docs: 方案 v2.3.1 补齐其余 20 处不一致修复，新增 §0A.5 修复状态表；核查报告标注为修复前记录；route_bench 实测 39/40
This commit is contained in:
Hark
+117
-34
@@ -256,9 +256,9 @@
|
||||
</header>
|
||||
<nav id="TOC" role="doc-toc">
|
||||
<ul>
|
||||
<li><a href="#transformer-避障运动策略无老师闭环部署方案审查稿-v23"
|
||||
id="toc-transformer-避障运动策略无老师闭环部署方案审查稿-v23">Transformer
|
||||
避障运动策略：无老师闭环部署方案（审查稿 v2.3）</a>
|
||||
<li><a href="#transformer-避障运动策略无老师闭环部署方案审查稿-v231"
|
||||
id="toc-transformer-避障运动策略无老师闭环部署方案审查稿-v231">Transformer
|
||||
避障运动策略：无老师闭环部署方案（审查稿 v2.3.1）</a>
|
||||
<ul>
|
||||
<li><a href="#0-定位与边界" id="toc-0-定位与边界">0. 定位与边界</a></li>
|
||||
<li><a href="#0a-v23-逐项可行性核查结论必读"
|
||||
@@ -272,6 +272,8 @@ id="toc-0a1-四处硬伤已在正文修正">0A.1 四处硬伤（已在正文修
|
||||
<li><a href="#0a3-沙箱对照实验2d-绕柱双模态cpu"
|
||||
id="toc-0a3-沙箱对照实验2d-绕柱双模态cpu">0A.3 沙箱对照实验（2D
|
||||
绕柱双模态，CPU）</a></li>
|
||||
<li><a href="#0a5-修复状态v231" id="toc-0a5-修复状态v231">0A.5
|
||||
修复状态（v2.3.1）</a></li>
|
||||
<li><a href="#0a4-仍需用户确认--实测才能消除的风险"
|
||||
id="toc-0a4-仍需用户确认--实测才能消除的风险">0A.4 仍需用户确认 /
|
||||
实测才能消除的风险</a></li>
|
||||
@@ -386,8 +388,8 @@ id="toc-92-验收标准部署形态--策略--安全层">9.2 验收标准（部
|
||||
</ul>
|
||||
</nav>
|
||||
<h1
|
||||
id="transformer-避障运动策略无老师闭环部署方案审查稿-v23">Transformer
|
||||
避障运动策略：无老师闭环部署方案（审查稿 v2.3）</h1>
|
||||
id="transformer-避障运动策略无老师闭环部署方案审查稿-v231">Transformer
|
||||
避障运动策略：无老师闭环部署方案（审查稿 v2.3.1）</h1>
|
||||
<blockquote>
|
||||
<ul>
|
||||
<li>v1（2026-10-17 20:06，<code>40af3b4</code>）：模型一次生成整条 32
|
||||
@@ -456,12 +458,14 @@ ms）读当前关节角和目标，重新推理一段短动作块，只执行最
|
||||
</tr>
|
||||
<tr class="even">
|
||||
<td>收益目标</td>
|
||||
<td>冷启动（新目标到第一个动作）< 10 ms；每周期推理 + 安全检查 <
|
||||
10 ms；拖拽重规划 P99（现状约 321 ms）不再存在</td>
|
||||
<td>冷启动（新目标到第一个动作）< 10 ms；每次推理 + 安全检查 < 20
|
||||
ms（每 60 ms 一次，留 3 倍余量；须 M4 后在浏览器实测，v2.3
|
||||
更正）；拖拽重规划 P99（现状约 321 ms）不再存在</td>
|
||||
</tr>
|
||||
<tr class="odd">
|
||||
<td>底线</td>
|
||||
<td>实时拖拽<strong>碰撞帧 = 0</strong>（安全层保证）；到达率、行程在 §9
|
||||
<td>实时拖拽<strong>碰撞帧 = 0</strong>（由安全层的距离下界认证保证，见
|
||||
§8.3；离散采样检查不能单独作此保证）；到达率、行程在 §9
|
||||
的指标上不低于现有规划器</td>
|
||||
</tr>
|
||||
</tbody>
|
||||
@@ -868,6 +872,55 @@ A/B，不能凭论文或玩具定结论。</li>
|
||||
<li>早期 300 步训练的 MSE 在同一难例上 100% 穿柱、加安全层后 0%
|
||||
到达（卡死），说明"欠拟合时平均模态"的风险真实存在。</li>
|
||||
</ul>
|
||||
<h3 id="0a5-修复状态v231">0A.5 修复状态（v2.3.1）</h3>
|
||||
<p>《方案逐项核查报告》是<strong>修复前</strong>的审查记录：它列的是问题和证据，不是修复结果。修复结果都落在本文正文里，状态如下：</p>
|
||||
<table>
|
||||
<thead>
|
||||
<tr class="header">
|
||||
<th>类别</th>
|
||||
<th>条目</th>
|
||||
<th>状态</th>
|
||||
</tr>
|
||||
</thead>
|
||||
<tbody>
|
||||
<tr class="odd">
|
||||
<td>硬伤</td>
|
||||
<td>H1 安全层距离认证、H2 时间律、H3 删交叉淡入、H4 推理节奏统一</td>
|
||||
<td>✅ 正文已改（§4.5、§8.1、§8.3）</td>
|
||||
</tr>
|
||||
<tr class="even">
|
||||
<td>方案替换</td>
|
||||
<td>生成时引导→事后投影、RTC→训练时前缀、噪声粘滞→一致性打分、B
|
||||
样条→可选、否决 CP/OneDP/朴素 1 步 FM、后缀≠DAgger</td>
|
||||
<td>✅ 正文已改（§2.4、§4.5、§6.1A、§8.2）</td>
|
||||
</tr>
|
||||
<tr class="odd">
|
||||
<td>内部不一致</td>
|
||||
<td>I1 epoch、I2 样本数、I3 APG 展开长度、I4 时间集成、I5 候选数、I6
|
||||
k_prev、I7 输入表、I8 流头损失、I9 延迟预算、I10 安全层耗时、I11
|
||||
检查口径、I12 加速度上限（已列为待定参数）、I13 D 类分母、I14
|
||||
门禁/验收分离、I15 用时口径、I16 碰撞保证表述、I17 重训耗时、I18
|
||||
预热表述、I19 执行步数、I21 非马尔可夫、I22 子目标触发、I23
|
||||
精修过安全层、I24 模型体积</td>
|
||||
<td>✅ 正文已改</td>
|
||||
</tr>
|
||||
<tr class="even">
|
||||
<td>内部不一致</td>
|
||||
<td>I20 route 基准口径不符</td>
|
||||
<td>已重跑：仓库 40 例基准为到达 40/40、有效 39/40，§9.2
|
||||
现状列已按实测改写；<strong>说明老师本身在 1 例上路径不合格，M1
|
||||
数据过滤（§4.4）必须把这类样本丢掉</strong></td>
|
||||
</tr>
|
||||
<tr class="odd">
|
||||
<td><strong>只能靠实测消除</strong></td>
|
||||
<td>浏览器推理延迟；一步头 vs WTA
|
||||
谁更好；老师一致性；距离认证后的拒绝率是否影响 30/30；APG
|
||||
是否压缩多模态；真机加速度上限</td>
|
||||
<td>⏳ 已设门禁与回退（§0A.2），在 M1/M4/M5/M7
|
||||
里按顺序测，<strong>论文和推理消除不了</strong></td>
|
||||
</tr>
|
||||
</tbody>
|
||||
</table>
|
||||
<h3 id="0a4-仍需用户确认--实测才能消除的风险">0A.4 仍需用户确认 /
|
||||
实测才能消除的风险</h3>
|
||||
<ol type="1">
|
||||
@@ -1032,8 +1085,8 @@ APG）。</li>
|
||||
<td>1</td>
|
||||
<td>一次生成整条 32 点路径，开环执行</td>
|
||||
<td>闭环 + 短动作块滚动执行</td>
|
||||
<td><strong>改为动作块策略</strong>：每周期输出未来 16 步（320
|
||||
ms），只执行前 2–4 步</td>
|
||||
<td><strong>改为动作块策略</strong>：每周期输出未来 16 步（320 ms），每
|
||||
60 ms 推理一次，提交并执行前 3 步（v2.3 统一）</td>
|
||||
<td>用户要求每周期重算；可纠错、可应对拖拽目标变化</td>
|
||||
</tr>
|
||||
<tr class="even">
|
||||
@@ -1417,9 +1470,25 @@ type="checkbox" />测试集与训练集、基准案例无重叠</label></li>
|
||||
<tr class="odd">
|
||||
<td>上一周期选的模式 k_prev</td>
|
||||
<td style="text-align: right;">K+1</td>
|
||||
<td>one-hot（含"无"），用于模式粘滞</td>
|
||||
<td>one-hot（含"无"），<strong>仅 WTA 基线头使用</strong></td>
|
||||
</tr>
|
||||
<tr class="even">
|
||||
<td>当前关节速度 q_t − q_{t−1}</td>
|
||||
<td style="text-align: right;">6</td>
|
||||
<td>按每轴速度上限归一化（v2.3 新增，使时间律可观测）</td>
|
||||
</tr>
|
||||
<tr class="odd">
|
||||
<td>已提交未执行前缀</td>
|
||||
<td style="text-align: right;">3×6</td>
|
||||
<td>前缀 Δq + 有效长度掩码（v2.3 新增，训练时随机遮盖 0–3 步）</td>
|
||||
</tr>
|
||||
<tr class="even">
|
||||
<td>当前子目标</td>
|
||||
<td style="text-align: right;">6</td>
|
||||
<td>子目标头输出的关节途经点（sin/cos
|
||||
前的弧度，归一化）；无子目标时填当前 q（v2.3 新增）</td>
|
||||
</tr>
|
||||
<tr class="odd">
|
||||
<td>关键胶囊对最小距离</td>
|
||||
<td style="text-align: right;">8</td>
|
||||
<td>当前位形下臂各段到立柱的胶囊距离（cheap，现成函数），给模型"离柱子多近"的直接信号</td>
|
||||
@@ -1454,7 +1523,7 @@ K×16 个可学习动作 token ──▶ 4 层 Transformer decoder（非自回
|
||||
├─ 动作头：每 token 输出 6 维 Δq
|
||||
├─ 模式分类头：K=4
|
||||
├─ 价值头（剩余时间/代价）：1 ← v2.1，§8.5
|
||||
└─ 子目标头：2 个关节空间途经点 + 是否需要（仅冷启动用）← v2.1，§8.5</code></pre>
|
||||
└─ 子目标头：2 个关节空间途经点 + 是否需要（触发：新目标或目标跳变 > 50 mm；到达子目标 < 5° 后切下一个；v2.3 定义）← v2.1，§8.5</code></pre>
|
||||
<table>
|
||||
<thead>
|
||||
<tr class="header">
|
||||
@@ -1546,7 +1615,12 @@ A/B；若一步流匹配不优于 WTA，回退 WTA（风险可控）。</p>
|
||||
+ CE(模式分类) 权重 0.5
|
||||
+ FK 损失：预测与标签位形下各连杆胶囊端点的位置差 权重 0.5 ← 借鉴 ELMP
|
||||
+ 平滑：二阶差分 权重 0.05
|
||||
+ L1(剩余时间) 权重 0.1</code></pre>
|
||||
+ L1(剩余时间) 权重 0.1 （与价值头共用一个输出，不重复）</code></pre>
|
||||
<p>一步流匹配头（v2.3 补）：</p>
|
||||
<pre><code>L = MeanFlow 损失（或 Shortcut 自一致 + FM 锚定损失） 权重 1.0
|
||||
+ FK 损失：一步生成输出（固定噪声）的胶囊端点位置差 权重 0.5
|
||||
+ 平滑：二阶差分（作用于一步输出） 权重 0.05
|
||||
+ 子目标头 L1 + 价值头 L1 权重 0.1 / 0.1</code></pre>
|
||||
<h3 id="63-训练配置">6.3 训练配置</h3>
|
||||
<table>
|
||||
<thead>
|
||||
@@ -1562,7 +1636,8 @@ A/B；若一步流匹配不优于 WTA，回退 WTA（风险可控）。</p>
|
||||
</tr>
|
||||
<tr class="even">
|
||||
<td>学习率</td>
|
||||
<td>1e-3，预热 1000 步，余弦退火（同 DRP 量级）</td>
|
||||
<td>1e-3，预热 1000 步，余弦退火（DRP 预热 100 步；我们 batch 更大，取
|
||||
1000，v2.3 更正表述）</td>
|
||||
</tr>
|
||||
<tr class="odd">
|
||||
<td>batch</td>
|
||||
@@ -1593,8 +1668,9 @@ epoch），验证集闭环成功率不再上升即停</td>
|
||||
<code>collideFree</code> 对拍 10 万个位形，判定 0 误差。</li>
|
||||
<li>验证用<strong>闭环仿真</strong>而不是单步误差：从 1000 个验证任务的
|
||||
q0 出发，每 20 ms 推理一次、提交前 3 步，直到到达或超时（超时 =
|
||||
老师同任务路径动画时长 × 2，最少 3
|
||||
s），统计到达率、碰撞步数（安全层关闭时）、行程比。</li>
|
||||
老师同任务路径动画时长 × 2，最少 3 s），统计到达率、<strong>用时 ≤ 老师
|
||||
× 1.3 的达标率</strong>（与 §9.2
|
||||
口径一致，v2.3）、碰撞步数（安全层关闭时）、行程比。</li>
|
||||
</ul>
|
||||
<hr />
|
||||
<h2 id="7-第四步后训练无老师为主">7. 第四步：后训练（无老师为主）</h2>
|
||||
@@ -1603,7 +1679,7 @@ ELMP）</h3>
|
||||
<p>不再请老师标注，直接让模型在可微仿真里闭环展开，用代价反传：</p>
|
||||
<pre><code>for 每个 batch（随机采样 q0 和目标，82 ms 级别的便宜采样，不需要老师）:
|
||||
q = q0
|
||||
for t in 0..H-1 (H = 60 个周期 ≈ 1.2 s，长任务分段展开):
|
||||
for t in 0..H-1 (H = 60 次推理 × 3 步 = 180 步 ≈ 3.6 s，与部署节奏一致；长任务分段截断反传，v2.3 更正):
|
||||
chunk, logits = π(obs(q, 目标))
|
||||
Δq = chunk[选中模式][0:3] # 执行前 3 步，与部署一致
|
||||
q = clamp(q + Δq) # 限位
|
||||
@@ -1643,7 +1719,8 @@ E3 绕远（> 1.2× 参考）/ E4 末端精度差 / E5 模式来回切换 ≥
|
||||
<li>只有
|
||||
E2（卡在局部极小——可微代价本身解决不了的"需要绕远路"问题）才可选地请老师离线给一条路径做行为克隆补充。这是唯一残留的老师用途，量很小，可以在沙箱慢慢跑。</li>
|
||||
</ul></li>
|
||||
<li><strong>门禁</strong>：留出集闭环到达率上升、三个基准不退化、上一轮修好的错题
|
||||
<li><strong>门禁</strong>（v2.3：门禁集与 §9
|
||||
验收集分开造，验收集只在最后用一次）：门禁集闭环到达率上升、三个基准不退化、上一轮修好的错题
|
||||
95% 仍对；否则回滚。</li>
|
||||
<li><strong>停止</strong>：连续 2 轮提升 < 0.5 个百分点，或满 6
|
||||
轮，或达到 §9 全部标准。</li>
|
||||
@@ -1665,7 +1742,7 @@ Hz）</h3>
|
||||
下一周期的新结果会覆盖它们；若下一周期推理超时或全部不安全，就沿缓冲 + 刹停段安全停下）
|
||||
5. 全部不通过 → 进入刹停：按已验证的刹停轨迹减速停下，保持；下一周期继续推理
|
||||
6. 到达判据：TCP 误差 < 1 mm（pose 另需 < 0.5°）且速度≈0 → 结束；
|
||||
接近目标（< 5 mm）时可选做 1–3 次局部牛顿精修（solveTo 单步，不是全量 IK）</code></pre>
|
||||
接近目标（< 5 mm）时可选做 1–3 次局部牛顿精修（solveTo 单步，不是全量 IK）；精修段同样必须通过安全层认证（v2.3）</code></pre>
|
||||
<p>v2.3：<strong>删除插补器交叉淡入/时间集成</strong>（见
|
||||
H3）。执行的必须就是安全层认证过的那一块；块间连续性由前缀条件和一致性打分保证。"每
|
||||
20 ms 重推理只执行 1 步"仅作 A/B 对照。</p>
|
||||
@@ -1688,9 +1765,11 @@ mm/°）即判整段安全，否则二分到通过或判不安全；自碰撞对
|
||||
<li><strong>可刹停不变式</strong>：执行前还要检查"从第 3
|
||||
步末状态按最大减速度（v2.3
|
||||
新增每轴加速度上限，待真机参数）停下"的刹停段也无干涉。于是任何时候系统都处在"有一条已验证的停车路线"的状态，下一周期就算模型完全失效，也只会停下、不会撞。</li>
|
||||
<li>耗时：3 步 × 4 候选，最坏约 4 × 10 个采样位形 × 约 1.8 ms ≈ 70
|
||||
ms（太慢）→ 实际做法：
|
||||
<li>耗时（v2.3 重估）：每步主导轴 4–13°，3 步 + 刹停段按离散采样需 13–39
|
||||
个位形；8 候选最坏 8 × 39 × 1.25 ms ≈ 390 ms（不可接受）→ 实际做法：
|
||||
<ul>
|
||||
<li>距离认证：每段一次距离查询覆盖整段，不通过才二分，通常 2–6
|
||||
次查询；</li>
|
||||
<li>先用现有包围球预筛（大多数位形直接判安全，见 2026-10-15 记录
|
||||
collideFree 2.9→1.8 ms）；</li>
|
||||
<li>按排序<strong>逐个</strong>检查，第一个通过就停（多数周期只检查 1
|
||||
@@ -1711,7 +1790,7 @@ Worker 与推理流水线并行）。</li>
|
||||
</thead>
|
||||
<tbody>
|
||||
<tr class="odd">
|
||||
<td><code>traj_v2.onnx</code>（fp16，约 7 MB）+
|
||||
<td><code>traj_v2.onnx</code>（fp16，约 8.3 MB：4.13M 参数 × 2 B）+
|
||||
<code>norm.json</code></td>
|
||||
<td>PRM 路网（<code>collide.json.roadmap</code>）、IK 候选大表</td>
|
||||
</tr>
|
||||
@@ -1770,8 +1849,8 @@ A*）。去掉老师后，全局"想清楚往哪绕"这件事必须由模型自
|
||||
<li><strong>价值头（剩余代价估计）</strong>：模型额外预测"从这个状态到目标还要多少时间"。APG
|
||||
展开时有真实值可监督，不需要老师。部署时用它给 K
|
||||
个模式打分，并作为"有没有进展"的判据。</li>
|
||||
<li><strong>短前瞻选模式</strong>：每周期对 K=4
|
||||
个模式各自再往前推一块（共 2 次批量前向 ≈ 2 × 2–5 ms），用 胶囊碰撞 +
|
||||
<li><strong>短前瞻选模式</strong>：每次推理对候选（WTA 4 条 / 一步头 8
|
||||
条）各自再往前推一块（共 2 次批量前向，延迟待实测），用 胶囊碰撞 +
|
||||
价值头 给 32
|
||||
步后的终态打分，选最好的。比只看第一块的概率更能避开"走两步就撞墙"的分支。</li>
|
||||
<li><strong>卡死检测 + 强制换向</strong>：0.3 s 内价值头没有下降、或连续
|
||||
@@ -1779,8 +1858,8 @@ A*）。去掉老师后，全局"想清楚往哪绕"这件事必须由模型自
|
||||
判定卡死，强制切到另一个绕行方向（另一个子目标/模式）并锁定 1
|
||||
s（防止又切回来）。规则很简单、确定性、可测试。</li>
|
||||
<li><strong>训练侧针对性加强</strong>：贴柱类任务在 APG 采样里占
|
||||
40%；APG 展开长度覆盖整段绕行（约 3 s = 150
|
||||
个周期，分段截断反传）；对贴柱任务做拒绝采样自蒸馏（§7.3），模型自己成功的路线成为新标签。</li>
|
||||
40%；APG 展开长度覆盖整段绕行（约 3 s = 150 步 = 50
|
||||
次推理，分段截断反传）；对贴柱任务做拒绝采样自蒸馏（§7.3），模型自己成功的路线成为新标签。</li>
|
||||
</ol>
|
||||
<p>验收相应改为（§9.2）：near pos / near rt 都必须
|
||||
<strong>30/30</strong>，且到达用时 ≤ 老师路径动画时长 × 1.3。</p>
|
||||
@@ -1893,9 +1972,10 @@ ms</strong>（Normal）</td>
|
||||
<p><strong>对本方案的评估：</strong></p>
|
||||
<ol type="1">
|
||||
<li><strong>策略层 50 Hz（20 ms）合适</strong>：与 π0、ACT 同档，高于
|
||||
ELMP 的 30 Hz 和 MπNets 的 9 Hz；我们模型小（3–4 M）、无点云，单次前向 +
|
||||
安全检查预计 < 10 ms，留有一倍余量。浏览器里
|
||||
<code>requestAnimationFrame</code> 是 60 Hz，50 Hz 也能稳定跑。</li>
|
||||
ELMP 的 30 Hz 和 MπNets 的 9 Hz；我们模型小（3–4
|
||||
M）、无点云，v2.3：推理每 60 ms 一次（执行仍 50 Hz），推理 + 安全 <
|
||||
20 ms 为目标，须实测。浏览器 rAF 为 60 Hz、与 20 ms
|
||||
不整除且后台标签页会节流，执行时钟放 Web Worker、按实际 dt 插值。</li>
|
||||
<li><strong>"提交 3 步（60
|
||||
ms）"合适，且应按刹停距离定</strong>：它的作用是给推理抖动和通信滞后留缓冲。ABB
|
||||
EGM 自身就有 10–20 ms 滞后；60 ms 足以覆盖一次推理超时 +
|
||||
@@ -1967,7 +2047,10 @@ rt）</td>
|
||||
rt <strong>30/30</strong>，<strong>另造 ≥1000 例 near_column
|
||||
一次性验收集 0 失败</strong>；held-out（分母只算可达任务）≥ 98%，D
|
||||
类另考停靠距离 ≤ 老师 + 5 mm</td>
|
||||
<td>60/60、30/30、30/30</td>
|
||||
<td>60 例随机基准（沙箱 bench.cjs）有效 60/60；<strong>仓库
|
||||
<code>tests/route_bench.cjs</code>（40 例）在 <code>3c7c814</code>
|
||||
上重跑：到达 40/40、细验有效 39/40</strong>（1
|
||||
例到达但路径细验不过，2026-10-17 21:28 实测）；near 30/30、30/30</td>
|
||||
</tr>
|
||||
<tr class="odd">
|
||||
<td>到达用时</td>
|
||||
@@ -1985,8 +2068,8 @@ rt <strong>30/30</strong>，<strong>另造 ≥1000 例 near_column
|
||||
<td>首次全量 IK 最差约 2 s</td>
|
||||
</tr>
|
||||
<tr class="even">
|
||||
<td>每周期耗时（推理+安全层）P99</td>
|
||||
<td>< 15 ms</td>
|
||||
<td>每次推理（每 60 ms）耗时（推理+安全层）P99</td>
|
||||
<td>< 20 ms</td>
|
||||
<td>拖拽重规划 P99 约 321 ms</td>
|
||||
</tr>
|
||||
<tr class="odd">
|
||||
@@ -2016,8 +2099,8 @@ rt <strong>30/30</strong>，<strong>另造 ≥1000 例 near_column
|
||||
类数据加权、模式头学左右绕、E2
|
||||
错题少量老师补数据（§7.2）。这是无老师方案最大的风险。</li>
|
||||
<li><strong>碰撞模型/立柱变动 =
|
||||
重训</strong>：指纹不一致即拒绝运行。重训流程：§4（约 5 h）→ §6（约 4
|
||||
h）→ §7（约 2–4 h）。</li>
|
||||
重训</strong>：指纹不一致即拒绝运行。重训流程：§4（约 5 h）→ §6（约
|
||||
1.5–5.6 h，以 2000 步吞吐实测为准）→ §7（约 2–4 h）。</li>
|
||||
<li><strong>安全层耗时</strong>：最坏周期可能超 5 ms，见 §8.3
|
||||
的流水线方案。</li>
|
||||
<li><strong>老师缺陷</strong>：<code>ci27</code>
|
||||
|
||||
Reference in New Issue
Block a user