diff --git a/docs/探索日志.md b/docs/探索日志.md
new file mode 100644
index 0000000..ea1adce
--- /dev/null
+++ b/docs/探索日志.md
@@ -0,0 +1,82 @@
+# 探索日志：Transformer 机械臂闭环控制
+
+长期锚点：`docs/Transformer轨迹拟合训练方案.md` §9.2（部署形态 = 策略 + 安全层）。
+验收口径（§9.2）：实际执行碰撞 = 0；held-out 可达任务到达率 ≥ 98%；到达用时 ≤ 老师 ×1.3；关节行程 ≤ 现有规划器 ×1.10；冷启动 < 10 ms；每次推理 + 安全认证 P99 < 20 ms；刹停发生率 < 2% 的推理周期；策略单独（关安全层）碰撞率 < 3%。
+
+评测约定：val 任务、部署节奏（r = 3 重规划、1 段采样、K=8）；「纯策略」= 关安全层；「部署」= 开安全层。时延：桌面 RTX 3090 上 `sample_k(B=64, K=8)` 墙钟均值（均值，非 P99）；浏览器 ONNX P99 以 §9.2 R4 的独立测量为准。
+
+## 轮次 0：基线（2026-10-18，main）
+
+- **假设**：模型开环已拟合老师（末端 ~6 mm），闭环失败另有原因。
+- **判据**：reach = 0 且碰撞 ≈ 100% 即失败；需同时报告碰撞 / 到达 / 精度 / 时延。
+- **配方**：`ml/runs/base/last.pt`（step 14000，旧配方、act_scale=1.0），n=256。
+- **对照**：老师回放 reach 1.0 / 碰撞 0；H1_oracle（老师提线走 rollout）reach 1.0、碰撞 0、轨迹偏差 p99 4.6e-4°。
+- **指标**：到达 **0%**；碰撞 **99.6%**；精度 ol_fk 5.98 mm / ol_best 2.92 mm / ol_div 0.655，2 s 误差比 0.755；时延未测。
+- **结论**：仿真/滚动无误，失败在策略输出。闭环对每步残差极敏感（老师动作加 σ=0.05×STEP 即 reach 1.0→0.218）。
+
+## 轮次 1：数据规模能否救闭环（main，负结论）
+
+- **假设**：训练数据不足导致分布外状态无覆盖。
+- **判据**：若闭环状态到训练集最近邻距离大，且密度缩放无法在误差尺度内缩小差距，则加大同类数据无效。
+- **配方**：191 万老师状态最近邻分析；6 维密度缩放 d∝N^(−1/6)。
+- **对照**：起点（老师分布内）最近邻。
+- **指标**：闭环状态最近邻 p50 **21.5°**（起点 13.2°）；数据翻 4 倍仅降 ~21%，与 0.02° 误差尺度差三个量级。
+- **结论**：加大同类老师数据无效；需要「不同的数据」（闭环状态标注）。
+- **下一步**：DAgger 或状态扰动数据。
+
+## 轮次 2：合成扰动状态微调（main，负结论）
+
+- **假设**：偏移 1.5° 状态的老师标注可补足闭环状态覆盖。
+- **判据**：若 success 仍 0 或开环精度退化，则配方不成立。
+- **配方**：2000 个扰动起点（σ 混合 0.5/1/2/4°）→ 老师重规划（2000/2000 到达）→ 36k 样本 → 从 base/last.pt 微调 3000 步（lr 3e-4 / 1e-4 两轮）。
+- **对照**：base/last.pt。
+- **指标**：碰撞 99.6%→**48.4% / 60.4%**；到达仍 **0%**；开环 6→**15.3 / 16.4 mm**（退化 2.5×）；ratio2s 0.927/0.893。
+- **结论**：只学会了「保守避撞」，开环精度被带偏，success 仍 0；此配方不成立。
+- **下一步**：改训练标签（绝对目标）或真实 DAgger。
+
+## 轮次 3：绝对目标参数化（exp: `feat/abs-target`，负结论）
+
+- **假设**：模型从当前状态外推增量（判别 ρ=1.54），改为绝对目标标签可让输出指向参考位置。
+- **判据**：一步采样开环误差需回到 <10 mm，闭环 success > 0；否则参数化不可行。
+- **配方**：`ABS_TARGET=1` 重打主数据（201 万样本，Y=16 步绝对目标/180），train/rollout/ckpt 适配；从零训练 9950 步（p_neq 预热 5000）。过程中修复前缀噪声增广把 eps 直接加到绝对目标（≈18° 污染）的 bug。
+- **对照**：base/last.pt（ol_fk 5.98 mm、reach 0%）。
+- **指标**：一步采样动作误差 **31°**（4/8 段 2.3°/2.8°）；ol_fk 4000/6000/8000 步 = 74.6/140.4/139.0 mm；闭环 **0% / 100%**（1 段与 4 段皆然）；时延未测。
+- **结论**：绝对目标的一步流匹配在 MeanFlow 头上学不动（过预热后 5000 步无下降趋势）；此配方不成立。分支已推送远端 `217a70b`（本地分支可删，远端保留可复现）。
+- **下一步**：回归增量口径，上真实 DAgger。
+
+## 轮次 4：真实 DAgger 1 轮（main，部分有效）
+
+- **假设**：策略自己走到的状态（离训练集 21.5°）+ 老师重标注，可让模型学会在偏移状态上行动。
+- **判据**：reach 是否从 0 抬头；同时看碰撞、开环精度、时延。
+- **配方**：`ACT_SCALE=1.0 DAG_ROUNDS=1 DAG_N=2000 bash ml/dagger/run.sh base ml/runs/base/last.pt`（采集 2000 题 → 老师重规划 → 打包 → 微调 15000 步，lr 3e-4；主数据 + DAgger 混合）。
+- **对照**：base/last.pt。
+- **指标**：碰撞 99.6%→**40.2%**（8000 步 36.9%，10000 步 58.8%）；到达 **0%**，仅微调 12000 步时出现 **0.4%（2/512）**；开环退化 6→**15.7 mm**；ratio2s 0.87–0.92；时延未测。
+- **结论**：DAgger 数据确实教会避撞，但微调把主分布带偏（开环退化），到达仍近 0；单独 DAgger 不是终点。
+- **下一步**：在 DAgger 模型上加目标反馈（模型前馈 + DLS 反馈）。
+
+## 轮次 5：模型前馈 + DLS 目标反馈（exp: `feat/fb-mix`，历史最佳）
+
+- **假设**：模型擅长开环轨迹/避撞，但不指向目标；把 DLS 朝目标的反馈叠加到候选动作上，可把「走偏」拉回目标。
+- **判据**：部署口径（+安全层）reach 显著 > 0 且碰撞 < 3%（§9.2 策略单独碰撞线）、刹停可控；否则不成立。
+- **配方**：`closed_loop.rollout(fb_gain=...)`：`inc += fb_gain · DLS(qe→T,R, n=1)`（加在所有候选上，安全层评估带反馈的候选）。模型 `ml/runs/base_dag1/best.pt`（DAgger 轮 4 的 best，12000 步）。n=128，val。
+- **对照**：base/last.pt + 同反馈；DAgger 模型 + 无反馈。
+- **指标（n=128）**：
+
+| 配置 | 到达 | 碰撞 | 精度 ratio2s | 刹停/题 | 时延 |
+|---|---|---|---|---|---|
+| DAgger 模型, gain 0 | 0% | 44.5% | 0.873 | 0 | — |
+| DAgger 模型, gain 1.0, 关安全层 | 29.7% | 73.4% | 0.370 | 0 | — |
+| **DAgger 模型, gain 1.0, 开安全层** | **20.3%** | **2.3%** | **0.480** | **21.9** | **12.58 ms/次**（B=64,K=8，桌面 3090） |
+| base 模型, gain 1.0, 关安全层 | 0% | 94.5% | 0.554 | 0 | — |
+
+（另测 n=32 复核：gain 1.0 + safety → reach 25.0%、碰撞 6.2%、ratio2s 0.588。）
+
+- **结论**：**反馈混合是首个把到达率从 0 拉到 20%+ 的机理**；安全层把碰撞从 73% 压到 2.3%（部署口径），代价是刹停 21.9 次/题（远超 §9.2 的 <2%/周期）。精度 ratio2s 0.48（2 s 时误差缩一半），时延 12.58 ms/次接近 §9.2 的 20 ms（推理+认证）门槛。
+- **与历史最佳/基线对比**：reach 0→20.3%、碰撞 99.6→2.3%、ratio2s 0.755→0.480；开环精度仍退化（DAgger 微调导致 15.7 mm vs 基线 5.98 mm）。
+- **漂移检查**：main = 70654e4（无新提交）；工作区仅用户个人 html 未跟踪；数据口径 act_scale=1.0 与 ckpt 一致；`feat/abs-target` 已推送远端；本次实验在独立分支 `feat/fb-mix`。
+- **下一步**：扫更大 gain（1.2–2.0）与增益衰减；目标是把刹停次数降下来、到达率再提升，并测 ONNX/浏览器时延。
+
+## 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%）。
+- 历史最佳（部署口径）：轮次 5，`ml/runs/base_dag1/best.pt` + `fb_gain=1.0` + safety：reach 20.3%、碰撞 2.3%、ratio2s 0.480、brakes 21.9/题、时延 12.58 ms/次（B=64,K=8）。
diff --git a/ml/sim/closed_loop.py b/ml/sim/closed_loop.py
index 4823a82..d56b84e 100644
--- a/ml/sim/closed_loop.py
+++ b/ml/sim/closed_loop.py
@@ -141,7 +141,7 @@ class TeacherOracle:
 
 @torch.no_grad()
 def rollout(model, kin, tasks, device, K=8, safety=False, seed=0, max_sec=None, return_traj=False, use_sub=True, sub_override=None,
-            qp0=None, steps=1, z_scale=1.0, select='consist', oracle=None, replan='r3', sub_rule='cross'):
+            qp0=None, steps=1, z_scale=1.0, select='consist', oracle=None, replan='r3', sub_rule='cross', fb_gain=0.0):
     """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）。
@@ -190,6 +190,8 @@ def rollout(model, kin, tasks, device, K=8, safety=False, seed=0, max_sec=None,
                 z = torch.randn(B * K, H, 6, device=device, generator=g) * z_scale
                 act, val, sub = model.sample_k(feat, K, z, steps=steps)
             inc = act.float().clamp(-1, 1) * astep
+            if fb_gain > 0:   # 实验（2026-10-20）：目标反馈加在所有候选上（安全层也评估带反馈的候选）
+                inc = inc + fb_gain * dls_steps(kin, qe, T, R, n=1)[:, :, None, :]
             if cold:
                 need = sub[:, 12] > 0.5
                 subs = q[:, None] + sub[:, :12].float().view(B, 2, 6) * 180