -399,6 +399,26 @@
   - 准确率与规划频率的 trade-off：commit1 42.2%（不可 50Hz）、commit3 36.3%、commit6 14.8%。
 - **下一步**：① 在 commit=3/4 的实时节奏下找准确率提升（候选平均、dag3_fe 冻结编码器、更高 gain）；② 把 gm_groups 同步到 JS（gapMatrix 只算 8 组）；③ 降低 JS 安全层拒绝率（margin/认证预算调参）。
 
+## 轮次 25：实时节奏下的准确率探索 + 推理提速（exp: `exp/dagger-deploy`）
+
+- **目标**：在 50 Hz 可行的节奏（commit=3，60 ms 周期）下提升准确率。
+- **效率优化（有效）**：
+  - `Kin.gm_groups`：特征只算 8 组间隙（数值 diff 0），features 10.4→**7.1 ms**；
+  - **onnxruntime CPU 推理 3.9 ms**（PyTorch 11.1 ms，部署端本来就是 ONNX）；
+  - 单次规划 ≈ 7.1（features）+3.9（推理）+11（DLS）+8（安全）+2 ≈ **32 ms p50 / ~45 ms p99**；
+  - 异步部署下 tick（执行步 + 碰撞检查）2–3 ms → **50 Hz 控制可行**；commit=3（60 ms 队列）可覆盖规划 p99。
+- **准确率尝试（n=256，commit=3，gain1.8，safety_partial）**：
+
+| 方法 | 到达 | time_ok | 碰撞 | ratio2s | 刹停 |
+|---|---|---|---|---|---|
+| dag2 + consist（基线） | **36.3%** | 16.4% | 1.6% | 0.277 | 14.3 |
+| dag2 + 候选平均（select=average） | 29.7% | 20.3% | 0.4% | 0.432 | 55.9 |
+| 冻结编码器模型（dag3_fe） | 34.4% | 14.8% | 2.0% | 0.332 | 15.8 |
+| dag2 + commit=4 | 28.9% | 8.2% | 3.5% | 0.339 | 10.5 |
+
+- **结论**：候选平均、冻结编码器、更稀疏规划**均未超过 36.3%**。**50 Hz 节奏下的最佳配置 = dag2 + commit=3 + consist + gain1.8 + safety_partial：到达 36.3% / 碰撞 1.6% / ratio2s 0.277**（相对非实时的 42.2% 差 5.9 pp）。
+- **下一步**：若要把实时准确率再拉高，需要把单次规划再压到 ~22 ms 以支持 commit=2（40 ms 周期，预计 ~39%）；或提升模型本身精度（训练侧）。
+
 ## 分支清理（2026-10-20）
 
 - `feat/fb-mix`（8e5431c）：反馈混合方案的中间分支，**已验证是 `exp/dagger-deploy` 的祖先**（所有提交都在后者历史里），本地/远端分支删除，内容保留在 exp/dagger-deploy。

ml/sim/closed_loop.py

@@ -237,6 +237,11 @@ def rollout(model, kin, tasks, device, K=8, safety=False, seed=0, max_sec=None,
                 score = torch.where(last_ok[:, None], -(d2 * w).sum(-1), torch.zeros_like(d2[..., 0]))
             order = torch.sort(score, dim=-1, descending=True, stable=True).indices
             pick = order[:, 0]
+            if select == 'average':   # 2026-10-20：候选平均（平滑误差）——所有候选置为 K 条动作的均值
+                inc = inc.mean(1, keepdim=True).expand_as(inc).contiguous()
+                K_eff = 1
+            else:
+                K_eff = K
             commit = inc[ar, pick, r:r + commit_n]
             if collect is not None:   # 反馈蒸馏：收集与部署完全一致的 (特征, 复合动作=模型输出+目标反馈)
                 collect.append((feat.detach().float().cpu(), inc[ar, pick].detach().float().cpu()))
@@ -244,7 +249,7 @@ def rollout(model, kin, tasks, device, K=8, safety=False, seed=0, max_sec=None,
             if safety and safety_partial:   # 2026-10-20：允许「部分安全前缀」——执行到第一个不安全步为止，而不是全拒刹停
                 maxlen = torch.zeros(B, dtype=torch.long, device=device)
                 chosen = torch.zeros(B, commit_n, 6, device=device); chosen_k = pick.clone()
-                for kk in range(K):
+                for kk in range(K_eff):
                     ck = inc[ar, order[:, kk], r:r + commit_n]
                     pts = qe[:, None] + torch.cumsum(ck, 1)
                     mids = torch.cat([qe[:, None], pts[:, :-1]], 1) + 0.5 * ck
@@ -263,7 +268,7 @@ def rollout(model, kin, tasks, device, K=8, safety=False, seed=0, max_sec=None,
             elif safety:
                 ok_any = torch.zeros(B, dtype=torch.bool, device=device)
                 chosen = torch.zeros(B, commit_n, 6, device=device); chosen_k = pick.clone()
-                for kk in range(K):
+                for kk in range(K_eff):
                     ck = inc[ar, order[:, kk], r:r + commit_n]
                     pts = qe[:, None] + torch.cumsum(ck, 1)
                     mids = torch.cat([qe[:, None], pts[:, :-1]], 1) + 0.5 * ck