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

ml/eval/check_r2.py

@@ -0,0 +1,46 @@
+"""方案 R2 数据侧检查：近邻样本的标签是否自洽（时间律不可观测成分会让相同输入对应不同动作）。
+  python -m ml.eval.check_r2 --samples ml/data/samples --out ml/data/r2.json
+做法：特征逐维标准化；随机取 Q 个查询样本，在 P 个样本池里找最近邻（排除同一任务，避免同轨迹相邻帧冒充"近邻"）；
+取距离最近的 5% 近邻对，比较前 3 步（实际提交的动作）标签：std ≈ RMS(ΔY)/√2，单位为每步最大步长 STEP 的比例。
+判据：label_std < 0.10（即 < 10% 步长）。起步失败率在闭环仿真结果的 start_fail 字段（acceptance 汇总）。
+2026-10-18 新增（审查：R2 无执行点）。GPU 上约 1 分钟；CPU 上把 --pool 降到 50000。"""
+import argparse, json, math
+import torch
+
+from ml.data import Samples
+
+
+def main():
+    ap = argparse.ArgumentParser()
+    ap.add_argument('--samples', nargs='+', default=['ml/data/samples']); ap.add_argument('--out', default='ml/data/r2.json')
+    ap.add_argument('--queries', type=int, default=20000); ap.add_argument('--pool', type=int, default=200000)
+    ap.add_argument('--frac', type=float, default=0.05); ap.add_argument('--seed', type=int, default=0)
+    ap.add_argument('--device', default='cuda' if torch.cuda.is_available() else 'cpu')
+    a = ap.parse_args()
+    d = Samples(a.samples, device=a.device, split='train')
+    g = torch.Generator(device=a.device); g.manual_seed(a.seed)
+    P = min(a.pool, d.n); Q = min(a.queries, d.n)
+    pi = torch.randperm(d.n, device=a.device, generator=g)[:P]; qi = torch.randperm(d.n, device=a.device, generator=g)[:Q]
+    X = d.X.float(); mu, sd = X[pi].mean(0), X[pi].std(0).clamp(min=1e-6)
+    Xp, Xq = (X[pi] - mu) / sd, (X[qi] - mu) / sd
+    tp, tq = d.TID[pi], d.TID[qi]
+    best_d = torch.empty(Q, device=a.device); best_j = torch.empty(Q, dtype=torch.long, device=a.device)
+    for s in range(0, Q, 1024):
+        D = torch.cdist(Xq[s:s + 1024], Xp)
+        D = torch.where(tq[s:s + 1024, None] == tp[None], torch.full_like(D, float('inf')), D)
+        v, j = D.min(1); best_d[s:s + 1024] = v; best_j[s:s + 1024] = j
+    fin = torch.isfinite(best_d)
+    thr = torch.quantile(best_d[fin], a.frac)
+    m = fin & (best_d <= thr)
+    Yq, Yp = d.Y[qi][m, :3].float(), d.Y[pi][best_j[m], :3].float()
+    rms = (Yq - Yp).pow(2).mean(-1).mean(-1).sqrt()            # 每对、6 轴 × 3 步平均
+    std = (rms / math.sqrt(2))
+    out = {'pairs': int(m.sum()), 'nn_dist_threshold': thr.item(), 'label_std_mean': std.mean().item(),
+           'label_std_p90': torch.quantile(std, 0.9).item(), 'pass': std.mean().item() < 0.10,
+           'rule': 'label_std_mean < 0.10（10% 步长）'}
+    print(json.dumps(out, indent=1))
+    json.dump(out, open(a.out, 'w'), indent=1)
+
+
+if __name__ == '__main__':
+    main()