diff --git a/docs/探索日志.md b/docs/探索日志.md
index 8d2fae1..b81e9ac 100644
--- a/docs/探索日志.md
+++ b/docs/探索日志.md
@@ -312,6 +312,24 @@
 - **结论**：管线已能跑，但**损失尺度失控**（碰撞铰链均值 40 万，远大于 margin 3mm 的合理量级）；且 APG 展开是纯策略口径（无反馈/安全层/每步规划），与当前部署形态不一致。**暂不采用**，转「反馈蒸馏」。
 - **下一步**：反馈蒸馏——用最终部署配置收集 (特征, 复合动作=模型输出+目标反馈) 样本，微调模型把反馈内化。
 
+## 轮次 20：反馈蒸馏（exp: `exp/dagger-deploy`，负结论）
+
+- **假设**：用最终部署配置收集 (特征, 复合动作 = 模型输出 + 目标反馈) 样本，微调后模型可内化反馈（部署时降低/去掉反馈仍能到目标）。
+- **判据**：部署口径下 `fb_gain=0~0.9` 时 success 接近/超过基线（43.8%，n=256），且 time_ok 不降。
+- **配方**：`rollout` 加 collect 钩子（与部署一致：safety、replan='empty'、safety_partial=1、commit_n=1、fb_gain=1.8）收集 500 题 → **17.7 万样本**；`train.py --config distill.json`（lr 1e-4、3000 步、w_value=0、w_sub=0、w_fk=0.1、w_smooth=0.01）+ 主数据 BC 锚定，从 dag2 best 微调。
+- **对照**：dag2 + gain 1.8（n=256：43.8% / 28.9% / 1.6% / 0.216 / 40.0 / 956 ms）。
+- **指标（n=256，部署口径）**：
+
+| 模型 | gain | 到达 | time_ok_1p3 | 碰撞 | ratio2s | 刹停/题 | 墙钟/题 |
+|---|---|---|---|---|---|---|---|
+| distill | 0.0 | **0.8%** | — | 0.0% | 0.708 | 2.1 | 762 ms |
+| distill | 0.9 | 36.7% | 10.5% | 1.2% | 0.421 | 12.4 | 916 ms |
+| distill | 1.8 | 43.4% | 27.7% | 2.0% | 0.228 | 47.4 | 925 ms |
+| dag2（基线） | 1.8 | 43.8% | 28.9% | 1.6% | 0.216 | 40.0 | 956 ms |
+
+- **结论**：**反馈未内化**——`gain=0` 时到达仅 0.8%（与基线纯策略一样）；`gain=1.8` 时与基线持平（43.4 vs 43.8，差约 1 题），碰撞/刹停略差。蒸馏样本占比仅 8.5%、标签仍以主数据增量为主，模型没有学会"看目标修正"。此配方不成立。
+- **下一步**：与最终部署配置一致的 DAgger 第 3 轮（采集时已用 safety+fb 1.2，但仍是 3 步提交/全窗口；现在部署是每步规划+部分前缀）。
+
 ## 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。
diff --git a/ml/configs/distill.json b/ml/configs/distill.json
new file mode 100644
index 0000000..70283f0
--- /dev/null
+++ b/ml/configs/distill.json
@@ -0,0 +1,41 @@
+{
+  "model": {
+    "d": 192,
+    "heads": 8,
+    "ff": 768,
+    "enc": 4,
+    "dec": 4
+  },
+  "train": {
+    "batch": 1024,
+    "lr": 0.0001,
+    "warmup": 1000,
+    "steps": 3000,
+    "wd": 0.01,
+    "betas": [
+      0.9,
+      0.95
+    ],
+    "amp": "bf16",
+    "grad_clip": 1.0,
+    "w_mf": 1.0,
+    "w_fk": 0.1,
+    "w_smooth": 0.01,
+    "w_value": 0.0,
+    "w_sub": 0.0,
+    "p_neq": 0.5,
+    "p_edge": 0.1,
+    "p_neq_warm": 0,
+    "fk_tmax": 0.3,
+    "fk_caps": 96,
+    "ema": 0.999,
+    "aug_pre_drop": 0.15,
+    "aug_pre_sigma": 0.1,
+    "aug_dq_sigma": 0.3,
+    "ckpt_min": 10,
+    "eval_every": 1000,
+    "eval_tasks": 256,
+    "log_every": 50,
+    "patience_evals": 3
+  }
+}
\ No newline at end of file
diff --git a/ml/dagger/distill_fb.py b/ml/dagger/distill_fb.py
new file mode 100644
index 0000000..6c8c5d1
--- /dev/null
+++ b/ml/dagger/distill_fb.py
@@ -0,0 +1,57 @@
+#!/usr/bin/env python
+"""反馈蒸馏：用最终部署配置（目标反馈 + 安全层 + 部分前缀 + 每步规划）跑闭环，
+收集 (特征, 复合动作 = 模型输出 + 目标反馈) 样本，供 train.py 微调把反馈内化进策略。
+  PYTHONUTF8=1 python -m ml.dagger.distill_fb --ckpt ml/runs/base_dag2_dag1/best.pt --n 500 \
+      --fb_gain 1.8 --out ml/data/samples_fbdistill
+输出可直接被 ml.data.Samples 读取（collect.X/Y/V/SG/TID.npy；无 meta = act_scale 1.0，与主数据一致）。
+动作标签 = 候选动作（含反馈）的归一化 act（/STEP，clamp ±1），与主数据同口径。
+"""
+import argparse, os, random
+import numpy as np
+import torch
+
+from ml.common.ckpt import load_policy
+from ml.common.features import STEP
+from ml.common.kin_torch import Kin
+from ml.data import load_tasks
+from ml.sim.closed_loop import rollout
+
+
+def main():
+    ap = argparse.ArgumentParser()
+    ap.add_argument('--ckpt', required=True); ap.add_argument('--n', type=int, default=500)
+    ap.add_argument('--bs', type=int, default=64); ap.add_argument('--fb_gain', type=float, default=1.8)
+    ap.add_argument('--samples', default='ml/data/samples'); ap.add_argument('--out', required=True)
+    ap.add_argument('--device', default='cuda' if torch.cuda.is_available() else 'cpu'); ap.add_argument('--seed', type=int, default=1)
+    a = ap.parse_args()
+    dev = a.device
+    model, _ = load_policy(a.ckpt, dev)
+    kin = Kin(device=dev)
+    pool = [t for t in load_tasks([a.samples]) if t['split'] == 'train' and t.get('cat') not in ('D',)]
+    random.Random(a.seed).shuffle(pool); tasks = pool[:a.n]
+    stp = torch.tensor(STEP)   # collect 返回 CPU 张量，标签换算也在 CPU
+    X, Y, TID = [], [], []
+    for i in range(0, len(tasks), a.bs):
+        ch = tasks[i:i + a.bs]
+        coll = []
+        with torch.no_grad():
+            rollout(model, kin, ch, dev, K=8, safety=True, replan='empty', fb_gain=a.fb_gain,
+                    safety_partial=1, commit_n=1, seed=a.seed * 100003 + i, collect=coll)
+        for f, ac in coll:
+            X.append(f.numpy()); Y.append((ac / stp).clamp(-1, 1).numpy())
+        ncol = sum(f.shape[0] for f, _ in coll)
+        TID.append(np.arange(ncol, dtype=np.int32) + i * 100000)
+        print(f'[distill] {i + len(ch)}/{len(tasks)} tasks, samples {sum(x.shape[0] for x in X)}', flush=True)
+    os.makedirs(a.out, exist_ok=True)
+    X = np.concatenate(X); Y = np.concatenate(Y); TID = np.concatenate(TID)
+    n = X.shape[0]
+    np.save(os.path.join(a.out, 'collect.X.npy'), X.astype(np.float32))
+    np.save(os.path.join(a.out, 'collect.Y.npy'), Y.astype(np.float32))
+    np.save(os.path.join(a.out, 'collect.V.npy'), np.full(n, 0.5, np.float32))
+    np.save(os.path.join(a.out, 'collect.SG.npy'), np.zeros((n, 13), np.float32))
+    np.save(os.path.join(a.out, 'collect.TID.npy'), TID)
+    print(f'done: {n} samples, X {X.shape}, Y {Y.shape}', flush=True)
+
+
+if __name__ == '__main__':
+    main()
diff --git a/ml/sim/closed_loop.py b/ml/sim/closed_loop.py
index 989142a..f66427f 100644
--- a/ml/sim/closed_loop.py
+++ b/ml/sim/closed_loop.py
@@ -142,7 +142,7 @@ 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',
-            fb_gain=0.0, fb_scale=0.0, fb_near=0.2, fb_fallback=0.0, safety_partial=0, commit_n=3):
+            fb_gain=0.0, fb_scale=0.0, fb_near=0.2, fb_fallback=0.0, safety_partial=0, commit_n=3, collect=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）。
@@ -234,6 +234,8 @@ def rollout(model, kin, tasks, device, K=8, safety=False, seed=0, max_sec=None,
             order = torch.sort(score, dim=-1, descending=True, stable=True).indices
             pick = order[:, 0]
             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()))
             committed = torch.ones(B, dtype=torch.bool, device=device)
             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)