exp+test: #31 机制落库——门控地平线 select=pre --pre_near（远端短前瞻、近终段用整条地平线）

轮次 48 的曲线给出：时限收益随 h 缩短单调上升，而末态精度代价集中在 h<=4 ⇒ 假设病因是
"近终段没有终端代价"而不是"前瞻短"。本参数把两者分开：当前误差<=pre_near(mm) 时打分退回
整条地平线，远端保持 commit 窗口口径。代价多一次 goal_err(B×K 点)，只在门控开启时发生。

单测按夹具手算：起点 e=900 ⇒ pre_near=950 必须在第一次规划就翻回 endpoint 的选择，
pre_near=100/0 必须保持 pre 的选择(三条断言彼此可分，门控若没接上会直接红)。
52 项测试绿；ast 复核新局部名(qa_pre/qa_full/e_pre/e_full)未遮蔽任何 rollout 形参。
判读规则预注册写在 ml/runs/_r49_gate.sh 顶部：成立=err_success_med 回到 ~0.22mm 且
time_ok 保住 >=0.31；只满足一半则记为机理负结论。两个阈值(5/20mm)都报，不挑最好。

ml/sim/closed_loop.py

@@ -163,7 +163,7 @@ def rollout(model, kin, tasks, device, K=8, safety=False, seed=0, max_sec=None,
             qp0=None, steps=1, z_scale=1.0, select='consist', oracle=None, replan='r3', sub_rule='cross',
             fb_gain=0.0, fb_scale=0.0, fb_near=0.2, fb_fallback=0.0, safety_partial=0, commit_n=3, collect=None,
             fb_exec=0.0, exec_safety=0, fb_ki=0.0, fb_decay=0.9, fb_imax=0.5, fb_every=1, safety_try=0, sel_w=0.1, dls_safety=0, fb_clear=0.0, fb_cmin=0.3, sub_refresh=0, fb_block_gain=1.0,
-            inc_cap=0, gap_margin=0.0, cert_batch=0, backoff=0, len_w=0.0, tie=0, pre_h=0, progress=None):
+            inc_cap=0, gap_margin=0.0, cert_batch=0, backoff=0, len_w=0.0, tie=0, pre_h=0, pre_near=0, progress=None):
     """use_sub=False：不用子目标（sf=0）；sub_override=(subs [B,M,6] 绝对关节角, n [B] 个数 或 need [B] bool)：冷启动时用给定途经点代替子目标头；
     qp0 [B,6]：起点的上一帧（默认 = q0，即静止起步）。steps：MeanFlow 采样段数；z_scale：噪声缩放；
     select：consist（部署口径：冷启动价值前瞻、之后与上一条已提交计划的一致性）/ value（每次都价值前瞻）/ first（不选，取第 0 条）。
@@ -297,6 +297,11 @@ def rollout(model, kin, tasks, device, K=8, safety=False, seed=0, max_sec=None,
                 qa_pre = fut[:, :, min(pre_h if pre_h > 0 else commit_n, fut.shape[2]) - 1].reshape(B * K, 6)
                 e_pre, _ = goal_err(kin, qa_pre, T.repeat_interleave(K, 0), R.repeat_interleave(K, 0))
                 score = -e_pre.view(B, K)
+                if pre_near > 0:   # #31：近终段换回整条地平线（终端代价）。轮次 48 的曲线说：时限收益来自短前瞻、
+                    # 精度代价却集中在 h≤4 ⇒ 两半可以分开要；代价是多一次 goal_err(B×K 点)，只在门控口径下发生。
+                    qa_full = fut[:, :, -1].reshape(B * K, 6)
+                    e_full, _ = goal_err(kin, qa_full, T.repeat_interleave(K, 0), R.repeat_interleave(K, 0))
+                    score = torch.where((e <= pre_near)[:, None], -e_full.view(B, K), score)
             elif select in ('endpoint', 'adapt', 'ep_len', 'ep_waste'):
                 qa = fut[:, :, -1].reshape(B * K, 6)
                 e_end, _ = goal_err(kin, qa, T.repeat_interleave(K, 0), R.repeat_interleave(K, 0))