From ee7fe829ac1f832c6e57e7759ff778c992deb964 Mon Sep 17 00:00:00 2001
From: cbb <2625274797@qq.com>
Date: Tue, 20 Oct 2026 21:06:35 +0800
Subject: [PATCH] =?UTF-8?q?fix+exp:=20=E8=BD=AE=E6=AC=A135(=E8=A1=A5)?=
 =?UTF-8?q?=E2=80=94=E2=80=94gaps/gm=5Fgroups=20=E6=8B=92=E7=BB=9D?=
 =?UTF-8?q?=E8=A1=8C=E6=95=B0=E4=B8=8D=E7=AC=A6=E7=9A=84=20xf=EF=BC=9B?=
 =?UTF-8?q?=E6=92=A4=E5=9B=9E=E4=B8=A4=E6=AC=A1=E4=B8=8D=E5=AD=98=E5=9C=A8?=
 =?UTF-8?q?=E7=9A=84"=E5=90=88=E5=B9=B6=E8=B0=83=E7=94=A8"=E6=94=B6?=
 =?UTF-8?q?=E7=9B=8A?=
MIME-Version: 1.0
Content-Type: text/plain; charset=UTF-8
Content-Transfer-Encoding: 8bit

- 探测脚本把认证点当成与特征无关的已知量，据此测出的 共享cum_xf −4.3ms / 合并一次调用 −8.1ms
  都不成立：真实顺序是 特征(q)→推理→候选→认证点，同一次规划内既不能共享 xf 也不能合并 gaps
  只有轮次34 已落地的 gm_groups 复用同姿态 xf（−3.4ms，22项指标逐位不变）是真的
- 守卫：xf 行数与 q 不符时抛错（之前会静默按别的行做宽相位，实测触发 CUDA device-side assert）
- 测试 34→35 项；check_parity 仍 PASS（2000样本，间隙差 2.52e-13 mm、碰撞布尔差 0、特征差 5.96e-08）
---
 docs/探索日志.md       |  4 ++++
 ml/common/kin_torch.py | 13 +++++++++++--
 tests/test_eval_cl.py  | 13 +++++++++++++
 3 files changed, 28 insertions(+), 2 deletions(-)

diff --git a/docs/探索日志.md b/docs/探索日志.md
index 96d9c07..daf4fd2 100644
--- a/docs/探索日志.md
+++ b/docs/探索日志.md
@@ -734,6 +734,10 @@
 - **流水线复用特征间隙——否掉**（`docs/experiment_round35_pipeline_gaps.json`）：想法是"下一次规划的 q 正好是本次认证已算过的末点"。第一版给出 42.1→31.8 ms，但**等价性检查不通过**（缓存行与新算差 3.19 mm）——是我取行索引用错（`full[CN-1]` 取到第 2 条候选的第 1 步，而非第 1 条候选走完 commit 步）。修好后收益只剩 **34.8→31.7 ms（−3.1 ms）**：复用要求认证调用改用 cap=40 的宽相位（特征所需），省下的被吃回大半；且缓存行与新算**不是逐位相同**（差 6.3e−5 mm，源于不同 batch 下矩阵乘的结合序），会扰动特征输入。⇒ 不为这 3 ms 改口径，放弃。
 - **剩下的量级判断**：一个周期 ≈ 推理 7.2 + 特征 13.1（宽相位 8.2 + FK 4.0）+ 末态打分 4.3 + DLS 6.5 + 认证 7.4 ≈ 33 ms，其中 **4–5 次调用各自重做同一个宽相位筛选**（67,256 个簇对）。下一步是把一次筛选的半径按位移界（`cert_lever`）扩到整个 commit 地平线，供同周期所有点共用——这才是有量级的候选，而不是再抠精度。
 
+- **再一次自我撤回（方法论）**：为了找"合并几何调用"的收益，我写了三个变体的探测：①两次独立调用 17.62 ms、②共享一次 `cum_xf` 13.32 ms、③合成一次 cap=40 调用 9.51 ms（交错 90 轮，特征行逐位一致）。**②③ 都不成立**：探测里认证点直接取自轨迹、与特征无关，而真实循环的顺序是 特征(q) → 推理 → 候选 → 认证点(q+Δ)，认证点在特征算完之前不存在 ⇒ 同一次规划内既不能共享 `cum_xf`，也不能把两次 `gaps` 合并。只有 ①→轮次 34 已落地的 `gm_groups` 复用 `xf`（同一姿态内部，−3.4 ms）是真的。教训：**效率探测必须按真实数据依赖排布，否则测的是不存在的调用图**。
+- **循环内还剩的可复用点**：`replan='empty'` 且队列为空时 `qe == q`，此时目标反馈 DLS 与末态打分的 FK 和特征用的是同一姿态，可以共享一份 `cum_xf`（部署 `r=3` 时不成立，要按 r 分支）。这条待测（#19）。
+- **守卫补一个**：`gaps()` / `gm_groups()` 现在拒绝行数与 `q` 不符的 `xf`（之前会静默按别的行做宽相位，实测触发 CUDA device-side assert 或给出错间隙），测试 34→35 项；`python -m ml.eval.check_parity` 仍 PASS（2000 样本，间隙差 2.52e−13 mm、碰撞布尔差 0、特征差 5.96e−08）。
+
 ## 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/common/kin_torch.py b/ml/common/kin_torch.py
index da8f414..54a7598 100644
--- a/ml/common/kin_torch.py
+++ b/ml/common/kin_torch.py
@@ -107,6 +107,15 @@ class Kin:
                              for a in range(7) for b in range(a + 2, 7)])
 
     # ---------------- 运动学 ----------------
+    def _checked_xf(self, q, xf):
+        """xf 是按行对应 q 的位姿数组，行数不匹配会静默广播出错（宽相位筛到别的行 ⇒ device assert 或错间隙）。"""
+        if xf is None:
+            return self.cum_xf(q)
+        Rs, Ts = xf
+        if Rs.shape[0] != q.shape[0] or Ts.shape[0] != q.shape[0]:
+            raise ValueError('xf 的行数 %d 与 q 的行数 %d 不符' % (Rs.shape[0], q.shape[0]))
+        return xf
+
     def cum_xf(self, q):
         """q: [B,6] 度 → Rs [B,7,3,3], Ts [B,7,3]"""
         B = q.shape[0]
@@ -176,7 +185,7 @@ class Kin:
            2026-10-19（用户实测 4096 点 cap 40 峰值 4.46 GiB 全在拼接 8.6e7 对的 b/i/j/gap）：
              默认只返回 gm，每块算完就丢掉胶囊对，峰值只剩单块。
         """
-        xf = xf if xf is not None else self.cum_xf(q)
+        xf = self._checked_xf(q, xf)
         Rs, Ts = xf
         B = q.shape[0]
         step = max(1, self.COARSE_ENTRIES // int(self.cp_a.shape[0]))
@@ -248,7 +257,7 @@ class Kin:
             sel = torch.isin(cg, torch.tensor([min(a, b) * 7 + max(a, b) for a, b in gp], device=q.device))
             self._gp = (m, sel, sel.nonzero(as_tuple=True)[0]); self._gp_key = key
         self._gp49, sel, idx = self._gp
-        xf = xf if xf is not None else self.cum_xf(q); Rs, Ts = xf; B = q.shape[0]
+        xf = self._checked_xf(q, xf); Rs, Ts = xf; B = q.shape[0]
         with torch.no_grad():
             cc = torch.einsum('bkij,kj->bki', Rs[:, self.cl_g], self.cl_c.to(q.dtype)) + Ts[:, self.cl_g]
             d2 = (cc[:, self.cp_a[idx]] - cc[:, self.cp_b[idx]]).pow(2).sum(-1)
diff --git a/tests/test_eval_cl.py b/tests/test_eval_cl.py
index 2ac5c8c..8ab17cd 100644
--- a/tests/test_eval_cl.py
+++ b/tests/test_eval_cl.py
@@ -700,5 +700,18 @@ class CertBatchEquivalenceTest(unittest.TestCase):
         self.assertAlmostEqual(seq['traj'][0, 2, 0].item(), 0.24, places=5)   # 第 2 步被拒后停在原地
 
 
+    def test_mismatched_xf_row_count_is_rejected(self):
+        kin = Kin()
+        q1 = torch.zeros(1, 6); q5 = torch.zeros(5, 6)
+        xf5 = kin.cum_xf(q5)
+        for name, fn in (('gaps', lambda: kin.gaps(q1, 40.0, xf5)),
+                         ('gm_groups', lambda: kin.gm_groups(q1, [(0, 2)], 40.0, xf=xf5))):
+            with self.subTest(fn=name):
+                with self.assertRaisesRegex(ValueError, '行数'):
+                    fn()
+        self.assertEqual(kin.gaps(q5, 40.0, xf5)['gm'].shape, (5, 49))
+        self.assertEqual(kin.gm_groups(q5, [(0, 2)], 40.0, xf=xf5).shape, (5, 1))
+
+
 if __name__ == '__main__':
     unittest.main()