From fc17ae10d045abe8fecaa40724b4b00ec383e786 Mon Sep 17 00:00:00 2001 From: cbb <2625274797@qq.com> Date: Mon, 19 Oct 2026 23:14:30 +0800 Subject: [PATCH] =?UTF-8?q?docs(=E6=9C=AC=E6=9C=BA=E6=89=A7=E8=A1=8C?= =?UTF-8?q?=E6=B8=85=E5=8D=95):=20=E6=96=B9=E6=A1=88=20B=20=E5=88=A4?= =?UTF-8?q?=E5=88=AB=E2=80=94=E2=80=94=E5=81=8F=E7=A7=BB=203.19=C2=B0=20?= =?UTF-8?q?=E4=B8=8B=E6=A8=A1=E5=9E=8B=E9=A2=84=E6=B5=8B=E7=9A=84=2016=20?= =?UTF-8?q?=E6=AD=A5=E7=B4=AF=E8=AE=A1=E7=9B=AE=E6=A0=87=E5=81=8F=E7=A6=BB?= =?UTF-8?q?=E5=8E=9F=E8=BD=A8=E8=BF=B9=204.86=C2=B0=EF=BC=88=CF=81=3D1.54?= =?UTF-8?q?=EF=BC=9B=E6=9C=AA=E6=89=B0=E5=8A=A8=E5=BC=80=E7=8E=AF=E4=BB=85?= =?UTF-8?q?=200.46=C2=B0=EF=BC=89=EF=BC=8C=E6=89=B0=E5=8A=A8=E5=BE=AE?= =?UTF-8?q?=E8=B0=83=E5=90=8E=20=CF=81=20=E6=9B=B4=E5=B7=AE=EF=BC=881.9-2.?= =?UTF-8?q?0=EF=BC=89=EF=BC=9B=E7=BB=93=E8=AE=BA=EF=BC=9A=E6=A8=A1?= =?UTF-8?q?=E5=9E=8B=E6=98=AF=E4=BB=8E=E5=BD=93=E5=89=8D=E7=8A=B6=E6=80=81?= =?UTF-8?q?=E5=A4=96=E6=8E=A8=E5=A2=9E=E9=87=8F=E8=80=8C=E9=9D=9E=E6=8C=87?= =?UTF-8?q?=E5=90=91=E5=8F=82=E8=80=83=E4=BD=8D=E7=BD=AE=EF=BC=8CB=20?= =?UTF-8?q?=E5=BF=85=E9=A1=BB=E6=94=B9=E8=AE=AD=E7=BB=83=E6=A0=87=E7=AD=BE?= =?UTF-8?q?=EF=BC=88=E7=BB=9D=E5=AF=B9=E7=9B=AE=E6=A0=87=EF=BC=89=E9=87=8D?= =?UTF-8?q?=E8=AE=AD=EF=BC=8C=E6=94=B9=E6=89=A7=E8=A1=8C=E5=B1=82=E6=97=A0?= =?UTF-8?q?=E6=95=88?= MIME-Version: 1.0 Content-Type: text/plain; charset=UTF-8 Content-Transfer-Encoding: 8bit --- docs/本机执行清单.md | 15 +++++++++++++++ 1 file changed, 15 insertions(+) diff --git a/docs/本机执行清单.md b/docs/本机执行清单.md index 6669590..83f050e 100644 --- a/docs/本机执行清单.md +++ b/docs/本机执行清单.md @@ -205,3 +205,18 @@ reach **0%** / collision **79.0%** / ratio2s 0.574 / end 408 mm；`sign_flip_rat - 碰撞率首次大幅下降（99.6%→48–60%），但 **success 仍 0**；开环精度退化 2.5–2.7 倍（6→15/16 mm）、多样性升高——小步微调在两种分布间折中，把主分布带偏了。 - **结论**：1.5° 量级的合成扰动 + 3000 步微调不能解决闭环。若继续这条线，需从**预训练开始**按课程混入扰动样本（并监控开环不退化），成本高；或转向结构改动（方案 B：绝对目标参数化/参考轨迹跟踪）或真实 DAgger。 - 产物：`ml/data/samples_perturb/`、`ml/runs/base_perturb/`、`ml/runs/base_perturb2/`（均在 gitignored 目录）。 + +### 10. 方案 B 判别实验：模型预测的"累计目标"是否指向参考轨迹 + +方法：2000 个扰动起点（原轨迹状态 + σ 0.5–4° 扰动，L∞ 实测 p50 **3.19°**），模型预测 16 步增量并累积为绝对目标 `Z_model = q_off + cumsum(â·STEP)`，对比原老师轨迹未来 16 步绝对位置 `Z_ref`；`ρ = |Z_model − Z_ref| / |q_off − q_ref|`（ρ≈1 = 目标随状态平移、无纠偏；ρ≈0 = 目标稳定指向轨迹）。 + +| 模型 | 状态偏移 p50 | 目标误差 p50 | ρ p50 | +|---|---|---|---| +| base/last.pt | 3.19° | 4.86° | **1.54** | +| base_perturb（扰动微调 lr 3e-4） | 3.19° | 5.85° | 1.90 | +| base_perturb2（lr 1e-4） | 3.19° | 6.25° | 1.97 | +| 对照：未扰动行开环 | — | **0.46°** | — | + +- 未扰动时 16 步累计目标误差仅 0.46°；状态偏移 3.19° 后目标偏离 4.86°（ρ=1.54）——**当前模型是"从当前状态外推增量"，不是"指向参考位置"**。扰动微调让 ρ 更差（1.9–2.0），与开环退化一致。 +- **结论：方案 B 不能靠改执行层实现，必须改训练标签**——把标签从"16 步增量"改为"16 步绝对目标关节角（参考轨迹位置）"，让模型学"目标在哪"而不是"从这怎么走"。执行层每步朝目标走，偏移状态下即天然纠偏。 +- 实施成本：改 `build_dataset.cjs` 标签口径（Y = 绝对目标），同步 FK/平滑/价值等基于增量的辅助损失、rollout 与 `ik-policy.js` 的增量假设，然后从头训练（约 1 小时）。属结构性改动，未擅自开始。