exp: 轮次38(补)——steps=4 末态误差0.135mm最优但仍被拒80次/题；失败分类证明缺口是走一半被冻住(63/109)

2026-10-20 21:57:02 +08:00
parent b9548d6cb1
commit f42d3d756f
3 changed files with 108 additions and 1 deletions
@@ -34,8 +34,23 @@
  | steps=2 cap=0 | 0.4258 | 0.3555 | **86.31** | 1.67 s | **1.571** | 0.243 mm | 0.453 |
  | steps=1 cap=1（=轮次33 cap） | 0.5234 | 0.2656 | 19.55 | 2.49 s | 2.616 | 0.218 mm | 0.613 |
  | steps=2 cap=1 | 0.3945 | 0.2969 | 86.16 | 1.93 s | 1.844 | 0.293 mm | 0.445 |
+  | steps=4 cap=1 | 0.4062 | 0.3047 | 79.65 | 1.91 s | 1.882 | **0.135 mm** | 0.461 |

-  （`docs/experiment_round36_steps2_cap{0,1}.json`；steps=4/8 同批续跑）
+  （`docs/experiment_round36_steps2_cap{0,1}.json`、`docs/experiment_round36_steps4_cap1.json`；steps=8 同批续跑）
+  段数再多并不是越差：steps=4 比 steps=2 到达与时限都略升，成功题末态误差 0.293 → **0.135 mm**（比一步口径的 0.218 还好）——但刹车仍近 80/题，到达率被同一道门卡住。
+- **失败分类**（不占卡：读轮次 33 base 的 256 题轨迹转储，CPU 重算末态位姿误差，`docs/experiment_round38_fail_taxonomy.json`）。147 到达 / 109 未到，未到题按"末态离目标多远 + 被拒多少次"分桶：
+
+  | 桶 | 题数 |
+  |---|---|
+  | 位置 >100 mm 且刹车 >30 次（走一半被冻住） | **63** |
+  | 位置 >100 mm 但刹车 ≤30 次（方向错 / 绕圈） | 23 |
+  | 位置 20~100 mm | 15 |
+  | 位置 5~20 mm | 5 |
+  | 位置 <5 mm 但姿态没到位 | 3 |
+  | 起步失败 | 0 |
+
+  未到组中位数：位置误差 255 mm、姿态误差 11.0°、**活动窗内 37% 的步是零运动**。
+  ⇒ 到达率的缺口不在精度或姿态判据（这两类合计只有 8 题），而在**走一半被冻住**：76% 的失败离目标还 >100 mm，其中多数是安全层反复全拒。这正是 `backoff`（全拒时缩步顶上）对着的那块；也说明 #15（候选数与安全档位）比"往打分里加剩余时限"更值钱。
 - **反直觉但自洽的一组数**：两段推理**开环更贴老师**（E1-b：0.43 vs 4.33）、**行程比更接近 1**（1.571 vs 2.445）、**到了的题还更快**（1.67 vs 2.31 s），但闭环到达掉 14.8 个百分点。逐题对照：108 题两者都到、**39 题只有 1 步能到、只有 1 题是 2 步独有** ⇒ 不是"换了一批题"，是同一批题里 1 步原本能做对的那部分被卡住了。
 - **卡点在安全层不在策略**：刹车从 19.25 → 86.3/题（4.5 倍），未到达组的刹车中位数从 45 → 176（几乎每步都被拒 ⇒ 原地冻结，末态误差 p50 也从 230 → 406 mm）。也就是说**发布的那 57.4% 是与"一步那套偏置且被削弱过的动作"共同标定出来的**：策略、反馈增益、认证口径、DAgger 采集分布四者都围着它。
 - **两种解释必须分开，否则下一步会走错**：