fix(train): 首次正式预训练（21850 步闭环到达 0%）排查后修正——FK/平滑改加在配对去噪估计上（原加在随机噪声一步采样上=回归条件均值，多峰塌成单峰，实测候选标准差 0.030/幅度 0.151）；时间嵌入最高角频率 1000→50、MF 分支 fp32、p_neq 前 5000 步为 0（实测 du/dt 均方根 6–12 vs v 1.1）；增广 40%/3°/12 步收回；新增 dagger 阶段（策略闭环状态请老师重规划 ×2 轮微调）；开训前老师轨迹回放自检；评估加开环误差与候选多样性，best/早停按到达率+开环误差

ml/eval/replay_teacher.py

@@ -0,0 +1,49 @@
+"""老师轨迹回放自检（2026-10-18 首次正式预训练后新增；train 阶段开训前自动跑，约 1 分钟）：
+把 gen 写出的老师 50 Hz 轨迹（keep=true）直接放进闭环仿真用的 PyTorch 运动学 / 碰撞 / 到达判据里检查。
+老师轨迹在 JS 侧已认证无碰、已到达；如果这里判出碰撞或未到达，说明仿真口径（kin.json、间隙、到达门槛）和数据对不上，
+那么闭环指标本身不可信，训练多少步都没用 —— 直接停下（rc 5）。
+  python -m ml.eval.replay_teacher --n 512 --out ml/runs/replay_teacher.json
+判据：到达率（cat≠D）≥ 0.95，碰撞率 ≤ 0.01。"""
+import argparse, glob, json, os, sys
+import torch
+
+from ml.common.kin_torch import Kin
+from ml.sim.closed_loop import goal_err
+
+
+def main():
+    ap = argparse.ArgumentParser()
+    ap.add_argument('--shards', default='ml/data/shard_*.jsonl'); ap.add_argument('--n', type=int, default=512)
+    ap.add_argument('--out', default='ml/runs/replay_teacher.json')
+    ap.add_argument('--device', default='cuda' if torch.cuda.is_available() else 'cpu')
+    a = ap.parse_args()
+    kin = Kin(device=a.device)
+    recs = []
+    for f in sorted(glob.glob(a.shards)):
+        for line in open(f, encoding='utf-8'):
+            r = json.loads(line)
+            if r.get('keep') and r.get('traj') and r.get('cat') != 'D': recs.append(r)
+            if len(recs) >= a.n: break
+        if len(recs) >= a.n: break
+    if not recs: sys.exit('没有可回放的老师轨迹（先跑 gen）')
+    reach = col = 0; worst_gap = []
+    for r in recs:
+        q = torch.tensor(r['traj'], dtype=torch.float32, device=a.device)
+        mid = 0.5 * (q[1:] + q[:-1])
+        g = kin.gaps(torch.cat([q, mid], 0), 0.5)['gm'].min(-1).values
+        hit = bool((g <= 0).any()); col += hit; worst_gap.append(g.min().item())
+        T = torch.tensor([r['T']], dtype=torch.float32, device=a.device)
+        R = torch.tensor([r['R'] if r.get('R') else [0.] * 9], dtype=torch.float32, device=a.device)
+        e, oe = goal_err(kin, q[-1:], T, R)
+        reach += bool((e < 1).item() and (oe < 0.5).item())
+    n = len(recs)
+    res = {'n': n, 'reach': reach / n, 'collision': col / n, 'min_gap_mm_p10': sorted(worst_gap)[n // 10],
+           'pass': reach / n >= 0.95 and col / n <= 0.01, 'fp': kin.fp}
+    os.makedirs(os.path.dirname(a.out) or '.', exist_ok=True)
+    json.dump(res, open(a.out, 'w', encoding='utf-8'), indent=1)
+    print('老师轨迹回放：到达 %.1f%%、碰撞 %.1f%%（%d 条）' % (100 * res['reach'], 100 * res['collision'], n), flush=True)
+    sys.exit(0 if res['pass'] else 5)
+
+
+if __name__ == '__main__':
+    main()