ml: 按运行手册审查修订——头分目录不互相覆盖（ml/runs/<CFG>、selected_ckpt/CKPT）；统一 $PYTHON（Windows Git Bash 可跑）；gen 按实测样本/任务自动补量；R10 改终态判据（≥5k 样本/s≈60k 步≤3.5h）；m5 纯策略/仿真安全层双口径；无老师题定长 6 s 口径；APG 展开随批时长、端点+中点铰链、余量 3 mm（投影同步）；挖错池只用本轮；门禁加 R7；bench 加 R8 对抗集与刹停率、--nc-n/--route-n/--r8-n；新增 check_r2 与 acceptance；export 默认 fp32；出题分块防 OOM；val 为空保护

docs/Transformer轨迹拟合训练方案.html

@@ -4,7 +4,7 @@
   <meta charset="utf-8" />
   <meta name="generator" content="pandoc" />
   <meta name="viewport" content="width=device-width, initial-scale=1.0, user-scalable=yes" />
-  <title>Transformer 避障运动策略：最终方案</title>
+  <title>Transformer 轨迹拟合训练方案</title>
   <style>
     html {
       color: #1a1a1a;
@@ -252,7 +252,7 @@
 </head>
 <body>
 <header id="title-block-header">
-<h1 class="title">Transformer 避障运动策略：最终方案</h1>
+<h1 class="title">Transformer 轨迹拟合训练方案</h1>
 </header>
 <nav id="TOC" role="doc-toc">
 <ul>
@@ -613,8 +613,9 @@ K=8，二者共用骨干，切换约 1 天</td>
 <tr class="odd">
 <td>训练余量</td>
 <td>越大越不易被认证拒绝</td>
-<td>越大行程越长、贴柱越难</td>
-<td><strong>5 mm</strong></td>
+<td>越大行程越长、贴柱越难；高于老师轨迹自身间隙（实测最小间隙 p50 4.4 /
+p90 5.9 mm）会与 BC 标签对抗</td>
+<td><strong>3 mm</strong>（≈ 老师 p10），APG 碰撞项与运行时投影共用</td>
 </tr>
 <tr class="even">
 <td>关节噪声增广 σ</td>
@@ -1230,18 +1231,19 @@ s），统计到达率、用时 ≤ 老师 × 1.3
 <h3 id="71-主力apg-可微微调">7.1 主力：APG 可微微调</h3>
 <pre><code>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):
+    for t in 0..H-1  (H = 本批老师时长 p90 × 1.2，60–150 次推理 × 3 步 ≈ 3.6–9 s；无老师题按 6 s；每 10 次推理截断反传):
         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)
-    L = w_tgt·L_target(q_H) + w_col·ΣL_col + w_smooth·ΣL_smooth (+ w_len·行程) + w_bc·L_BC
+    L = w_tgt·Σ_段末 L_target(q) + w_col·ΣL_col + w_smooth·ΣL_smooth (+ w_len·行程) + w_bc·L_BC
     反传，梯度裁剪 ≤ 1.0，lr 1e-4</code></pre>
 <ul>
-<li>碰撞项 L_col = Σ ReLU(margin − 胶囊距离)，margin =
-<code>margin_mm</code> + 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）。</li>
-<li>到达项：位置误差² + λ_rot·‖R − R*‖_F²。</li>
+<li>碰撞项 L_col = Σ ReLU(margin − 胶囊距离)，margin = 训练余量 3
+mm（间隙已扣除 <code>margin_mm</code>）；每步端点 +
+中点；含臂×立柱、臂×台架、臂×臂（非相邻段）。</li>
+<li>到达项：每个截断段末的位置误差² + λ_rot·‖R −
+R*‖_F²；不做到达即停，段末项在整条展开上持续给出接近梯度。</li>
 <li>平滑项：速度² + 加速度²。</li>
 <li>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。</li>
 <li>采样分布同 §4.3，B/C/D 类提到 60%，其中贴柱类 40%。</li>
@@ -1311,8 +1313,9 @@ ms，否则放 Web Worker 与推理流水线并行。</li>
 </thead>
 <tbody>
 <tr class="odd">
-<td><code>traj_policy.onnx</code>（fp16，约 9.8 MB）+
-<code>traj_policy.meta.json</code>（指纹 / 特征版本 / TCP）</td>
+<td><code>traj_policy.onnx</code>（fp32，约 20 MB；wasm / CPU 后端上
+fp16 不保证更快）+ <code>traj_policy.meta.json</code>（指纹 / 特征版本 /
+TCP）</td>
 <td>PRM 路网、IK 候选大表</td>
 </tr>
 <tr class="even">
@@ -1464,6 +1467,11 @@ rt）</td>
 </table>
 <p>说明：30 例全对时，失败率的 95% 置信上界约 9.5%；扩展集 1000 例 0
 失败时约 0.3%，因此以扩展集作为 30/30 的统计支撑。</p>
+<p>口径：本表全部按部署形态（<code>tests/policy_bench.cjs</code>，与浏览器同一份运行时）或
+held-out 闭环仿真（开仿真安全层）测量，由
+<code>ml/eval/acceptance.py</code> 汇总；M5
+门禁与挖错用的是关安全层的纯策略口径，二者互不替代。挖错题与门禁集没有老师参考，到达按定长
+6 s 判，「到达用时」「关节行程」两项只在有老师参考的任务上统计。</p>
 <hr />
 <h2 id="10-当前存在的问题与风险">10. 当前存在的问题与风险</h2>
 <h3 id="101-只能靠实测消除的风险按里程碑顺序">10.1
@@ -1489,7 +1497,9 @@ rt）</td>
 <tr class="even">
 <td>R2</td>
 <td>时间律仍有不可观测成分，闭环起不了步</td>
-<td>近邻样本标签方差 &lt; 10% 步长；起步失败率 = 0</td>
+<td>近邻样本标签方差 &lt; 10%
+步长（<code>ml/eval/check_r2.py</code>）；起步失败率 = 0（闭环
+<code>start_fail</code>）</td>
 <td>进一步把剩余路程估计加入输入</td>
 <td>M1 / M5</td>
 </tr>
@@ -1497,7 +1507,7 @@ rt）</td>
 <td>R3</td>
 <td>距离认证过于保守，贴柱处拒绝率高，影响 30/30</td>
 <td>near_column 上认证拒绝率统计；离线 10⁵ 段 0.01° 审计漏检 = 0</td>
-<td>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）</td>
+<td>训练余量提高到 4–6 mm，接受行程变长；收紧杠杆界（按位形分区）</td>
 <td>M2 / M7</td>
 </tr>
 <tr class="even">
@@ -1524,14 +1534,17 @@ rt）</td>
 <tr class="odd">
 <td>R7</td>
 <td>APG 压缩多模态或拉长路径（ELMP 中路径 +23%）</td>
-<td>每轮左右比例与行程门禁</td>
+<td>每轮门禁：B/C 类左右绕行比例变化 ≤ 5 个百分点、行程中位数比 ≤
+1.05（<code>ml/mining/gate.py</code>）</td>
 <td>加大 BC 锚定权重；行程项</td>
 <td>M6</td>
 </tr>
 <tr class="even">
 <td>R8</td>
 <td>卡死换向活锁</td>
-<td>50 个"两侧都要绕远"对抗用例 3 s 内恢复 ≥ 95%，活锁 = 0</td>
+<td>50 个"两侧都要绕远"对抗用例（J1 起终差 ≥
+140°、终点贴立柱，部署运行时）首次换向锁后 3 s 内到达 ≥ 95%，活锁 =
+0（<code>tests/policy_bench.cjs</code> r8）</td>
 <td>子目标改为离散绕行锚点分类</td>
 <td>M6 / M7</td>
 </tr>
@@ -1545,8 +1558,10 @@ rt）</td>
 <tr class="even">
 <td>R10</td>
 <td>训练耗时估计偏差</td>
-<td>2000 步吞吐 ≥ 2 万样本/s</td>
-<td>降 epoch 或增大 batch</td>
+<td>60000 步 ≤ 3.5 h，即 2000 步测速 ≥ 5000 样本/s（3090 实测 6.2 k/s ≈
+2.8 h）</td>
+<td>FK 损失胶囊数 96 → 48；仍不够则步数降到 40000（MeanFlow JVP
+受算力限制，增大 batch 无效）</td>
 <td>M5</td>
 </tr>
 </tbody>