关于"风险"： 论文证据只能说明"别人在相近条件下做成过"，没有一篇论文的条件（低维状态、单根固定立柱、约 4M -参数、浏览器推理、30/30）与本项目完全一致。因此本方案中只有安全层是硬保证（碰撞与否不依赖模型好坏）；其余每一项都配有证据等级、本仓库可测的门禁（不过不进下一步）和回退（§10）。
+参数、浏览器推理、30/30）与本项目完全一致。因此本方案中只有安全层是硬保证；每个设计点都已定为唯一选择（§1.1），只有 +MeanFlow +头带一个预先写定触发条件的回退（碰撞与否不依赖模型好坏）；其余每一项都配有证据等级、本仓库可测的门禁（不过不进下一步）和回退（§10）。| 数据 | -采样式规划器离线造 5 万条任务 → 约 200 万"状态→动作块"样本 | +规划器离线造 5 万条任务 → 约 200 万"状态→动作块"样本 | B | MπNets、DRP、ELMP 均用规划器老师 | DRP；Diffusion Policy（位置式优于速度式） | |
| 动作头（默认） | -一步生成头：MeanFlow 或 Shortcut + 条件 OT -配对，每次并行采 8 个噪声 → 8 条候选 | +动作头 | +MeanFlow 一步生成头，每次并行采 8 个噪声 → 8 +条候选 | B | -沙箱双模态实验（§2.4）；COT 双峰实证；MP1 约 6.8 ms | +沙箱双模态实验（§2.4）；MP1 约 6.8 ms |
| 动作头（基线） | -K=4 模式 WTA 头，与默认头 A/B，择优 | -A | -多模态轨迹预测通用做法；沙箱实验同样通过 | -|||
| 块间连续 | 训练时前缀条件化：输入已提交未执行的步 | B | 2512.05964：推理零开销，d≥2 时优于推理时 RTC | |||
| 碰撞修正 | -输出后 1–2 步解析胶囊距离梯度投影（仅 d < 余量时） | +输出后 1 步解析胶囊距离梯度投影（每轴 ≤ 0.5°，仅 d < +余量时） | B | DiffusionSeeder：少步生成下在环引导收益很小；投影在已知环境下够用 | ||
| 候选排序 | 与已提交块重叠步的一致性打分 + 价值头 | B | BID：一致性打分 + 多样本相对提升 32% | |||
| 预训练 | 行为克隆 + FK 胶囊端点损失 | B | ELMP 式 FK 损失 | |||
| 后训练（主） | APG：可微运动学展开 + 胶囊距离代价反传 | A | ELMP：碰撞率 31.3%→8.9%；1 万示范 + APG 胜 60 万纯 BC | |||
| 后训练（辅） | -无老师挖错循环 + 门禁；可选 ReinFlow | -B | -DRP 迭代微调 +45%；ReinFlow +40% | -|||
| 后训练（辅） | +无老师挖错循环 + 门禁 | +B | +DRP 迭代微调 +45% | +|||
| 安全层 | 距离下界认证 + 可刹停不变式 | A | Schwarzer 2005 连续认证；Thumm & Althoff 2022 failsafe | |||
| 30/30 手段 | -子目标头、价值头、短前瞻、卡死换向 | +子目标头、价值头、冷启动/卡死时短前瞻、卡死换向 | B / C | AWE、SHAC、BID | ||
| 老师 | +PRM 路网 A* + 捷径平滑（确定性）；A* 失败才用
+solveDyn |
+B | +MπNets：老师不一致碰撞率 13.78%，一致老师 0.94% | +|||
| 推理后端 | +onnxruntime-web wasm-SIMD 多线程 | +C | +小模型下 WebGPU 调度开销占主导 | +
| 选项 | +利 | +弊 | +决定 | +
|---|---|---|---|
| 动作头：MeanFlow 一步头 vs WTA K=4 | +MeanFlow：连续多模态，能同时表达左/右绕行与位姿目标的多个 IK +分支；沙箱 1 步达到 10 步流匹配质量。WTA：训练稳、实现简单 | +MeanFlow：训练需 JVP（训练慢约 1.5–2 +倍）、原生版本在部分任务失败（K-MF 表 1）。WTA：只有 4 个固定模式，左右 +× 肘/腕分支可能超过 4 个；沙箱分不出两者高下 | +上 MeanFlow。WTA 不实现；只有 M5 +门禁不过（near_column 穿柱率高于 2% 或训练发散）才换成 WTA +K=8，二者共用骨干，切换约 1 天 | +
| Shortcut + 条件 OT 配对 | +无需 JVP | +本项目无任何实测，组合无论文先例 | +不上 | +
| B 样条动作表示 | +平滑由表示保证；输出维度小 | +贴柱时拐角被抹圆、局部精度下降；只有间接证据；平滑已由梯形时间律 + +平滑损失保证 | +不上，固定 16 步 Δq | +
| 输出后梯度投影 | +修掉 1–2 mm 的轻微侵入，成本约 0.1 ms，减少刹停 | +推离数据分布、改变块间一致性；修不了"绕错侧" | +上，限 1 步、每轴修正量 ≤ 0.5°，仅 d < +余量时触发 | +
| 短前瞻（多推一块打分） | +避开"走两步就撞墙"的分支 | +推理次数翻倍，加剧最大不确定项（浏览器延迟） | +只在冷启动和卡死换向时上，平时不做 | +
| 拒绝采样自蒸馏 | +进一步缩短行程 | +偏向贴柱、余量变小、多样性塌缩；APG 行程项已覆盖同一目标 | +不上 | +
| ReinFlow 强化学习微调 | +能直接优化到达/卡死/刹停等离散目标 | +RL +会重塑左右模式比例；奖励调参与训练多出数天；这些离散目标已由卡死换向规则 ++ APG 覆盖 | +不上 | +
| 挖错循环中 E2 错题请老师补路径 | +解决可微代价绕不出的局部极小 | +量小、离线 | +上 | +
老师：PRM 路网 A* vs solveDyn |
+A*：确定性，同类任务左右选择一致，且是路网上的最短；solveDyn
+覆盖更全 |
+A*：受路网分辨率限制，个别任务失败 | +A 为主老师*，失败的任务用
+solveDyn（固定种子）补 |
+
| 推理后端：WebGPU vs wasm | +WebGPU 大模型快 | +本模型约 4M 参数，WebGPU 每次调度 33–67 μs × 150–300 +次，调度开销反而大 | +wasm-SIMD 多线程；M4 实测若 WebGPU P99 +更低再换 | +
| 训练余量 | +越大越不易被认证拒绝 | +越大行程越长、贴柱越难 | +5 mm | +
| 关节噪声增广 σ | +覆盖偏离状态 | +过大产生无意义状态 | +1° | +
| 局部牛顿精修 | +末端精度到 < 1 mm | +无 | +上，同样过安全层 | +
证据等级：A 有直接先例与数字 · B @@ -630,9 +748,9 @@ ms；消除现有拖拽重规划 P99 约 321 ms 的长尾
4.6 耗时与存储
-solveDyn 约 0.7 s/条：沙箱 2 进程约 5 小时；8 核机器约
-1.5 小时。- 路网 A* 每条数十毫秒，耗时主要在过滤认证；按
solveDyn
+0.7 s/条上限估算，沙箱 2 进程不超过 5 小时。
- 200 万样本原始约 1 GB；Parquet 约 200 MB。
4.7 检查点
-
+
@@ -956,19 +1080,13 @@ type="checkbox" />ml/data/stats.json：类别、到达率、行程
8
臂各段到立柱的胶囊距离
-
-上一次所选模式 k_prev
-5
-one-hot（含"无"），仅 WTA 基线头使用
-
5.2 输出
-- 默认一步生成头：每条候选 16 步 × 6 轴
+
- MeanFlow 一步头：每条候选 16 步 × 6 轴
Δq（按每轴最大步长归一化）。
-- WTA 基线头：K=4 条 16 步 Δq + 4 类模式 logits。
-- 两种头共用：价值头（剩余时间/代价）、子目标头（2 个关节途经点 +
+
- 附加头：价值头（剩余时间/代价）、子目标头（2 个关节途经点 +
是否需要）。
5.3 连续轴
@@ -981,11 +1099,10 @@ type="checkbox" />ml/data/stats.json：类别、到达率、行程
│
4 层 Transformer encoder
│ (memory)
-16 个动作 token（一步头：注入噪声 + 时间嵌入；WTA：K×16 个可学习 token）
+16 个动作 token（注入噪声 z + 时间嵌入 (r, t)）
▼
4 层 Transformer decoder（非自回归，一次前向）
├─ 动作输出：每 token 6 维 Δq
- ├─ （WTA）模式分类头：4
├─ 价值头：1
└─ 子目标头：2 个关节途经点 + 是否需要
子目标触发：新目标或目标跳变 > 50 mm 时输出；到达当前子目标 < 5° 后切下一个。
-| - | 一步生成头（默认） | -WTA 头（基线） | +项 | +做法 |
|---|---|---|---|---|
| 多模态 | -连续分布；每次并行采 8 个噪声 → 8 条候选 | -固定 4 个模式 | +连续分布；每次推理并行采 8 个噪声 → 8 条候选 | |
| 训练 | -MeanFlow 损失，或 Shortcut 自一致 + FM 锚定损失（配合条件 OT -配对） | -WTA-L1 + 模式 CE | +MeanFlow 平均速度场损失（MP1 配方：25% 样本
+r≠t，自适应损失加权），JVP 用 torch.func.jvp |
|
| 推理 | -1 次批量前向 | -1 次前向 | +1 次批量前向（r=0, t=1） | |
| 后处理 | -1–2 步解析胶囊距离梯度投影（JS 实现，仅 d < 余量时） | -同左 | +1 步解析胶囊距离梯度投影，每轴修正 ≤ 0.5°，仅 d < 余量时（JS +实现，不走 ONNX） | |
| APG 兼容 | 固定噪声后为确定性可微映射 | -模式选择用 Gumbel-Softmax 或对 4 个模式各展开取最小代价 | +||
| 预定回退 | +M5 门禁不过（near_column 穿柱率 > 2% 或训练发散）→ 同骨干换 WTA +K=8 头（WTA-L1 + 模式 CE），约 1 天 |
M4 同时实现两种头，M5 预训练后在 near_column 与门禁集上 -A/B（穿柱率、到达率、摇摆率），择优部署。
一步生成头：
-L = MeanFlow 损失（或 Shortcut 自一致 + FM 锚定） 1.0
+L = MeanFlow 损失 1.0
+ FK 损失：一步输出（固定噪声）的各连杆胶囊端点位置差 0.5
+ 平滑：二阶差分 0.05
+ 价值头 L1 + 子目标头 L1 0.1 / 0.1
-WTA 头：
-L = WTA-L1(动作块, 最近模式) 1.0
- + CE(模式分类) 0.5
- + FK 损失 0.5
- + 平滑：二阶差分 0.05
- + 价值头 L1 + 子目标头 L1 0.1 / 0.1
6.4 训练配置
@@ -1116,7 +1224,7 @@ s），统计到达率、用时 ≤ 老师 × 1.3
for 每个 batch（随机采样 q0 和目标，不需要老师）:
q = q0
for t in 0..H-1 (H = 60 次推理 × 3 步 = 180 步 ≈ 3.6 s；长任务分段截断反传):
- chunk = π(obs(q, 目标, 前缀)) # 一步头固定噪声；WTA 见 §6.2
+ chunk = π(obs(q, 目标, 前缀), z) # 每条展开固定一个噪声 z
Δq = chunk[0:3] # 与部署一致
q = clamp(q + Δq)
累计 L_col(q), L_smooth(Δq)
@@ -1124,8 +1232,8 @@ s），统计到达率、用时 ≤ 老师 × 1.3
反传，梯度裁剪 ≤ 1.0，lr 1e-4
- 碰撞项 L_col = Σ ReLU(margin − 胶囊距离)，margin =
-
margin_mm + 训练余量（3–6
-mm，覆盖安全层认证的保守量）；含臂×立柱、臂×台架、臂×臂（非相邻段）。
+margin_mm + 训练余量 5
+mm（覆盖安全层认证的保守量）；含臂×立柱、臂×台架、臂×臂（非相邻段）。
- 到达项：位置误差² + λ_rot·‖R − R*‖_F²。
- 平滑项：速度² + 加速度²。
- BC 锚定项：保留预训练损失，防止多模态被压缩；每轮监控左右比例。
@@ -1145,21 +1253,14 @@ mm，覆盖安全层认证的保守量）；含臂×立柱、臂×台架、臂×
个百分点、上一轮修好的错题 95% 仍对；否则回滚。
- 停止：连续 2 轮提升 < 0.5 个百分点，或满 6 轮。
-7.3 可选：拒绝采样自蒸馏
-每个任务采样多条闭环轨迹，在"验算通过且最小间隙 ≥
-阈值"的样本中取最短的一条做行为克隆标签。门禁：C
-类间隙中位数不低于自蒸馏前的 80%，刹停率不升。
-7.4 可选：ReinFlow 微调
-奖励 = 到达 − 刹停次数 − 卡死 −
-用时，按左/右绕行分组平衡奖励，防止模式分布被重塑。
8. 部署
8.1 执行循环
执行：50 Hz，每步 20 ms，按已提交步走
每 60 ms：
1. 读当前 q、当前速度、已提交未执行前缀、最新目标
- 2. 推理：一步头 8 条候选（WTA 为 4 条）16 步动作块
- 3. 每条候选做 1–2 步胶囊距离梯度投影（仅 d < 余量时）
+ 2. 推理：8 个噪声 → 8 条 16 步动作块（冷启动或卡死换向时，再各推一块做短前瞻）
+ 3. 每条候选做 1 步胶囊距离梯度投影（每轴 ≤ 0.5°，仅 d < 余量时）
4. 排序（§8.2）
5. 安全层依次认证候选前 3 步 + 刹停段（§8.3），第一个通过的提交给执行器
6. 全部不通过 → 沿上一次已认证的刹停段停下，下次继续推理
@@ -1169,12 +1270,8 @@ mm，覆盖安全层认证的保守量）；含臂×立柱、臂×台架、臂×
Worker、按实际 dt 推进，避免 requestAnimationFrame（60
Hz）与 20 ms 不整除及后台节流造成的抖动。
8.2 候选排序（防左右摇摆）
-
-- 一步头：分数 = −Σ w_k‖候选第 k 步 − 已提交块第 k 步‖²（重叠步加权）−
-λ·价值头剩余代价。
-- WTA 头：分数 = log p(k) − c·[k ≠ k_prev] − λ·价值头剩余代价，c 初值
-2.0。
-
+分数 = −Σ w_k‖候选第 k 步 − 已提交块第 k 步‖²（重叠步加权）−
+λ·价值头剩余代价。冷启动时无已提交块，只用价值头 + 短前瞻打分。
8.3 安全层（唯一的硬保证）
- 距离下界认证：对一段运动 q_a →
@@ -1227,12 +1324,12 @@ ms，否则放 Web Worker 与推理流水线并行。
个关节途经点作为绕柱方向锚点，标签取老师路径拐点（离线）。
- 价值头：预测剩余时间/代价，用于候选打分与进展判断；APG
中用 TD 自举监督。
-- 短前瞻：对每条候选再推一块，用胶囊认证 + 价值头给
-32 步后终态打分。
+- 短前瞻（仅冷启动和卡死换向时）：对每条候选再推一块，用胶囊认证
++ 价值头给 32 步后终态打分。
- 卡死检测 + 强制换向：0.3 s 内价值不降或连续 2
次刹停 → 切到另一绕行方向并锁定 1 s。
- 训练侧加强：贴柱类占 APG 采样
-40%；展开覆盖整段绕行；贴柱任务做拒绝采样自蒸馏。
+40%；展开覆盖整段绕行。
8.6 控制周期
伺服层（参考）：Franka FCI 1 ms；UR e-Series 2 ms、CB3 8 ms；ABB EGM
@@ -1372,9 +1469,9 @@ rt）
R1
-老师左右绕行不一致，标签自相矛盾
-同任务 5 种子同伦类一致率 ≥ 90%
-固定"最短同伦类"偏好，或改用 PRM 路网 A* 作老师
+老师在相邻任务上左右绕行跳变，标签自相矛盾
+起终点扰动 ±5 mm 的邻居任务同伦类一致率 ≥ 90%
+对 A* 边代价加左右偏好项，强制同区域选同侧
M1
@@ -1393,17 +1490,16 @@ rt）
R4
-浏览器推理延迟：WebGPU 每次调度 33–67 μs，8 层 Transformer 约
-150–300 次调度
-M4 后立即导出 ONNX，在目标浏览器测 batch=8（含前瞻 16）P99
-wasm-SIMD 多线程；去掉前瞻；减小模型
+浏览器推理延迟
+M4 后立即导出 ONNX，wasm-SIMD 多线程测 batch=8 P99 < 15 ms
+减小模型（d=128，约 1.8M 参数）；同时测 WebGPU，更快则换
M4（最大不确定项）
R5
-一步生成头在 6 轴、位姿目标下不如 WTA，或训练不稳
-M5 A/B：穿柱率、到达率、摇摆率
-部署 WTA 头
+MeanFlow 头在 6 轴、位姿目标下穿柱或训练不稳
+near_column 穿柱率（关安全层）≤ 2%；损失不发散
+同骨干换 WTA K=8 头
M5
@@ -1464,7 +1560,7 @@ a_max、插补频率与提交步数。
gen/ gen_dataset.cjs sampler.cjs run_parallel.sh
data/ （不入库）shard_*.jsonl stats.json *.parquet norm.json
prep/ build_dataset.py
- model/ policy_transformer.py # 一步生成头 + WTA 头
+ model/ policy_transformer.py # MeanFlow 一步头
sim/ closed_loop.py # 闭环仿真（验证、挖错、APG 共用）
eval/ collide_torch.py # 可微胶囊距离，与 JS 对拍
apg/ apg_finetune.py
@@ -1506,15 +1602,15 @@ tests/policy_bench.cjs
M4
-模型（两种头）+ 训练工程 + 闭环仿真；小数据过拟合；导出 ONNX
+模型 + 训练工程 + 闭环仿真；小数据过拟合；导出 ONNX
测浏览器延迟
train.py、closed_loop.py、延迟报告沙箱 + 浏览器
M5
-预训练；一步头 vs WTA A/B
-checkpoint、A/B 报告
+预训练 + MeanFlow 头门禁
+checkpoint、门禁报告
用户 GPU
@@ -1524,19 +1620,13 @@ tests/policy_bench.cjs
用户 GPU
-M6b
-（可选）ReinFlow 微调
-对比 M6
-用户 GPU
-
-
M7
ik-policy.js 闭环部署 + 安全层实测 +
policy_bench + 一次性验收对比表
沙箱 + 浏览器
-
+
M8
移除查看器对
solveDyn/routeRT/路网的运行时依赖（保留在
diff --git a/docs/Transformer轨迹拟合训练方案.md b/docs/Transformer轨迹拟合训练方案.md
index a4aabdd..15e64c3 100644
--- a/docs/Transformer轨迹拟合训练方案.md
+++ b/docs/Transformer轨迹拟合训练方案.md
@@ -17,7 +17,7 @@
| 收益目标 | 冷启动（新目标到第一个动作）< 10 ms；每次推理 + 安全认证 < 20 ms；消除现有拖拽重规划 P99 约 321 ms 的长尾 |
| 底线 | 实时拖拽**碰撞帧 = 0**（由安全层距离认证保证）；到达率、行程在 §9 指标上不低于现有规划器 |
-**关于"风险"：** 论文证据只能说明"别人在相近条件下做成过"，没有一篇论文的条件（低维状态、单根固定立柱、约 4M 参数、浏览器推理、30/30）与本项目完全一致。因此本方案中只有安全层是**硬保证**（碰撞与否不依赖模型好坏）；其余每一项都配有证据等级、本仓库可测的**门禁**（不过不进下一步）和**回退**（§10）。
+**关于"风险"：** 论文证据只能说明"别人在相近条件下做成过"，没有一篇论文的条件（低维状态、单根固定立柱、约 4M 参数、浏览器推理、30/30）与本项目完全一致。因此本方案中只有安全层是**硬保证**；每个设计点都已定为唯一选择（§1.1），只有 MeanFlow 头带一个预先写定触发条件的回退（碰撞与否不依赖模型好坏）；其余每一项都配有证据等级、本仓库可测的**门禁**（不过不进下一步）和**回退**（§10）。
---
@@ -26,19 +26,38 @@
| 模块 | 最终选择 | 证据等级 | 关键依据 |
|---|---|---|---|
| 模型规模 | 约 4.1M 参数编码器-解码器 Transformer，不用 VLA 大模型 | A | IMPACT 4.67M、300 Hz；π0 3B 单次预填充 46 ms（4090） |
-| 数据 | 采样式规划器离线造 5 万条任务 → 约 200 万"状态→动作块"样本 | B | MπNets、DRP、ELMP 均用规划器老师 |
+| 数据 | 规划器离线造 5 万条任务 → 约 200 万"状态→动作块"样本 | B | MπNets、DRP、ELMP 均用规划器老师 |
| 时间律 | 匀速巡航 + 梯形加减速，只依赖"当前速度 + 剩余路程"；当前速度作输入 | B | MπNets 将老师路径重定时为匀速 |
| 动作表示 | 16 步 × 6 轴关节增量 Δq | A | DRP；Diffusion Policy（位置式优于速度式） |
-| 动作头（默认） | **一步生成头**：MeanFlow 或 Shortcut + 条件 OT 配对，每次并行采 8 个噪声 → 8 条候选 | B | 沙箱双模态实验（§2.4）；COT 双峰实证；MP1 约 6.8 ms |
-| 动作头（基线） | K=4 模式 WTA 头，与默认头 A/B，择优 | A | 多模态轨迹预测通用做法；沙箱实验同样通过 |
+| 动作头 | **MeanFlow 一步生成头**，每次并行采 8 个噪声 → 8 条候选 | B | 沙箱双模态实验（§2.4）；MP1 约 6.8 ms |
| 块间连续 | 训练时前缀条件化：输入已提交未执行的步 | B | 2512.05964：推理零开销，d≥2 时优于推理时 RTC |
-| 碰撞修正 | 输出后 1–2 步解析胶囊距离梯度投影（仅 d < 余量时） | B | DiffusionSeeder：少步生成下在环引导收益很小；投影在已知环境下够用 |
+| 碰撞修正 | 输出后 1 步解析胶囊距离梯度投影（每轴 ≤ 0.5°，仅 d < 余量时） | B | DiffusionSeeder：少步生成下在环引导收益很小；投影在已知环境下够用 |
| 候选排序 | 与已提交块重叠步的一致性打分 + 价值头 | B | BID：一致性打分 + 多样本相对提升 32% |
| 预训练 | 行为克隆 + FK 胶囊端点损失 | B | ELMP 式 FK 损失 |
| 后训练（主） | APG：可微运动学展开 + 胶囊距离代价反传 | A | ELMP：碰撞率 31.3%→8.9%；1 万示范 + APG 胜 60 万纯 BC |
-| 后训练（辅） | 无老师挖错循环 + 门禁；可选 ReinFlow | B | DRP 迭代微调 +45%；ReinFlow +40% |
+| 后训练（辅） | 无老师挖错循环 + 门禁 | B | DRP 迭代微调 +45% |
| 安全层 | 距离下界认证 + 可刹停不变式 | A | Schwarzer 2005 连续认证；Thumm & Althoff 2022 failsafe |
-| 30/30 手段 | 子目标头、价值头、短前瞻、卡死换向 | B / C | AWE、SHAC、BID |
+| 30/30 手段 | 子目标头、价值头、冷启动/卡死时短前瞻、卡死换向 | B / C | AWE、SHAC、BID |
+| 老师 | PRM 路网 A* + 捷径平滑（确定性）；A* 失败才用 `solveDyn` | B | MπNets：老师不一致碰撞率 13.78%，一致老师 0.94% |
+| 推理后端 | onnxruntime-web wasm-SIMD 多线程 | C | 小模型下 WebGPU 调度开销占主导 |
+
+### 1.1 取舍决定（每项只有一个答案）
+
+| 选项 | 利 | 弊 | 决定 |
+|---|---|---|---|
+| 动作头：MeanFlow 一步头 vs WTA K=4 | MeanFlow：连续多模态，能同时表达左/右绕行与位姿目标的多个 IK 分支；沙箱 1 步达到 10 步流匹配质量。WTA：训练稳、实现简单 | MeanFlow：训练需 JVP（训练慢约 1.5–2 倍）、原生版本在部分任务失败（K-MF 表 1）。WTA：只有 4 个固定模式，左右 × 肘/腕分支可能超过 4 个；沙箱分不出两者高下 | **上 MeanFlow**。WTA 不实现；只有 M5 门禁不过（near_column 穿柱率高于 2% 或训练发散）才换成 WTA K=8，二者共用骨干，切换约 1 天 |
+| Shortcut + 条件 OT 配对 | 无需 JVP | 本项目无任何实测，组合无论文先例 | **不上** |
+| B 样条动作表示 | 平滑由表示保证；输出维度小 | 贴柱时拐角被抹圆、局部精度下降；只有间接证据；平滑已由梯形时间律 + 平滑损失保证 | **不上**，固定 16 步 Δq |
+| 输出后梯度投影 | 修掉 1–2 mm 的轻微侵入，成本约 0.1 ms，减少刹停 | 推离数据分布、改变块间一致性；修不了"绕错侧" | **上**，限 1 步、每轴修正量 ≤ 0.5°，仅 d < 余量时触发 |
+| 短前瞻（多推一块打分） | 避开"走两步就撞墙"的分支 | 推理次数翻倍，加剧最大不确定项（浏览器延迟） | **只在冷启动和卡死换向时上**，平时不做 |
+| 拒绝采样自蒸馏 | 进一步缩短行程 | 偏向贴柱、余量变小、多样性塌缩；APG 行程项已覆盖同一目标 | **不上** |
+| ReinFlow 强化学习微调 | 能直接优化到达/卡死/刹停等离散目标 | RL 会重塑左右模式比例；奖励调参与训练多出数天；这些离散目标已由卡死换向规则 + APG 覆盖 | **不上** |
+| 挖错循环中 E2 错题请老师补路径 | 解决可微代价绕不出的局部极小 | 量小、离线 | **上** |
+| 老师：PRM 路网 A* vs `solveDyn` | A*：确定性，同类任务左右选择一致，且是路网上的最短；`solveDyn` 覆盖更全 | A*：受路网分辨率限制，个别任务失败 | **A* 为主老师**，失败的任务用 `solveDyn`（固定种子）补 |
+| 推理后端：WebGPU vs wasm | WebGPU 大模型快 | 本模型约 4M 参数，WebGPU 每次调度 33–67 μs × 150–300 次，调度开销反而大 | **wasm-SIMD 多线程**；M4 实测若 WebGPU P99 更低再换 |
+| 训练余量 | 越大越不易被认证拒绝 | 越大行程越长、贴柱越难 | **5 mm** |
+| 关节噪声增广 σ | 覆盖偏离状态 | 过大产生无意义状态 | **1°** |
+| 局部牛顿精修 | 末端精度到 < 1 mm | 无 | **上**，同样过安全层 |
证据等级：**A** 有直接先例与数字 · **B** 有相近先例，需本仓库验证 · **C** 仅推断。
@@ -75,15 +94,16 @@
| 技术 | 结论 | 理由 |
|---|---|---|
| VLA 大模型（π0/π0.5、GR00T、OpenVLA） | 不采用 | 无图像、无语言指令；3B 参数更慢不更准 |
-| 一步生成：MeanFlow（MP1）、Shortcut、条件 OT 配对 | **采用**（默认头候选） | 1 次前向；COT 有双峰实证；Shortcut 无需 JVP |
+| 一步生成：MeanFlow（MP1） | **采用** | 1 次前向；沙箱双模态实验通过 |
| Consistency Policy、OneDP、朴素 1 步流匹配 | 不采用 | CP 原文承认偏向一侧；OneDP 有意取单模态；朴素 1 步 FM 等于条件均值，会穿柱 |
-| OFP 自蒸馏 | 不作首选 | 未找到公开代码；自引导 λ=0.5 时出现模态塌缩 |
+| Shortcut / 条件 OT 配对 | 不采用 | 见 §1.1 |
+| OFP 自蒸馏 | 不采用 | 未找到公开代码；自引导 λ=0.5 时出现模态塌缩 |
| 生成过程中代价引导（MPD/EDMP/GPD） | 不采用 | 无论文在 1–2 步下验证；改用输出后投影 |
| 推理时 RTC | 不采用 | 原文只验证 5 步去噪且需反向传播；改用训练时前缀条件化 |
| 时间集成 / 交叉淡入 | 不采用 | 执行的是未认证的混合块；左右两块平均可能穿柱；π0 弃用 |
| FAST 动作分词 | 不采用 | 服务于语言骨干，自回归推理慢 |
-| B 样条动作表示 | 可选 | 仅间接证据；须 near_column 消融不掉点才启用 |
-| ReinFlow / DPPO | 可选第三阶段 | 适合到达/卡死/刹停等离散目标；须按左右分组平衡奖励 |
+| B 样条动作表示 | 不采用 | 见 §1.1 |
+| ReinFlow / DPPO | 不采用 | 见 §1.1 |
### 2.4 沙箱双模态对照实验
@@ -99,7 +119,7 @@
- 朴素 1 步流匹配会把模态平均进柱子；MeanFlow 1 步达到 10 步流匹配的质量，推理快约 8 倍。
- 安全层在所有方法上把穿柱降为 0，代价是刹停。
-- 该任务过于简单（闭环中状态一偏离中轴即打破对称），**分不出一步头与 WTA 谁更好**，需在真实数据上 A/B（M5）。
+- 该任务过于简单（闭环中状态一偏离中轴即打破对称），**分不出一步头与 WTA 谁更好**；因此 WTA 只作为 M5 门禁不过时的预定回退（§1.1）。
- 训练仅 300 步的 MSE 在同一难例上 100% 穿柱、加安全层后 0% 到达，说明欠拟合时平均模态的风险真实存在。
---
@@ -110,7 +130,7 @@
|---|---|---|
| 数据生成 | Hark 沙箱（2 vCPU / 7 GB，Node）或用户机器 | 纯 JS，无需 GPU |
| 预训练 + 后训练 | 用户 RTX 3090 24 GB | batch 1024–2048 |
-| 部署推理 | 浏览器 onnxruntime-web（WebGPU / wasm-SIMD，按实测选）；后续真机控制器 | 与现有查看器同页 |
+| 部署推理 | 浏览器 onnxruntime-web wasm-SIMD 多线程；后续真机控制器 | 与现有查看器同页 |
```bash
conda create -n armtf python=3.11 -y && conda activate armtf
@@ -159,7 +179,7 @@ pip install numpy pyarrow tqdm tensorboard onnx onnxruntime
| C 贴立柱 | 15% | b 满足 `nearColumn`，q0 在立柱另一侧 |
| D 目标不可达 | 10% | 目标在立柱内/所有分支都撞/工作空间外；标签为停靠 |
-- pos / pose 各半；老师用 `solveDyn`，固定种子；同类任务优先取行程最短的绕行同伦类，保证左右选择一致。
+- pos / pose 各半；老师为 PRM 路网 A* + 捷径平滑（确定性；复用 `routeRT` 的路网图搜索，放宽时间预算）；A* 失败的任务用 `solveDyn`（固定种子）补。
- 另造三个互不重叠的集合：**门禁集** 2000 条（挖错循环每轮用）、**held-out 验收集** 2000 条、**near_column 扩展验收集** ≥1000 条；两个验收集只在最终验收时用一次。现有三个基准不进训练集。
### 4.4 过滤
@@ -175,17 +195,17 @@ pip install numpy pyarrow tqdm tensorboard onnx onnxruntime
- 输入：§5.1 全部字段（含当前速度、已提交前缀）
- 标签：未来 16 步 Δq_{t+k} = q_{t+k} − q_t（到终点后补零）
3. 每条路径约 40–50 个样本 → 约 200 万样本（以 `stats.json` 为准）。
-4. 协变量偏移对策：关节噪声增广（σ 0.5–1°，噪声状态由老师离线重标）；偏离状态的进一步覆盖靠 §7。
+4. 协变量偏移对策：关节噪声增广（σ = 1°，噪声状态由老师离线重标）；偏离状态的进一步覆盖靠 §7。
### 4.6 耗时与存储
-- `solveDyn` 约 0.7 s/条：沙箱 2 进程约 5 小时；8 核机器约 1.5 小时。
+- 路网 A* 每条数十毫秒，耗时主要在过滤认证；按 `solveDyn` 0.7 s/条上限估算，沙箱 2 进程不超过 5 小时。
- 200 万样本原始约 1 GB；Parquet 约 200 MB。
### 4.7 检查点
- [ ] `ml/data/stats.json`：类别、到达率、行程、样本数、补零样本占比
-- [ ] 老师一致性：同任务 5 个种子，同伦类一致率 ≥ 90%，行程变异系数 < 10%
+- [ ] 老师一致性：起终点扰动 ±5 mm 的邻居任务同伦类一致率 ≥ 90%
- [ ] 抽 20 条在查看器回放（新增 `?replay=` 参数）
- [ ] 各集合与训练集无重叠
@@ -209,13 +229,11 @@ pip install numpy pyarrow tqdm tensorboard onnx onnxruntime
| 已提交未执行前缀 | 3×6 + 3 | 前缀 Δq + 有效长度掩码；训练时随机遮盖 0–3 步 |
| 当前子目标 | 6 | 子目标头输出的关节途经点（归一化）；无子目标时填当前 q |
| 关键胶囊对最小距离 | 8 | 臂各段到立柱的胶囊距离 |
-| 上一次所选模式 k_prev | 5 | one-hot（含"无"），仅 WTA 基线头使用 |
### 5.2 输出
-- 默认一步生成头：每条候选 16 步 × 6 轴 Δq（按每轴最大步长归一化）。
-- WTA 基线头：K=4 条 16 步 Δq + 4 类模式 logits。
-- 两种头共用：价值头（剩余时间/代价）、子目标头（2 个关节途经点 + 是否需要）。
+- MeanFlow 一步头：每条候选 16 步 × 6 轴 Δq（按每轴最大步长归一化）。
+- 附加头：价值头（剩余时间/代价）、子目标头（2 个关节途经点 + 是否需要）。
### 5.3 连续轴
@@ -232,11 +250,10 @@ J1/J3/J6 统一用 `unwrapTo` 展开后再做增量；预处理与部署共用
│
4 层 Transformer encoder
│ (memory)
-16 个动作 token（一步头：注入噪声 + 时间嵌入；WTA：K×16 个可学习 token）
+16 个动作 token（注入噪声 z + 时间嵌入 (r, t)）
▼
4 层 Transformer decoder（非自回归，一次前向）
├─ 动作输出：每 token 6 维 Δq
- ├─ （WTA）模式分类头：4
├─ 价值头：1
└─ 子目标头：2 个关节途经点 + 是否需要
```
@@ -249,39 +266,26 @@ J1/J3/J6 统一用 `unwrapTo` 展开后再做增量；预处理与部署共用
子目标触发：新目标或目标跳变 > 50 mm 时输出；到达当前子目标 < 5° 后切下一个。
-### 6.2 动作头
+### 6.2 动作头：MeanFlow 一步生成
-| | 一步生成头（默认） | WTA 头（基线） |
-|---|---|---|
-| 多模态 | 连续分布；每次并行采 8 个噪声 → 8 条候选 | 固定 4 个模式 |
-| 训练 | MeanFlow 损失，或 Shortcut 自一致 + FM 锚定损失（配合条件 OT 配对） | WTA-L1 + 模式 CE |
-| 推理 | 1 次批量前向 | 1 次前向 |
-| 后处理 | 1–2 步解析胶囊距离梯度投影（JS 实现，仅 d < 余量时） | 同左 |
-| APG 兼容 | 固定噪声后为确定性可微映射 | 模式选择用 Gumbel-Softmax 或对 4 个模式各展开取最小代价 |
-
-M4 同时实现两种头，M5 预训练后在 near_column 与门禁集上 A/B（穿柱率、到达率、摇摆率），择优部署。
+| 项 | 做法 |
+|---|---|
+| 多模态 | 连续分布；每次推理并行采 8 个噪声 → 8 条候选 |
+| 训练 | MeanFlow 平均速度场损失（MP1 配方：25% 样本 r≠t，自适应损失加权），JVP 用 `torch.func.jvp` |
+| 推理 | 1 次批量前向（r=0, t=1） |
+| 后处理 | 1 步解析胶囊距离梯度投影，每轴修正 ≤ 0.5°，仅 d < 余量时（JS 实现，不走 ONNX） |
+| APG 兼容 | 固定噪声后为确定性可微映射 |
+| 预定回退 | M5 门禁不过（near_column 穿柱率 > 2% 或训练发散）→ 同骨干换 WTA K=8 头（WTA-L1 + 模式 CE），约 1 天 |
### 6.3 损失
-一步生成头：
-
```
-L = MeanFlow 损失（或 Shortcut 自一致 + FM 锚定） 1.0
+L = MeanFlow 损失 1.0
+ FK 损失：一步输出（固定噪声）的各连杆胶囊端点位置差 0.5
+ 平滑：二阶差分 0.05
+ 价值头 L1 + 子目标头 L1 0.1 / 0.1
```
-WTA 头：
-
-```
-L = WTA-L1(动作块, 最近模式) 1.0
- + CE(模式分类) 0.5
- + FK 损失 0.5
- + 平滑：二阶差分 0.05
- + 价值头 L1 + 子目标头 L1 0.1 / 0.1
-```
-
### 6.4 训练配置
| 项 | 值 |
@@ -308,7 +312,7 @@ L = WTA-L1(动作块, 最近模式) 1.0
for 每个 batch（随机采样 q0 和目标，不需要老师）:
q = q0
for t in 0..H-1 (H = 60 次推理 × 3 步 = 180 步 ≈ 3.6 s；长任务分段截断反传):
- chunk = π(obs(q, 目标, 前缀)) # 一步头固定噪声；WTA 见 §6.2
+ chunk = π(obs(q, 目标, 前缀), z) # 每条展开固定一个噪声 z
Δq = chunk[0:3] # 与部署一致
q = clamp(q + Δq)
累计 L_col(q), L_smooth(Δq)
@@ -316,7 +320,7 @@ for 每个 batch（随机采样 q0 和目标，不需要老师）:
反传，梯度裁剪 ≤ 1.0，lr 1e-4
```
-- 碰撞项 L_col = Σ ReLU(margin − 胶囊距离)，margin = `margin_mm` + 训练余量（3–6 mm，覆盖安全层认证的保守量）；含臂×立柱、臂×台架、臂×臂（非相邻段）。
+- 碰撞项 L_col = Σ ReLU(margin − 胶囊距离)，margin = `margin_mm` + 训练余量 5 mm（覆盖安全层认证的保守量）；含臂×立柱、臂×台架、臂×臂（非相邻段）。
- 到达项：位置误差² + λ_rot·‖R − R*‖_F²。
- 平滑项：速度² + 加速度²。
- BC 锚定项：保留预训练损失，防止多模态被压缩；每轮监控左右比例。
@@ -333,14 +337,6 @@ for 每个 batch（随机采样 q0 和目标，不需要老师）:
6. 门禁（用门禁集，不用验收集）：到达率上升、A 类每轮降幅 ≤ 0.5 个百分点、上一轮修好的错题 95% 仍对；否则回滚。
7. 停止：连续 2 轮提升 < 0.5 个百分点，或满 6 轮。
-### 7.3 可选：拒绝采样自蒸馏
-
-每个任务采样多条闭环轨迹，在"验算通过且最小间隙 ≥ 阈值"的样本中取最短的一条做行为克隆标签。门禁：C 类间隙中位数不低于自蒸馏前的 80%，刹停率不升。
-
-### 7.4 可选：ReinFlow 微调
-
-奖励 = 到达 − 刹停次数 − 卡死 − 用时，按左/右绕行分组平衡奖励，防止模式分布被重塑。
-
---
## 8. 部署
@@ -351,8 +347,8 @@ for 每个 batch（随机采样 q0 和目标，不需要老师）:
执行：50 Hz，每步 20 ms，按已提交步走
每 60 ms：
1. 读当前 q、当前速度、已提交未执行前缀、最新目标
- 2. 推理：一步头 8 条候选（WTA 为 4 条）16 步动作块
- 3. 每条候选做 1–2 步胶囊距离梯度投影（仅 d < 余量时）
+ 2. 推理：8 个噪声 → 8 条 16 步动作块（冷启动或卡死换向时，再各推一块做短前瞻）
+ 3. 每条候选做 1 步胶囊距离梯度投影（每轴 ≤ 0.5°，仅 d < 余量时）
4. 排序（§8.2）
5. 安全层依次认证候选前 3 步 + 刹停段（§8.3），第一个通过的提交给执行器
6. 全部不通过 → 沿上一次已认证的刹停段停下，下次继续推理
@@ -364,8 +360,7 @@ for 每个 batch（随机采样 q0 和目标，不需要老师）:
### 8.2 候选排序（防左右摇摆）
-- 一步头：分数 = −Σ w_k‖候选第 k 步 − 已提交块第 k 步‖²（重叠步加权）− λ·价值头剩余代价。
-- WTA 头：分数 = log p(k) − c·[k ≠ k_prev] − λ·价值头剩余代价，c 初值 2.0。
+分数 = −Σ w_k‖候选第 k 步 − 已提交块第 k 步‖²（重叠步加权）− λ·价值头剩余代价。冷启动时无已提交块，只用价值头 + 短前瞻打分。
### 8.3 安全层（唯一的硬保证）
@@ -391,9 +386,9 @@ for 每个 batch（随机采样 q0 和目标，不需要老师）:
1. **子目标头**：给出 1–2 个关节途经点作为绕柱方向锚点，标签取老师路径拐点（离线）。
2. **价值头**：预测剩余时间/代价，用于候选打分与进展判断；APG 中用 TD 自举监督。
-3. **短前瞻**：对每条候选再推一块，用胶囊认证 + 价值头给 32 步后终态打分。
+3. **短前瞻**（仅冷启动和卡死换向时）：对每条候选再推一块，用胶囊认证 + 价值头给 32 步后终态打分。
4. **卡死检测 + 强制换向**：0.3 s 内价值不降或连续 2 次刹停 → 切到另一绕行方向并锁定 1 s。
-5. **训练侧加强**：贴柱类占 APG 采样 40%；展开覆盖整段绕行；贴柱任务做拒绝采样自蒸馏。
+5. **训练侧加强**：贴柱类占 APG 采样 40%；展开覆盖整段绕行。
### 8.6 控制周期
@@ -444,11 +439,11 @@ for 每个 batch（随机采样 q0 和目标，不需要老师）:
| # | 风险 | 门禁（不过不进下一步） | 回退 | 何时测 |
|---|---|---|---|---|
-| R1 | 老师左右绕行不一致，标签自相矛盾 | 同任务 5 种子同伦类一致率 ≥ 90% | 固定"最短同伦类"偏好，或改用 PRM 路网 A* 作老师 | M1 |
+| R1 | 老师在相邻任务上左右绕行跳变，标签自相矛盾 | 起终点扰动 ±5 mm 的邻居任务同伦类一致率 ≥ 90% | 对 A* 边代价加左右偏好项，强制同区域选同侧 | M1 |
| R2 | 时间律仍有不可观测成分，闭环起不了步 | 近邻样本标签方差 < 10% 步长；起步失败率 = 0 | 进一步把剩余路程估计加入输入 | M1 / M5 |
| R3 | 距离认证过于保守，贴柱处拒绝率高，影响 30/30 | near_column 上认证拒绝率统计；离线 10⁵ 段 0.01° 审计漏检 = 0 | 训练余量提高到 3–6 mm，接受行程变长；收紧杠杆界（按位形分区） | M2 / M7 |
-| R4 | 浏览器推理延迟：WebGPU 每次调度 33–67 μs，8 层 Transformer 约 150–300 次调度 | M4 后立即导出 ONNX，在目标浏览器测 batch=8（含前瞻 16）P99 | wasm-SIMD 多线程；去掉前瞻；减小模型 | **M4（最大不确定项）** |
-| R5 | 一步生成头在 6 轴、位姿目标下不如 WTA，或训练不稳 | M5 A/B：穿柱率、到达率、摇摆率 | 部署 WTA 头 | M5 |
+| R4 | 浏览器推理延迟 | M4 后立即导出 ONNX，wasm-SIMD 多线程测 batch=8 P99 < 15 ms | 减小模型（d=128，约 1.8M 参数）；同时测 WebGPU，更快则换 | **M4（最大不确定项）** |
+| R5 | MeanFlow 头在 6 轴、位姿目标下穿柱或训练不稳 | near_column 穿柱率（关安全层）≤ 2%；损失不发散 | 同骨干换 WTA K=8 头 | M5 |
| R6 | 位姿目标的多 IK 分支带来额外多峰 | 不同肘/腕分支子集到达率 ≥ 主集 − 2 个百分点 | 加目标分支标志 | M5 |
| R7 | APG 压缩多模态或拉长路径（ELMP 中路径 +23%） | 每轮左右比例与行程门禁 | 加大 BC 锚定权重；行程项 | M6 |
| R8 | 卡死换向活锁 | 50 个"两侧都要绕远"对抗用例 3 s 内恢复 ≥ 95%，活锁 = 0 | 子目标改为离散绕行锚点分类 | M6 / M7 |
@@ -475,7 +470,7 @@ ml/
gen/ gen_dataset.cjs sampler.cjs run_parallel.sh
data/ （不入库）shard_*.jsonl stats.json *.parquet norm.json
prep/ build_dataset.py
- model/ policy_transformer.py # 一步生成头 + WTA 头
+ model/ policy_transformer.py # MeanFlow 一步头
sim/ closed_loop.py # 闭环仿真（验证、挖错、APG 共用）
eval/ collide_torch.py # 可微胶囊距离，与 JS 对拍
apg/ apg_finetune.py
@@ -495,10 +490,9 @@ tests/policy_bench.cjs
| M1 | 数据生成器 + 时间律 + 1000 条试跑；老师一致性门禁 | `ml/gen/*`、stats.json | 沙箱 |
| M2 | 可微胶囊距离（PyTorch）与 JS 对拍；距离认证实现与 10⁵ 段审计 | `collide_torch.py`、认证模块 | 沙箱 |
| M3 | 5 万条老师数据 → 约 200 万样本 | Parquet | 沙箱约 5 h 或用户机器 |
-| M4 | 模型（两种头）+ 训练工程 + 闭环仿真；小数据过拟合；**导出 ONNX 测浏览器延迟** | `train.py`、`closed_loop.py`、延迟报告 | 沙箱 + 浏览器 |
-| M5 | 预训练；一步头 vs WTA A/B | checkpoint、A/B 报告 | 用户 GPU |
+| M4 | 模型 + 训练工程 + 闭环仿真；小数据过拟合；**导出 ONNX 测浏览器延迟** | `train.py`、`closed_loop.py`、延迟报告 | 沙箱 + 浏览器 |
+| M5 | 预训练 + MeanFlow 头门禁 | checkpoint、门禁报告 | 用户 GPU |
| M6 | APG 微调 + 挖错循环 3–6 轮 | 每轮 report.md | 用户 GPU |
-| M6b | （可选）ReinFlow 微调 | 对比 M6 | 用户 GPU |
| M7 | `ik-policy.js` 闭环部署 + 安全层实测 + `policy_bench` + 一次性验收 | 对比表 | 沙箱 + 浏览器 |
| M8 | 移除查看器对 `solveDyn`/`routeRT`/路网的运行时依赖（保留在 `ml/gen` 离线使用） | 部署包瘦身 | 沙箱 |