docs(本机执行清单): 方案 B 初版实测（feat/abs-target 分支）——绝对目标标签 + 训练/执行适配完成并修复前缀增广污染；实测一步生成误差 31°（4/8 段 2.3°/2.8°）、闭环 0%/100%，过预热 5000 步无下降趋势——此配方不成立，B 若继续需改 p_edge/FK 权重/加权或换输出头

- build_dataset.cjs：每 10% 打 `[prep] shard_xxxx a/b`（只加日志，不改计算）。新增广
  （40%/3°/12，每个增广样本 6 次碰撞检查）让这批打包从上次的 25 分钟涨到约 1 小时，
  而原来整片完成前一行输出都没有，看起来像卡死。
- monitor.py prep 分支：解析这些行，按 (已完成分片 + 进行中分片的任务比例)/总分片 算 frac，
  按实测速率外推 eta；首批完成前显示"首波处理中，第一批完成后显示预估"。
- pstate/monitor.html：prep 估时 0.5 h → 2.0 h（超时 1.5 h → 6 h），与实际耗时一致。

docs/ML运行手册审查.md

@@ -1,285 +1,71 @@
 # ML 运行手册审查（ml/README.md）· 精简版
 
-六轮历史（`0218d7f` → `a5e779c`）：第一轮 13 条、第二轮可行性、第三~五轮处置、第六轮本机实跑。**已解决的条目按用户要求删去，完整原文在 git 历史里**。本文件只剩三部分：仍有效的实测数字 / 仍未解决的问题 / 已复核正常的项，供实现方下一轮处置。
+八轮审查（`0218d7f` → 本次）的已解决条目全部删去，原文在 git 历史里。本文件只留：实测数字 / 已定判据 / 仍待真数据回答的问题 / 正式训练步骤。
 
-环境：本机 CBB-003（RTX 3090、28 核、Python 3.12 + torch 2.10 + onnxruntime 1.22、Edge + onnxruntime-web 1.20.1）。
-当前结论：第 1–6 步已实测可跑；**第 7–13 步零证据**；R4 部署口径（纯推理）已判通过，`bash ml/pipeline.sh r4` 端到端 rc=0（2026-10-18 本机修复后复跑）。A 组原三处中两处已修，A-3 由实现方第七轮改掉、待本机复跑验证。**第七轮本机复核与显存预算（19–20 GB）见第七节。**
+环境：本机 CBB-003（RTX 3090，训练可用 19–20 GB；28 核；Python 3.12 + torch 2.10；Edge + onnxruntime-web 1.20.1，已入库 `webapp/vendor/ort/`）。
+当前结论：第 1–6 步本机实测可跑；R4 通过；自检 7/8 通过（唯一失败项是 Windows 限制，已接受）；**审查条目已全部处置，下一步直接正式训练。**
 
 ---
 
-## 一、仍有效的实测数字（后续对照用）
+## 一、实测数字（对照用）
 
 | 项 | 数字 | 口径 |
 |---|---|---|
-| 对拍 300 条 | PASS（fk 3.4e-13 mm、特征 6e-8、间隙梯度 1.4e-6），7.6 s | 第 2 步 |
-| 生成 | 1.56 s/条（80 条 122 s） | 第 4 步 |
-| 统计 | keepRate 0.977、samplesPerTask 36.5、projected 178.4 万、exec_s p50 2.3 / p90 3.0 / max 3.7 s、cert.minGap p50 4.4 / p90 5.9 mm | 88 条，**未加 3 mm 过滤** |
-| 预训练 | 4.92 M 参数、6208 样本/s（batch=1024）→ 60k 步 ≈ 2.8 h | 250 步冒烟 |
+| 对拍 300 条 | PASS（fk 3.4e-13 mm、特征 6e-8、间隙梯度 1.4e-6） | 第 2 步 |
+| 生成 | 1.56 s/条 | 第 4 步，80 条 |
+| 统计 | keepRate 0.977、samplesPerTask 36.5、cert.minGap p50 4.4 / p90 5.9 mm | 88 条，未加 3 mm 过滤 |
+| 预训练 | 4.92 M 参数、6208 样本/s、60k 步 ≈ 2.8 h、显存峰值 2.76 GiB | batch 1024 |
+| APG 显存 | batch 48 / plans 150 → 13.08 GiB；batch 128 必 OOM | d=192，1 步 |
+| R4 部署口径 | wasm·16 线程·proxy P99 **12.67 ms**（< 15 通过）；WebGPU P99 27.09，不用 | `feat_dyn` 新模型 |
+| 自检 | 7/8，3.5 分钟；`train_term=false`（Windows 下 TERM 送不到 python，超时靠 STOP 文件 + 每 10 分钟存档） | `selftest.json` |
 
-R4（随机初始化模型；延迟只取决于结构，与是否训练无关）：
-
-| 接口 | 线程 | proxy | P50 | P95 | P99 |
-|---|---|---|---|---|---|
-| **enc_once（部署口径）** | 16 | 开 | 7.36 | 9.48 | **11.07** |
-| enc_once | 4 | 开 | 10.22 | 11.69 | 12.92 |
-| enc_once | 16 | 关 | 7.43 | 9.21 | 10.79 |
-| 旧接口（对照） | 16 | 开 | 9.53 | 11.29 | 16.47 |
-| 旧接口 | 4 | 开 | 13.88 | 16.35 | 17.19 |
-
-tickGapMax 全部 ≈21.5 ms（20 ms 节拍没被卡住）。背景：第五轮前默认（4 线程、无 proxy、旧接口、真查看器）P99 37.0；线程扫描 8 线程 24.9 / 16 线程 19.5 / 24 线程 25.8 → 16 最优，超线程反而挤。**部署口径纯推理 P99 11.07 < 15，R4 判通过**；`enc_once` 相对旧接口省约 30–33%。
-
-修复后由 `pipeline.sh r4` 自身复跑（两次）：部署口径 P99 **10.22 / 11.25**（P50 7.34 / 7.10），4 线程 13.58 / 13.64，无 proxy 9.28 / 10.92；webgpu 仍报 `[webgpu] backend not found`。
-
-真查看器同一会话（随机权重、`?policy=1&probe=1`）：inferMs P50/P99/max = **30.36 / 61.64 / 68**，safetyMs = **63.52 / 248.76 / 320.6**；622 次 plan、brakes 4、locks 48、projected 283、lookahead 219。单变量对照：`__POLICY.stop()` 后纯 infer 7.5 / 9.7 ms → 差额是主线程排队，不是模型慢。
-
----
-
-## 二、仍未解决的问题
-
-### A. 会直接中断本机一键流程（原三处，两处已在本机修复）
-
-**已修复（本机 2026-10-18，`bash ml/pipeline.sh r4` 连跑两次均 rc=0、`pass=true`）**
-- 探针页复用 detached tensor：`feat` 的分配移进 `run()`（`webapp/r4_probe.html`）→ proxy=1 的两种配置均正常出数。
-- `pipeline.sh` 7 处 `json.load(open(...))` 全部补 `encoding='utf-8'`（`:90 :110 :118 :127 :136 :138 :144`）。
-- 附带发现并修掉：r4 分支末行 `[ "$r" = null ] && echo` 在 `r=pass` 时整体返回 1，`set -e` + EXIT trap 把**通过的 r4 记成 rc=1**（`all` 会因此停）。已改为 `if ... then ... fi`。
-
-**A-3 离线 ort 加载：实现方第七轮已改（绝对 URL + `vendor_ort.sh`），本机待复跑验证。**
-`ik-policy-glue.js` 把 `ort.env.wasm.wasmPaths` 设为相对前缀 `vendor/ort/`，ORT 对 `.mjs` 走 `import()` 需要绝对说明符 → `no available backend found. ERR: [wasm] TypeError: Failed to resolve module specifier 'vendor/ort/ort-wasm-simd-threaded.mjs'`。README 明确支持的离线部署路径在默认配置下不可用。（`ortLocal=1` + `proxy=0` 未测；`wasmPaths` 与 proxy 无关，大概率同样失败。）**复跑判据**：断网/CDN 不可达时 `bash ml/pipeline.sh r4` 仍能出数（探针默认走本地 `webapp/vendor/ort/`），且 `&ortLocal=1` 的查看器徽标显示「策略模式就绪」。
-
-### B. 待实现方判断（数据已摆在上面；分歧按第五轮第〇节规则，以实现方为准）
-
-**B-1 R4 判据用哪个口径。** 纯推理 P99 11.07 判通过；但同一台机、同一会话，整周期 plan = infer 61.6 + safety 248.8（P99），随机权重下 1/3 的规划 >100 ms。如果 R4 的意义是"浏览器能不能按 60 ms 周期推一次"，纯推理口径会放过实际丢步的配置。供下一轮的建议（不要求现在改）：`r4.json` 记两个数 `infer_p99` 与 `plan_p99 = infer + safety`，后者另设一条线（如 <45 ms，给 60 ms 周期留余量）。
-
-**B-2 `safetyMs` 两把尺。** bench 在 Node 里跑同一份 `ik-policy.js`（CPU EP），浏览器里同一段代码 p99 249 ms——互不可替代，与"仿真安全层 ≠ 部署运行时"是同一类问题换了个位置。判据：同一批贴柱题两边各测一次，差 >3× 就要解释。建议核对 `certBudget=40` 在贴柱位形下的实际查询次数与 `makeCert` 的 memo 命中率——249 ms 的量级不是"随机策略质量"能解释的；真模型是否不同未知。**R9 至今无有效数据**（探针只测纯推理；闭环丢步率因探针一运行 CDP 就拿不到执行槽而没采到——这本身是主线程拥挤的证据）。
-
-**B-3 WebGPU 是判定顺序里的备用通过路径，但至今零数据。** 第五轮判定顺序写了"wasm 不过而 WebGPU 过，也判通过"，本机 headless 报 `[webgpu] backend not found`，且 CDN 间歇不可达（jsdelivr 多次 000、unpkg 200）→ 需要一条真能测到 WebGPU 的路（非 headless，或 A-3 修好后本地放 ort）。
-
-### C. 尚未实测（跑之前必须知道这些是空的）
-
-1. **第 6–13 步全部没跑过**：train 只有 250 步吞吐冒烟；m5 / apg / mine / export / bench / accept 零实测；`all` 端到端从未完整跑通。一次完整流程机时下界约 15–28 h，其中 **apg 2–4 h/轮、mine 6 轮都是估的**。
-2. **3 mm 间隙过滤的真实剔除比例（`gapDrop`）没测过**：只测过沙箱 30 条（剔 9/29，不具代表性）；上表 p50 4.4 mm 是未过滤口径。生成后看 `stats.json` 的 `gapDrop`。
-3. **R2 新判据（`label_std_norm`）的池无关性**：需在 1.7 M 样本上 `--pool 50000` 与 `--pool 200000` 两跑、差 <0.02 才成立；没做。默认 `R2_STRICT=0` 只警告，开着就是一道未校准的闸。
-4. **R8 出题耗时**：沙箱 2 题 9 分钟没出完；本机未测（`policy_bench.json` 会记 `requested` / `genS`，不足额时看警告）。
-5. ~~**Windows 侧生命周期未实测**~~ → **已实测**（见 7.2）：整树杀净 ✅、关黑窗口训练继续 ✅、`timeout` 的 TERM 送不到 python ❌（超时只能硬杀，靠 STOP 文件与定时存档）。
-6. ~~**断点续跑未在本机复核**~~ → **已实测**（见 7.2）：gen 按条续写逐条一致、train STOP 2 s 存档续训、apg `--resume`、prep 二次运行「待打包 0 个」全部通过。
-7. **APG 的机时仍然零实测**（显存已量：`batch=48/plans=150` → 13.08 GiB）。`batch` 从 128 降到 48 后每步代价与收敛都要重算一遍才知道。
-
-### D. 小遗留
-
-~~`webapp/models/README.md` 过时~~ → 实现方第七轮已改，本机复核过：现在写的是 `bash ml/pipeline.sh export`（默认 fp32）、第 10 步、新输入签名 `feat[1 或 K,83]` 与 `feat_dyn`，并说明离线要先跑 `ml/prep/vendor_ort.sh`。
-
----
-
-## 三、第六轮已复核正常（不在问题清单里）
-
-- `bash ml/pipeline.sh r4` 端到端：修完 A 组两处后连跑两次 rc=0、`pass=true`。
-- 锁：`r4` 阶段拿到 `ml/runs/pipeline.lock`，结束已删。
-- N-5 三处防护在位：查看器拒绝 `random_init`（提示 `&probe=1`）、`policy_bench.cjs` 拒绝、`acceptance` 有"部署模型是训练产物"项。
-- `enc_once` 运行时对接一致：只送 1 行特征（`ik-policy-glue.js:52` / `ik-policy.js:344`），旧模型回退 `[B,F]`。
-- `r4` 导出：19.76 MB、`enc_once=true`、与 torch 对拍 2.2e-7。
-
-## 四、建议顺序
-
-1. ~~A 组修复并重跑 `r4`~~：已完成（本机 2026-10-18，rc=0、P99 11.25）。
-2. 接着 `FROM=gen TO=prep` 跑一次（数小时），拿 `gapDrop` 与 R2 两个口径的数——C-2 / C-3 随之消掉，B-2 的 Node 侧安全层数字可顺手从 m5 前的 bench 拿。
-3. B 组等上面的数字齐了再定；C-1/C-7 随第一次真跑逐项核对；A-3 由实现方已改，本机复跑 `r4` 时顺带验（会弹有界面窗口）。
-
----
-
-## 五、实现方处置（第六轮，2026-10-18）
-
-逐条对应第二部分。分歧按第五轮第〇节规则以实现方为准，下一轮用实测数据定。
-
-**A-3 离线 ort 加载**：已修。`ik-policy-glue.js` 与 `r4_probe.html` 的本地前缀改为绝对 URL（`new URL('vendor/ort/', location.href)`），ORT 的 `import()` 不再把它当裸模块名。新增 `ml/prep/vendor_ort.sh`（`setup` 与 `r4` 自动调用）用 `npm pack onnxruntime-web@1.20.1` 把 `ort.min.js`、`ort.webgpu.min.js` 与两套 wasm/mjs 放进 `webapp/vendor/ort/`（33 MB，`.gitignore`）；探针检测到本地副本就默认用它，不再依赖间歇不可达的 jsdelivr（`ORT_LOCAL=0` 强制 CDN）。
-
-**GBK 兜底**：除了本机已补的 7 处，`pipeline.sh`、`console.bat`、`console.sh`、监控起的子进程统一 `PYTHONUTF8=1`，所有 Python 读写默认 UTF-8，不再逐处补 `encoding`。
-
-**B-1 R4 口径**：R4 保持纯推理判据（随机权重只代表推理开销，这点不变）。整周期另立 **R9**，用**训练好的模型**在**真查看器**里测：`python -m ml.eval.r4_probe --viewer`（`bench` 阶段自动跑，写 `ml/runs/r9_browser.json`），查看器 `&autotest=30` 跑与 Node bench **同种子同题**的 30 道贴柱题，判据 **整次规划 `planP99` < 45 ms 且饥饿节拍 < 1%**（饥饿 = 执行时钟到点时队列为空 = 实际丢步）。`r4.json` 另带 `viewer_ref`（随机模型的同一测试），只作参考不判定——随机策略几乎每次都要认证多条候选，安全层路径不代表真模型。验收汇总加 R9 一项。方案 R9 行同步改写（原"安全层 P99 < 5 ms"不可测也不对口径）。
-
-**B-2 安全层两把尺**：找到了原因，而且 Node 侧也一样慢，不是浏览器独有。沙箱 Node 单次调用：`gapMatrix` cap20 **3.6 ms** / cap40 **5.5 ms**、`collideFree` 1.5 ms、`criticalPairs` 3.1 ms，而推理只有 **1.5 ms**——**耗时在几何查询，不在模型**。具体三处：
-1. 截止只在候选之间检查，单条候选内部最多 40 次查询（≈150 ms）不受限 → 墙钟截止下沉到认证递归内部：第 1 条候选截止 45 ms，其余共享到 30 ms，到点判不过（`certFailWhy.time`），沿已认证刹停段停，安全性不变。
-2. `safetyMs` 从推理结束开始计，**把前瞻（第二次推理 + 8 份特征 = 8 次 gapMatrix cap40）算进去了** → 拆成 `lookaheadMs` / `safetyMs` / `planMs` 三项分别记。
-3. 前瞻在"卡死"时也触发，随机或差的策略几乎一直卡死 → 改为只在冷启动（新目标 / 目标跳变）前瞻，与仿真 `closed_loop.py`（只在首块前瞻）对齐；卡死由换向锁处理。
-沙箱 Node、同 2 道贴柱题、小模型实测（同一机器前后对比）：安全层 P99 **200.9 → 51.9 ms**，前瞻 P99 126 → 83 ms（只剩冷启动那几次），整次规划 P99 **236.7 → 63.3 ms**（P50 57.5）。代价是沙箱上 `time` 截止判不过占多数、刹停多（2 vCPU 上每次 gapMatrix 约 4 ms，45 ms 只够约 10 次查询；未训练小模型本身也差）——你机器单核快 2× 左右，真模型候选第 1 条通过率高，R9 以本机实测为准；若本机 R9 仍不过，下一轮把几何查询（特征、投影、认证）整体搬进 Worker，主线程只执行。
-另外 bench 与查看器都记 `certQueriesP99`、`certMemoHitRate`（沙箱 0.69–0.72）、`certFailWhy`；验收加"同题安全层 浏览器 / Node ≤ 3×"一项。
-
-**顺带发现并修掉一个真 bug**：第五轮 `enc_once` 后，前瞻的 8 行特征**各不相同**，但 `ortInfer` 只送了第 1 行 → 8 个候选的前瞻价值全是同一个观测算的，冷启动时的候选排序等于随机。现在 ONNX 的 `feat` 轴改为动态（1 行 = 主推理编码一次；K 行 = 前瞻逐行编码，`meta.feat_dyn=true`），导出时对拍 8 行不同特征与 `sample()` 一致（2e-7 量级）；第五轮导出的旧模型运行时自动退化为逐行推（正确但慢）。**你本机的 r4 模型需重新导出**（`bash ml/pipeline.sh r4` 会重导）。
-
-**B-3 WebGPU**：`backend not found` 的直接原因是 `ort.min.js` 里**没有 WebGPU 后端**（只在 `ort.webgpu.min.js`）。查看器与探针在 `ep=webgpu` 时改载 `ort.webgpu.min.js`；探针先记 `navigator.gpu` 与适配器信息（区分"没有 GPU"与"包不对"）；WebGPU 配置改用有界面窗口打开（无头模式拿不到真适配器），跑完自动关。
-
-**D**：`webapp/models/README.md` 已改为 fp32、第 10 步、新输入签名。
-
-**C 组**：第七轮已处置，下一步见第六节。
-
-## 六、实现方处置与待本机验证（第七轮，2026-10-18）
-
-本节是遗留问题的**唯一清单**：不需要计算的已在代码里修完（「本轮已修完」）；需要计算的只有一条技术验证命令（「本机技术验证」），由你的 PC 跑，沙箱不跑；做法已全部定下（「已定的做法」）；需要你确认的写在「还需要你确认的」。
-
----
-
-### 6.1 本轮已修完（不需要计算）
-
-| 遗留 | 处置 | 位置 |
-|---|---|---|
-| A-3 离线 ort 加载失败 | 本地前缀改绝对 URL；`ml/prep/vendor_ort.sh` 放好 ort 本地副本，探针默认用本地、不依赖 CDN | `ik-policy-glue.js`、`r4_probe.html`、`vendor_ort.sh` |
-| GBK 读中文 json | 全流程 `PYTHONUTF8=1`（pipeline / console.bat / console.sh / 监控子进程） | `pipeline.sh` 等 |
-| B-1 R4 口径 | R4 仍判纯推理；整周期另立 R9（真查看器、训练好的模型、与 bench 同题：`planP99` < 45 ms、饥饿 < 1%），验收加 R9 | `r4_probe.py --viewer`、`acceptance.py` |
-| B-2 安全层两把尺 | 原因定位：几何查询慢（gapMatrix 3.6–5.5 ms/次），不是模型。截止下沉到认证内部；耗时拆 4 项记录；前瞻只在冷启动；验收加"同题浏览器 / Node ≤ 3×" | `ik-policy.js`、`policy_bench.cjs` |
-| 前瞻 bug（新发现） | enc_once 后前瞻只送 1 行特征 → feat 轴改动态（`meta.feat_dyn`），导出对拍 K 行 | `policy.py`、`export_onnx.py` |
-| B-3 WebGPU 零数据 | 根因：`ort.min.js` 不含 WebGPU → 改载 `ort.webgpu.min.js`；有界面窗口测；记录适配器信息 | 同上 |
-| C-3 R2 池无关性 | 每次 R2 自动以 4 倍池再测一次，记 `pool_check.independent`（差 < 0.02） | `check_r2.py` |
-| C-4 R8 出题耗时 | 出过的题按碰撞指纹缓存，`policy_bench.json` 记 `genS`、`casesCached` | `policy_bench.cjs` |
-| C-5 / C-6 本机生命周期与续跑 | 新增一条命令自检（见「本机技术验证」 V1） | `ml/selftest.sh`、`ml/selftest_proc.py` |
-| C-1 第 7–13 步零实测 | 靠断点续跑兜底（V1 验证），正式训练分三段跑、出错从该阶段续；另备 `ml/smoke.sh` 全流程冒烟，不必跑 | `ml/smoke.sh`、`configs/smoke.json` |
-| 续跑后数值不一致 | `last.pt` 存 torch / CUDA / random 随机数状态，续跑 batch 顺序与一口气跑完一致 | `ml/common/ckpt.py` |
-| D 模型目录说明过时 | 已改（fp32、第 10 步、新签名） | `webapp/models/README.md` |
-
-沙箱只做了语法检查与几秒级的对拍，**以上全部以你本机结果为准**。
-
----
-
-### 6.2 本机技术验证（只验可行性与意外，不做正式训练）
-
-一条命令，5–10 分钟，在仓库旁的副本目录里跑，不碰本仓库的数据与产物，跑完副本可删。
-
-| # | 命令（Git Bash，仓库根目录） | 耗时 | 回传 | 验证什么 |
-|---|---|---|---|---|
-| V1 | `bash ml/pipeline.sh selftest` | 5–10 分钟 | `ml/runs/selftest.json` | 意外中断能否恢复：gen 截断续写、prep 二次运行、训练 STOP / 续训、APG 续跑；Windows 进程：控制台停止能否杀净整棵树、关掉黑窗口后流程是否继续、TERM 能否送到 python |
-
-判读：`all_pass = true`。没过就把文件发我，不用排查。
-
-不单独跑全流程冒烟：V1 通过即证明断点续跑可靠，正式训练中途某一步出错时，已完成的阶段与训练进度都保留，我修完后从出错那一步接着跑（`FROM=<阶段>`），损失只是出错到发现之间的空闲时间。为缩短这段时间，正式训练按"数据 → 训练 → 后训练与评测"三段跑，每段结束看一眼（见「正式训练」）。`ml/smoke.sh` 保留在仓库里，不作为必跑项。
-
----
-
-### 6.3 已定的做法
+## 二、已定的判据与做法
 
 | 事项 | 定为 |
 |---|---|
-| R9 通过线 | 整次规划 P99 < 45 ms、饥饿节拍 < 1%（60 ms 周期留 15 ms 给渲染） |
-| 浏览器测试 | 有界面窗口（无头拿不到真 GPU） |
-| R9 本机不过 | 几何查询（特征、投影、认证）整体搬进 Worker，主线程只执行 |
-| 训练余量 3 mm、`R2_STRICT`、共识过滤 | 按正式数据段的 `stats.json` / `r2.json` 定：间隙 p10 ≥ 3 mm 保持 3 mm，否则降到 p10；R2 `pool_check.independent = true` 且截距 < 0.10 时打开 `R2_STRICT`；门 1 < 0.90 自动开共识 |
+| R9（真查看器、训练好的模型、30 道贴柱题） | 稳态 `planWarmP99` < 45 ms、运动中饥饿 < 1%、认证超时占比 < 5%；冷启动 P99、刹停率、`tickGapMax` 只报 |
+| R9 不过 | 几何查询（特征、投影、认证）搬进 Worker，主线程只执行 |
+| APG | batch 48、steps 8000（总任务量同原 128×3000），本进程显存上限浮动（整卡 − 已用 − 1 GB 余量，见 `ml/common/vram.py`） |
+| 离线 ort | 只用入库本地副本，缺失即报错，不退回 CDN |
+| 训练余量 3 mm | `stats.json` 间隙 p10 ≥ 3 mm 保持，否则降到 p10 |
+| `R2_STRICT` | `pool_check.independent=true` 且截距 < 0.10 时打开 |
+| 共识过滤 | 门 1 < 0.90 自动开 |
+| 分歧 | 实现方为准，下一轮数据定 |
 
----
+## 三、仍待真数据回答（正式训练会自动产出，不单独验证）
 
-### 6.4 还需要你确认的
+1. `gapDrop`：3 mm 过滤的真实剔除比例 → `stats.json`。
+2. R2 池无关性 → `r2.json` 的 `pool_check`。
+3. R8 出题耗时 → `policy_bench.json` 的 `genS`。
+4. APG 收敛与机时（batch 48 下首测）→ APG 日志。
+5. 真模型 R9 → `r9_browser.json`。
 
-无。V1 结果回来后，我只按结果改代码；若结果暴露出需要你决定的事，再写进本节。
+## 三′、首次正式预训练失败（2026-10-18，21850 步）与修正
 
----
+现象：闭环到达 0–0.2%、穿柱 77–97%；MF 残差 2 万步停在 7–8、17k–19k 尖峰到 96；梯度 100% 被裁剪。用 last.pt 实测定位：
+1. **多峰头塌成单峰（主因）**：同一状态 8 个候选间标准差 0.030、动作幅度 0.151。FK / 平滑损失加在 `one_step(随机噪声)` 上去对齐这一条老师 Y，最优解是条件均值 E[Y|X]，左绕 / 右绕取平均正好穿柱。→ 改加在 r = t、t ≤ 0.3 的配对去噪估计 x̂ = z − t·u 上。
+2. **MeanFlow 目标失控**：∂u/∂t 均方根 6–12，而 v 约 1.1，目标被自激的 JVP 项主导。时间嵌入 sin(1000·t) 太陡，JVP 又在 bf16 下算。→ 最高角频率 50；MF 分支 fp32；前 5000 步 p_neq = 0。
+3. **闭环分布偏移被低估（推断）**：增广只有 1°。→ 增广 40% / 3° / 12 步收回；新增 DAgger 阶段（策略走到的状态请老师重规划，2 轮）；开训前加老师轨迹回放自检；每次评估加开环误差与候选多样性。
 
-### 6.5 正式训练（以后再跑，不在本轮）
-
-V1 通过后再跑，分三段，每段跑完把回传文件发我：
+## 四、正式训练（三段，每段跑完回传）
 
 | 段 | 命令 | 耗时 | 回传 |
 |---|---|---|---|
 | 数据 | `FROM=kin TO=prep bash ml/pipeline.sh all` | 数小时 | `ml/data/stats.json`、`ml/data/r2.json`、`ml/runs/r4.json` |
-| 训练 | `FROM=train TO=m5 bash ml/pipeline.sh all` | 约 3–6 小时 | `ml/runs/m5_gate_*.json` |
+| 训练（含 DAgger） | `FRESH_FROM=prep FROM=prep TO=m5 bash ml/pipeline.sh all`（增广改了，样本要重打包；gen 不重跑） | 约 9–11 小时（未实测：prep 0.5 + 预训练约 5（fp32 变慢）+ DAgger 约 3.5 + m5 0.3） | `ml/runs/replay_teacher.json`、`ml/runs/base/log.jsonl`、`ml/runs/m5_gate_*.json` |
 | 后训练与评测 | `FROM=apg TO=accept bash ml/pipeline.sh all` | 约 10–20 小时 | `ml/runs/acceptance.json`、`policy_bench.json`、`r9_browser.json` |
 
-任何一段中途出错：把出错信息发我，我修完后用 `FROM=<出错阶段>` 接着跑，前面的不重做。
+中途出错：把出错信息发我，修完用 `FROM=<出错阶段>` 接着跑，前面的不重做。
 
 ---
 
-## 七、本机复核第六/七轮处置（2026-10-18，含显存预算）
+## 七、第一次真跑（2026-10-18，网页「开始训练」）暴露的一处阻塞 + 门 1 实测
 
-**先说约束（用户定的，之前所有估算都按整卡 24 GB 写了）**：本机 Windows + 4K 桌面**空闲就占 4.4 GB**（`nvidia-smi` 空载 23604→4394 MiB 实测），所以 **ML 只能用 19–20 GB**。
+**阻塞（已修，一行）**：`pipeline.sh` 的 `run() { echo "== $*"; "$@"; }` 把命令回显写进 **stdout**，而 `gate1` 是 `run node ml/gen/consistency.cjs … | tee ml/data/consistency.json.tmp` → 回显被一起存进 `consistency.json`，文件首行变成 `== node ml/gen/consistency.cjs 300 4242`。`gen` 阶段读它判 CONSENSUS 时 `json.load` 当场 `JSONDecodeError: Expecting value: line 1 column 1 (char 0)`，`set -e` 下整条 `all` 停在 gen（阶段 rc：kin 0、r4 0、gate1 0、gen 1）。
+- 与平台无关，沙箱 Linux 同样会中，只是没跑到这一步。
+- 修法：回显改走 stderr（`echo "== $*" >&2`）。全仓只有 `gate1` 这一处把 `run` 的输出重定向进文件（`check_r2` 等用 `--out` 自写，不受影响）。
+- 已写坏的 `ml/data/consistency.json` 就地剥掉首行复用，**没有重跑 25–30 分钟的门禁**。
+- 建议实现方顺手加一条自检：任何被 `tee`/`>` 落盘成 JSON 的产物，读之前先确认首字符是 `{`。
 
-### 7.1 APG 会直接把第 8 步打崩（实测，非推算）
-
-用 d=192（与正式训练同结构）、`--steps 1`（峰值在第一次反向就到位）、每进程硬帽 19.2 GB，逐档实测 `max_memory_allocated`（GiB）：
-
-| batch | plans=60 | 90 | 120 | 150 |
-|---|---|---|---|---|
-| 32 | 6.14 | | | 9.53 |
-| **48（已定为新值）** | 7.67 | | | **13.08** |
-| 56 | | | 13.61 | |
-| 64 | 10.81 | 15.41 | | 17.66 |
-| **128（原值）** | **OOM** | | | **OOM**（崩前已分配 17.85 GiB） |
-
-- **原 `batch=128` 无论 `plans` 取 60 还是 150 都 OOM**（d=32 的小模型也一样，崩前 17.54 GiB）→ 显存是被展开图吃掉的，与模型大小、数据量无关。
-- **已把 `apg.json` 的 batch 定为 48，`plans 60→150` 不动**：最坏 13.08 GiB，加桌面 4.4 GB ≈ 17.5 GB，在 19–20 GB 预算内。没选"降 plans"是因为降展开长度会把长任务的绕出段截掉（就是口径-3 那个问题）。`batch=64 + plans=150` 要 17.66 GiB，加桌面就到 22 GB 了，不取。
-- **加了每进程显存硬帽**：`ml/common/vram.py`，`VRAM_FRAC` 默认 0.78 ≈ 18.7 GiB，训练与 APG 启动时打印上限。没帽时它会把整卡顶到 23.6 GB、连桌面一起挤掉（就是这次报显存的原因）。
-- **显存用量现在看得见**：`train.py` / `apg_finetune.py` 每条日志带 `vram`（峰值 GiB）；监控页指标卡加「显存峰值」（>14 黄、>17 红），GPU 卡的显存条改成按 **20 GB 预算**算而不是整卡 24。实测：预训练 `batch=1024` 记到 `vram: 2.71`，APG 自检档 `vram: 0.33`。
-- 对照：预训练 `batch=1024` 峰值 **2.76 GiB**（够）；`check_r2` 每样本常驻 **776 B** → 1.7 M 样本 **1.32 GB** + 分块 0.05（4× 池自检 0.2）≈ **1.6 GB**，脚本里"GPU 峰值 <0.5 GB"错了约 3 倍，但不会崩。
-- 顺带：N-6 的"按空闲显存 1/4 自动定块"、出题分块等估算都要按 19 GB 重算。
-- **`ml/configs/smoke.json` 原来没有 `apg` 段**，而 `selftest.sh` 调 APG 时不带 `--config` → 自检第 6 项实际按正式 `batch=128` 跑，在本机必然 OOM、自检永远跑不完。已补 `apg` 段（`batch=8`、实测 `vram` 0.33 GiB）并让自检带 `--config`。
-
-### 7.2 生命周期与断点续跑：本机整轮自检 **7/8 通过**，用时 3.5 分钟
-
-| 项 | 结果 |
-|---|---|
-| `gen_resume` | ✅ true（判据修正后）——「续写：已有 2/6 条，从第 3 条继续」，与一口气生成**逐条一致** |
-| `prep_rerun` | ✅ true——二次运行「待打包 0 个」 |
-| `train_stop` | ✅ true——`--stop-at 20` → rc 143、`last.pt` 第 20 步、续训到 40 步 rc 0 |
-| `train_stopfile` | ✅ true——写 `ml/runs/STOP` 后 **2 s** 退出并存档（第 351 步）。控制台「停止」走的就是这条路 |
-| `train_term` | ❌ **false（Windows 的真实限制）**——`timeout` 的 TERM 送不到原生 python，rc=124 是硬杀。结论：阶段超时不能指望体面存档，靠 STOP 文件 + 每 10 分钟定时存档 |
-| `apg_resume` | ✅ true（自检档 `batch=8`，`vram` 0.33 GiB） |
-| `tree_killed` | ✅ true（实测）——`taskkill /T /F` 把 bash→python+node 整树杀净，没留孤儿 |
-| `survive_parent_exit` | ✅ true（实测）——启动器退出后子树仍活着 = **关掉控制台黑窗口不影响训练** |
-
-用时 3.5 分钟（APG 用自检档；上一轮 APG 走正式 `batch=128` 时是 13.2 分钟，而且 OOM）。
-之前测不到的原因：① `monitor.find_bash()` 在本机返回 `None`（Qoder 自带 git 在 `mingw64\bin\git.exe`，"上上级 + bin/bash.exe"推出一个不存在的路径）；② `selftest_proc.alive()` 用 `text=True` 读 `tasklist`，中文 Windows 的表头是 GBK → 读线程 `UnicodeDecodeError`、`stdout` 变 `None` → `TypeError`，异常又被 `wait_pids` 的 `except Exception` 吞掉。
-
-### 7.3 两条判据自身的问题（会让"通过/失败"失真）
-
-1. **`selftest.sh:27` 用 `cmp -s` 逐字节比生成结果**，但记录里含 `plan_ms` 与 `cert.ms` 两个**墙钟耗时字段** → 两次运行不可能相同，**这项永远是 false**。我在副本里重跑基线、只把这两个字段剔掉后逐行比：**6 条完全一致** → 续写逻辑正确，是判据错。
-2. **`rec()` 用 `json.loads` 解析传入值**，而 `str(None).lower()`=`none` 不是合法 JSON → 抛异常、整项**静默不进结果文件**，`all_pass` 照样算出来。所以"第七轮说自检已修完"的两项进程测试，实际上是没跑过。
-3. **自检副本只复制 `git ls-files` 里的文件**（`selftest.sh:16`）→ 任何**未跟踪的新文件**在副本里不存在，调用它的项会以 `ModuleNotFoundError` 变成 rc=1，看起来像功能坏了。本轮新加 `ml/common/vram.py` 就踩了：`train_stop`/`train_stopfile`/`apg_resume` 三项同时 rc=1，`git add` 之后才恢复。判据建议：自检开头先 `git ls-files --others --exclude-standard` 非空就报出来（或改用 `git ls-files -o --exclude-standard -t` 一起复制）。
-
-### 7.4 本机已改的（都按实测落地，不改判据含义）
-
-| 位置 | 改动 | 验证 |
-|---|---|---|
-| `ml/monitor.py` `find_bash()` | 便携版 git 的 `mingw64` 布局要再上一层；再兜 `which('bash')`（排除 System32 的 WSL bash） | 返回 `...\.qoder\bin\git\bin\bash.exe`（bash 5.2.37）；网页「开始训练」在本机的拦路石解除 |
-| `ml/selftest_proc.py` `alive()` / `wait_pids()` | `tasklist` 用 `text=True, errors='replace'` 并防 `None`；起不来时把最后一次异常带进结果 | `tree_killed`、`survive_parent_exit` 两项实测 true |
-| `ml/selftest.sh` | `rec` 解析失败记 false 不再丢项；`gen_resume` 判据剔除 `plan_ms`/`cert.ms`；APG 两项带 `--config` | 重跑第 1 项已变 **true**（「续写：已有 2/6 条 → 逐条一致」） |
-| `ml/configs/apg.json` | `batch 128 → 48`，加 `_vram` 记录实测表 | 最坏 13.08 GiB（实测），在 19–20 GB 预算内 |
-| `ml/configs/smoke.json` | 补 `apg` 段（`batch=8`） | 自检 APG 档 `vram: 0.33` |
-| `ml/common/vram.py`（新）+ `train.py` + `apg/apg_finetune.py` | 每进程硬帽 `VRAM_FRAC=0.78`（启动打印上限）；日志每条记录加 `vram` 峰值 | `显存上限：本进程 18.7 GiB（整卡 24.0 × 0.78）`；train `vram: 2.71` |
-| `ml/monitor.py` + `ml/monitor.html` | 状态带 `vram_budget_gb`（默认 20，`VRAM_BUDGET_GB` 可改）；GPU 显存条按预算算并超线变色；指标卡加「显存峰值」 | headless 加载渲染出的 DOM 里有「显存峰值 / 预算 19–20 GB（整卡 24，桌面占 4–5）」 |
-
-### 7.5 仍需实现方处理的（我没动）
-
-- **APG 的 `steps` 与机时**：`batch` 从 128 降到 48，每步看到的任务少 2.7 倍。`steps=3000` 要不要加、加多少是收敛判断，我只有显存实测、没有这个依据。`R2/R4/N-6` 各处按整卡写的显存估算文案也要按 19–20 GB 重写。
-- `R4 复跑`：`feat_dyn` 要重导模型，探针现在会**弹有界面窗口**跑 `viewer_ref`（30 题×≤10 s）与 WebGPU——本机跑之前请知悉会有窗口，别动它。
-- B-2 的几何查询搬 Worker（若本机 R9 仍不过）；R9 用真模型才有意义。
-
----
-
-## 八、R4 复跑（2026-10-18，`feat_dyn` 新模型 + 本地 ort + WebGPU）
-
-`bash ml/pipeline.sh r4` 端到端 **rc=0**。这次先把 `webapp/vendor/ort/`（onnxruntime-web 1.20.1，33 MB）**入库**（`.gitignore` 同步移除），不再依赖 npm/CDN——上一轮 `vendor_ort.sh` 的 `npm pack` 失败后探针静默退回 CDN，而 jsDelivr 本机完全不通，四种配置全变成「加载 ort 失败」，一条数字都没有。**这是个真问题**：下载失败时流程不该"看起来跑完了"。
-
-### 8.1 R4 判定口径：通过
-
-| 配置 | P50 | P95 | P99 | 备注 |
-|---|---|---|---|---|
-| **wasm·16 线程·proxy（部署口径）** | 7.06 | 8.88 | **12.67** | 本地 ort，`enc_once` + `feat_dyn` 新模型 |
-| wasm·4 线程·proxy | 10.25 | 12.48 | 13.22 | |
-| wasm·16 线程·无 proxy | 6.83 | 8.28 | 9.53 | |
-| **WebGPU** | 18.26 | 22.76 | **27.09** | 首次拿到真数：`hasGpu:true`、adapter `nvidia ampere`、有界面窗口；比 wasm 慢，不用 |
-
-结论：纯推理 P99 12.67 < 15，**R4 通过**；与修复前（10.22–11.25）同量级，`feat_dyn` 没让主推理变慢（主推理仍只送 1 行）。
-
-### 8.2 `viewer_ref`：随机模型的整周期数字（只作参考，但暴露了三件事）
-
-30 道贴柱题、随机权重、真查看器（有界面窗口）、16 线程 + proxy：
-
-| 指标 | 值 | 说明 |
-|---|---|---|
-| `planP50` / `planP99` | 68.5 / **131.2 ms** | R9 线是 45；随机策略几乎每次都认证多条候选 |
-| `starve_rate` | **32.7%** | 执行时钟到点队列为空 = 实际丢步 |
-| `inferP99` | 58.3 ms | 纯推理探针只有 12.7 → 差额是主线程排队 |
-| `lookaheadP99` | **170 ms** | 前瞻（8 行特征逐行编码 + 8 次 gapMatrix） |
-| `certFailWhy` | **time 948** / box 346 / cert 19 | 3902 次规划里 70% 的失败是"墙钟到点判不过" |
-| `tickGapMax` | **736 ms** | 主线程仍会被一次性占住（安全层在主线程） |
-
-**三条判读（给实现方，不是结论）**：
-1. 前瞻是现在最贵的一环（170 ms P99）。虽然已改成只在冷启动做，但 30 题就是 30 次冷启动，每次都落在 P99 上——R9 的 `planP99` 会被冷启动那几次主导。建议 `r4_probe --viewer` 同时报 `planP99`（含冷启动）与 `planP99Warm`（剔除每题第一次规划），否则这条线测的是"题数"而不是稳态性能。
-2. **`time` 截止占失败原因 70%**：45 ms 预算在随机模型上基本等于"到点判不过 → 刹停"（1019 次刹停 / 3902 次规划）。R9 若"通过"，必须同时报 `certFailWhy.time` 占比与 `brakeRate`，否则可能是靠拒绝候选换来的。
-3. `tickGapMax 736 ms` 说明安全层（几何查询）仍在主线程；B-2 的"搬进 Worker"没有做，这条是真模型跑之前要盯的。
-
-这些全是随机权重的数，R9 判据本来就规定用训练好的模型测，所以**不据此判 R9 过不过**；`r4.json` 里 `viewer_ref` 已标注"仅参考"。
+**门 1 实测（第一次真数据）**：`tasks 300 / pairs 1133 / consistentRate 0.838 / consistentByGateRule 0.838 / gate FAIL / deterministic 300/300`，分类看 `C 0.824`、`B 0.844`，`devP50 3.6`、`devP90 145.1`。
+→ 0.838 < 0.90，**自动走共识分支**（`--consensus 4`），与方案 R1 首测 78% 同一侧；`worstAxisOfInconsistent [43,4,42,40,16,39]` 说明跳变在各轴上分布均匀，不是某一根轴的系统性问题。gen 因此按 4–5 h 那一档估，不是 1 h。

docs/Transformer轨迹拟合训练方案.html

@@ -361,7 +361,8 @@ id="toc-101-只能靠实测消除的风险按里程碑顺序">10.1
 <blockquote>
 <p>基于
 <code>main@3c7c814</code>（贴立柱修复后的规划器）。本文是方案，代码尚未编写。
-训练机：RTX 3090 24 GB。部署：浏览器（后续真机）。</p>
+训练机：RTX 3090 24 GB，训练可用 19–20 GB（桌面常驻 4–5 GB，进程硬帽
+0.78）。部署：浏览器（后续真机）。</p>
 </blockquote>
 <hr />
 <h2 id="0-定位与边界">0. 定位与边界</h2>
@@ -879,8 +880,9 @@ WTA 谁更好</strong>；因此 WTA 只作为 M5
 </tr>
 <tr class="even">
 <td>预训练 + 后训练</td>
-<td>用户 RTX 3090 24 GB</td>
-<td>batch 1024–2048</td>
+<td>用户 RTX 3090（可用 19–20 GB）</td>
+<td>预训练 batch 1024（峰值 2.76 GiB）；APG batch 48 × 8000 步（峰值
+13.08 GiB）</td>
 </tr>
 <tr class="odd">
 <td>部署推理</td>
@@ -1566,9 +1568,10 @@ d=128（<code>configs/small.json</code>）。K=8 不降</td>
 <td>整周期超标（推理 + 前瞻 + 安全层 &gt; 60 ms
 周期，执行时钟饥饿丢步）</td>
 <td>训练好的模型在<strong>真查看器</strong>里跑与 bench 同一批 30
-道贴柱题：整次规划 P99 &lt; 45 ms、饥饿节拍 &lt;
-1%（<code>r4_probe --viewer</code> →
-<code>r9_browser.json</code>）；同题安全层浏览器 / Node 差 ≤ 3×</td>
+道贴柱题：稳态规划 P99 &lt; 45 ms、运动中饥饿节拍 &lt; 1%、认证超时占比
+&lt; 5%（<code>r4_probe --viewer</code> →
+<code>r9_browser.json</code>；冷启动 P99、刹停率、tickGapMax
+只报）；同题安全层浏览器 / Node 差 ≤ 3×</td>
 <td>几何查询（features、投影、认证）移到
 Worker，主线程只执行；前瞻只在冷启动时做</td>
 <td>M7</td>

docs/Transformer轨迹拟合训练方案.md

@@ -1,7 +1,7 @@
 # Transformer 避障运动策略：最终方案
 
 > 基于 `main@3c7c814`（贴立柱修复后的规划器）。本文是方案，代码尚未编写。
-> 训练机：RTX 3090 24 GB。部署：浏览器（后续真机）。
+> 训练机：RTX 3090 24 GB，训练可用 19–20 GB（桌面常驻 4–5 GB，进程硬帽 0.78）。部署：浏览器（后续真机）。
 
 ---
 
@@ -129,7 +129,7 @@
 | 阶段 | 在哪里跑 | 说明 |
 |---|---|---|
 | 数据生成 | Hark 沙箱（2 vCPU / 7 GB，Node）或用户机器 | 纯 JS，无需 GPU |
-| 预训练 + 后训练 | 用户 RTX 3090 24 GB | batch 1024–2048 |
+| 预训练 + 后训练 | 用户 RTX 3090（可用 19–20 GB） | 预训练 batch 1024（峰值 2.76 GiB）；APG batch 48 × 8000 步（峰值 13.08 GiB） |
 | 部署推理 | 浏览器 onnxruntime-web wasm-SIMD 多线程（代理 Worker）；ONNX 接口 feat[1,83]、z[K,16,6]：观测编码一次、K=8 条候选共享编码再解码；后续真机控制器 | 与现有查看器同页 |
 
 ```bash
@@ -449,7 +449,7 @@ for 每个 batch（随机采样 q0 和目标，不需要老师）:
 | R6 | 位姿目标的多 IK 分支带来额外多峰 | 不同肘/腕分支子集到达率 ≥ 主集 − 2 个百分点 | 加目标分支标志 | M5 |
 | R7 | APG 压缩多模态或拉长路径（ELMP 中路径 +23%） | 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（`ml/mining/gate.py`） | 加大 BC 锚定权重；行程项 | M6 |
 | R8 | 卡死换向活锁 | 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（`tests/policy_bench.cjs` r8） | 子目标改为离散绕行锚点分类 | M6 / M7 |
-| R9 | 整周期超标（推理 + 前瞻 + 安全层 > 60 ms 周期，执行时钟饥饿丢步） | 训练好的模型在**真查看器**里跑与 bench 同一批 30 道贴柱题：整次规划 P99 < 45 ms、饥饿节拍 < 1%（`r4_probe --viewer` → `r9_browser.json`）；同题安全层浏览器 / Node 差 ≤ 3× | 几何查询（features、投影、认证）移到 Worker，主线程只执行；前瞻只在冷启动时做 | M7 |
+| R9 | 整周期超标（推理 + 前瞻 + 安全层 > 60 ms 周期，执行时钟饥饿丢步） | 训练好的模型在**真查看器**里跑与 bench 同一批 30 道贴柱题：稳态规划 P99 < 45 ms、运动中饥饿节拍 < 1%、认证超时占比 < 5%（`r4_probe --viewer` → `r9_browser.json`；冷启动 P99、刹停率、tickGapMax 只报）；同题安全层浏览器 / Node 差 ≤ 3× | 几何查询（features、投影、认证）移到 Worker，主线程只执行；前瞻只在冷启动时做 | M7 |
 | R10 | 训练耗时估计偏差 | 60000 步 ≤ 3.5 h，即 2000 步测速 ≥ 5000 样本/s（3090 实测 6.2 k/s ≈ 2.8 h） | 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） | M5 |
 
 ### 10.2 已知缺陷

docs/本机执行清单.md

@@ -0,0 +1,245 @@
+# 本机执行清单（给本地 AI 逐条执行）
+
+本文件是 Hark 对本机计算的唯一要求清单。按顺序执行，每一步把「回传」里的文件或输出原样交给用户，不要跳步，不要自行改代码。
+所有命令在仓库根目录（G:\Robot_v2\机器人手臂）的 Git Bash 里运行。完成的条目由 Hark 在下一次提交里删掉。
+
+## 已知结论（截至 2026-10-19 05:35 回传）
+
+- 现有模型 `ml/runs/base/last.pt` 闭环 0% 到达：1 段采样碰撞 99.6%；4 段采样 94%；4 段 + 仿真安全层碰撞 0.78%，到达仍 0%。consist / value / first 三种选法结果几乎一样，问题出在候选本身，不在挑哪条。
+- 三份代码审查逐行核对了滚动索引、前缀、提交、标签与执行的对齐，没有找到错位；但之前没有任何测试真正走过 `rollout()`。下面第 1 步的 H 段把「仿真错了」「前缀照抄」「子目标切换规则」「多峰」几种解释逐个分开。
+- 之前「前 1 s 速度比 2.31×」按 6 轴角度直接相加，被 J5/J6 抖动和 pos 任务冻结的 J6 放大。H 段改为分轴、净位移、TCP 三种口径。
+
+## 第 0 步：同步代码
+
+```bash
+git status --short            # 有未提交的改动先 commit（git add -A && git commit -m "本机改动"），不要丢
+git pull --rebase gitea main
+git log --oneline -1          # 应是 Hark 的「diag: H 段（老师 oracle / 前缀消融 / 子目标规则 / 分轴指标）…」
+```
+
+- 训练控制台若开着，先点「停止」，确认没有 python 训练进程在跑。
+- 不要启动训练、DAgger、M5。
+
+## 第 1 步：闭环失败定位 H 段（约 35–50 分钟）
+
+```bash
+PYTHONUTF8=1 python -m ml.eval.diag_cl --ckpt ml/runs/base/last.pt --n 256 --out ml/runs/diag_cl.json
+```
+
+- 专用显存超过 22 GB 就 Ctrl+C，回传终端最后 30 行和已写出的 `ml/runs/diag_cl.json`（每段跑完就写一次，中断也保留已完成的段）。
+- 现有 checkpoint 没有 EMA、没有 `act_scale`：脚本按原始权重、动作尺度 1.0 载入（输出里 `weights`=`model`、`act_scale_ckpt`=1.0），与之前各轮同口径。
+- 回传：`ml/runs/diag_cl.json`。
+
+### 输出键
+
+| 键 | 内容 |
+|---|---|
+| `A_*`、`B_act_diff_deg` | 起点特征 Python 与数据集逐组差；两份特征下的动作差（与之前相同） |
+| `C` | 旧部署口径（1 段采样、子目标旧规则 timeout）的失败形态。到达与碰撞改为只计每题自己的时限内，数字可能比上一轮略低 |
+| `H1_oracle` | 老师当策略走完整 `rollout()`。`oracle` 字段：`max_dev_deg_before_dls`（DLS 接管前与老师轨迹的最大关节偏差，p50 / p99 / max）、`reach`、`collision`、`finish_minus_teacher_s`（完成时刻 − 老师时长）、`dls_used` |
+| `H1_oracle_noise_0.05` / `_0.1` / `_0.2` | 老师动作每次规划加 N(0, σ²)（σ 以 STEP 为单位） |
+| `H2_open_loop` | r = 3 的 val 行：`s{1,4}_prefix_orig`（前缀原样，执行窗口 3..5 的误差，另含 `prefix_copy_err_deg_mean`）vs `s{1,4}_prefix_zeroed`（前缀置零） |
+| `H2_replan_empty_s1` / `_s4` | 队列空了才规划（每次 r = 0），其余同新部署默认 |
+| `H3_headsub_cross_s{1,4}` | 子目标头 + 越过顶点规则（新部署默认） |
+| `H3_headsub_timeout_s{1,4}` | 子目标头 + 旧规则（< 5° 或 1.5 s 超时，旧部署） |
+| `H3_teachersub_cross_s{1,4}` / `H3_teachersub_timeout_s{1,4}` | 老师真实途经点全表，两种切换规则 |
+| `H3_nosub_s{1,4}` | 不用子目标 |
+| `H4_open_loop` | 按前缀长度 r = 0..3 分组的执行窗口误差 \|Σ(act − Y)·STEP\|（度），1 段与 4 段采样 |
+
+每个闭环变体（H1–H3）都带同一组指标：`reach`、`collision`（cat ≠ D、时限内）、`goal_ratio_2s_p50`、`end_goal_err_mm_p50`、`first_hit_s_p50`、`t_done_over_teacher_p50`、`brakes_p50`、`joint_amp_ratio`（6 轴前 1 s 关节行程 策略/老师）、`joint_net_ratio`（6 轴前 1 s 净位移 策略/老师）、`j6_pos_amp_deg_p50`、`tcp_path_ratio_p50`、`tcp_net_ratio_p50`、`sign_flip_rate` 与 `sign_flip_rate_teacher`（6 轴前 2 s 相邻 3 步块变号比例）、`by_cat_mode`（各类别 n / reach / collision / goal_ratio_2s_p50）、`D`（D 类单列）。`_s1` = 1 段采样（部署），`_s4` = 4 段采样。
+
+### 判读
+
+| 现象 | 结论 |
+|---|---|
+| `H1_oracle` 的 reach < 0.95、collision > 0.01、或 `max_dev_deg_before_dls.p99` > 0.1° | 仿真 / 滚动本身有错，之前所有闭环 0% 都不可信。先修仿真，不看下面各项 |
+| `H1_oracle` 全部正常 | 仿真没问题，失败在策略输出。再对照 `H1_oracle_noise_*`：σ = 0.05 时 reach 就大幅下降，说明闭环对残差噪声极其敏感，单靠降噪不够 |
+| `H2_open_loop` 的 `prefix_zeroed` 执行窗口误差明显小于 `prefix_orig`，或 `H2_replan_empty` 明显好于同段数的 `H3_headsub_cross`（reach > 0，或 `goal_ratio_2s_p50` 明显更低、`sign_flip_rate` 明显更低） | 前缀照抄（copycat）是主因 |
+| `H3_teachersub_cross` 明显好于 `H3_teachersub_timeout`（或 `H3_headsub_cross` 好于 `H3_headsub_timeout`） | 子目标切换规则是主因之一 |
+| `H3_teachersub_*` 明显好于 `H3_headsub_*` | 子目标头给的途经点不可用 |
+| `H3_nosub` 不比 `H3_headsub_cross` 差 | 子目标通道可以整体去掉 |
+| `by_cat_mode` 里 `A/pos`（老师就是一条直线）reach 也是 0 | 失败与多峰无关 |
+| `joint_amp_ratio` 远大于 `joint_net_ratio`，且 `sign_flip_rate` 远高于 `sign_flip_rate_teacher` | 「动得多、走得少」是来回抖，不是速度律学快了 |
+
+重新打包和重训（`FRESH_FROM=prep`）要等 Hark 看完这一步的结果再定，这一步之后不要自行启动。
+
+## 回传汇总
+
+| 步骤 | 回传内容 |
+|---|---|
+| 1 | ml/runs/diag_cl.json |
+| 任一步出错 | 终端最后 30 行输出 |
+
+---
+
+## 执行回传（2026-10-19 19:55，本地 AI）
+
+### 第 0 步：同步代码
+
+`ml/eval/diag_collision.py` 归档提交（本机改动 `7e063eb`）；根目录用户个人 html 为个人文件未入仓，原位保留。log 顶部 = `406f180`「diag: H 段 …」✓。无训练进程。
+
+### 第 1 步：H 段（完整 JSON 已更新到 ml/runs/diag_cl.json；weights=model、act_scale_ckpt=1.0，同口径；H_tasks 256、missing_teacher 0）
+
+**判读表逐行核对：**
+
+1. **`H1_oracle`：仿真完全正常。** reach **1.0**（243/243）、collision **0.0**、`max_dev_deg_before_dls` p50 6.9e-5° / p99 4.6e-4°（阈值 0.1°）、`finish−teacher` p50 −0.02 s、`dls_used` 94.9%。→ **滚动/仿真没有错，之前所有闭环 0% 都可信，失败在策略输出本身。**
+2. **`H1_oracle_noise`：对残差噪声极其敏感。** σ=0.05 时 reach 1.0→**0.218**（碰撞 9.1%）；σ=0.1→0.058；σ=0.2→0.012。→ 单靠降采样噪声不够（判读表第二行命中）。
+3. **`H2_open_loop`：前缀照抄排除。** prefix_orig vs zeroed：s1 2.315° vs **2.375**（置零不更好）；s4 0.251° vs **0.705**（置零明显更差）。`H4` 按 r=0..3 分组误差持平（2.31–2.33°）。`H2_replan_empty`：s1 0%/79.4%/0.836、s4 0%/84.8%/0.603——不比同段数 `H3_headsub_cross` 好。
+4. **`H3`：子目标三个变体逐位相同（新异常）。** `headsub_cross` / `headsub_timeout` / `nosub` 在 s1、s4 下从 reach 到 end_err 到 flip 数组**完全一致**（s1: 0% / 96.3% / 0.7504 / 414.2091；s4: 0% / 79.8% / 0.5869 / 428.0032）。`teachersub_*`（真值途经点）仅微动（s1 95.9%/0.726、s4 79.4%/0.578）。→ **子目标头通道在这条闭环里零响应**——比「可以整体去掉」更强；可能是 need 概率全程 <0.5 从不触发，或子目标输入对旧模型输出无影响，建议核一下（D0 曾测过 need 标签占比 28.1%）。
+5. **`by_cat_mode`：A/pos（老师直线）reach 也是 0**（s1 碰撞 94%）→ **失败与多峰无关**。
+6. **分轴指标：s1 的"动得多"含抖、s4 后基本消抖。** J5/J6 幅度/净位移：s1 3.08/2.57、2.55/2.16；s4 1.83/1.84、0.69/0.69，`sign_flip_rate` 从 0.026–0.062 降到 0.0006–0.0013（≈老师 0.0005–0.004 水平）。→ 4 段采样把来回抖消掉了，但净位移仍 J5 1.8×，且到达仍 0%。
+
+**C 段**（新时限口径）：0% 到达 / 96.5% 碰撞 / 2 s 误差比 0.755。
+
+### 本轮无出错，无终端报错段。
+
+---
+
+## 本地自主排查（2026-10-19 20:40，用户授权「继续排查」）
+
+### 1. 闭环噪声容忍阈值（老师动作 + N(0,σ²)，σ 以 STEP 为单位，n=256，其余同 H1_oracle）
+
+| σ | 0 | 0.005 | 0.01 | 0.02 | 0.03 | 0.04 | 0.05 |
+|---|---|---|---|---|---|---|---|
+| reach | 1.0 | 1.0 | 0.971 | 0.716 | 0.457 | 0.309 | 0.218 |
+| collision | 0 | 0.8% | 2.5% | 4.9% | 6.2% | 7.4% | 9.1% |
+| ratio2s | 0.047 | 0.049 | 0.049 | 0.054 | 0.059 | 0.063 | — |
+
+→ **闭环能容忍的每步噪声上限 ≈ 0.01–0.02×STEP**（约 0.02–0.04°/步）。策略 s1 残差 ~0.77°/步、s4 ~0.05–0.08°/步，都在崩溃区右侧。
+
+### 2. 8 段采样闭环（steps=8，同 H3_headsub_cross 口径）
+
+reach **0%** / collision **79.0%** / ratio2s 0.574 / end 408 mm；`sign_flip_rate` 0.0004–0.0015（≈老师 0.0005–0.004，抖已完全消掉）、`amp ≈ net`（1.00/1.19/0.97/1.19/1.36/0.76，无抖动成分）。
+
+→ 对比 s4（reach 0 / 79.8% / 0.587）：**s4→s8 几乎无改善**。按上表的白噪声口径，s8 的残差幅度（16 步 0.56° ≈ 0.035°/步，σ_eff≈0.0175）应给出 reach≈0.75——实测 0。**策略误差不是白噪声，是有方向的系统偏差**：幅度不大但同向、闭环里逐步累积，重规划抵消不掉。降采样噪声（1→4→8 段）已到天花板。
+
+### 3. 子目标通道：need 头恒不触发（新发现，修正「子目标排除」的理由）
+
+- 冷启动（子目标特征抹零，与闭环同口径）need 概率：mean 0.0048、p50 0.0030、p90 0.0079、**max 0.0819**、>0.5 占比 **0**；43 道 need=True 题召回 **0/43**。（D0 的 0.71875 准确率恰等于"全预测 False"基线，当时已有此暗示。）
+- 因此闭环里 `sub_flag` 恒 0、子目标从不激活——这才是 H3 三变体逐位相同的直接原因。
+- 但模型对子目标特征**高度敏感**（同一噪声下真值子目标 vs 置零：|Δact| mean 0.177、max 3.09）——训练时 80% 样本 sf=1，而闭环 100% 是 sf=0，属训练/闭环分布错配。
+- 不过 H3_teachersub（强制真值 need + 真值途经点）仍 0% / 95.9%——**子目标不是闭环全灭的主因**，但 need 头失效 + 闭环恒走少数分支值得修。
+
+### 4. 汇总判断
+
+- 仿真正常（H1_oracle 已证）；采样噪声已压到老师抖动水平仍 0% 到达 → **剩余障碍是策略的系统性动作偏差 + 闭环对误差的极低容忍度（误差复利）**。
+- 继续调采样段数、子目标规则、候选选择都无解；正确方向是**在闭环状态上训练（DAgger）**，让老师纠正分布偏移，或提高闭环鲁棒性。
+- 未自行启动 DAgger / 重训，等指示。
+
+### 5. 补充：系统偏差的方向结构（4096 行开环 + 256 题闭环，4 段采样）
+
+**开环动作误差（deg，有符号）**：
+
+- 每轴均值 [0.010, −0.012, −0.001, −0.029, 0.034, 0.018]，|mean|/std ≤ 0.17 → **无固定轴向偏置**（不是某轴恒偏）。
+- 每轴标准差 0.16–0.21°；每步平均 |误差| 0.016–0.018°，**16 步内不随步数增长**。
+- **lag-1 自相关 0.931–0.967（极高）** → 误差是**慢变/连贯**的，不是白噪声。这解释了为什么白噪声 σ 扫描会低估策略误差的危害：闭环重规划抵消不掉持续同向的偏差。
+- 误差与老师动作方向：cos mean 0.046 / p50 0.072（不超调也不欠调）；投影比 e·Y/|Y|² mean −0.038 / p50 0.006（无系统性缩放）。
+
+**闭环误差增长（s4，n=256，done=0）**，goal_err / 起点误差：
+
+| t (s) | 0.25 | 0.50 | 0.75 | 1.00 | 1.50 | 2.00 |
+|---|---|---|---|---|---|---|
+| p50 | 0.959 | 0.880 | 0.811 | 0.741 | 0.645 | 0.591 |
+| p90 | 1.024 | 1.072 | 1.119 | 1.162 | 1.222 | **1.318** |
+
+→ p50 缓慢靠近（2 s 缩 41%），**p90 持续发散**——≥10% 的题误差随时间增长（误差复利进碰撞轨道），其余也远不够快。
+
+**补充结论**：策略每步误差很小（~0.017°）但**时间相关性极强（0.93–0.97）**，闭环对"慢变误差"的敏感度远超等幅白噪声；失败是「慢变误差 × 闭环误差复利」。推理侧降噪（段数/选择器）已无空间，训练侧需要降低慢变误差（DAgger / 闭环状态训练）。
+
+### 6. 「2 s 误差比 >1 的发散题」能否提前筛掉（per-task 分组，s4，n=256；明细 ml/runs/task_divergence.json）
+
+| 组（2 s 误差比） | 题数 | 碰撞 | 到达 | cat/mode | 起点误差 p50 | 老师时长 p50 | need 率 | 老师到达 |
+|---|---|---|---|---|---|---|---|---|
+| 发散 r2>1.0 | 48 | 81% | 0% | A/pos 14、A/pose 14、C/pose 5、C/pos 5、B/pos 3、B/pose 3、D/pos 2、Dr/pos 2 | 374 mm | 1.80 s | 21% | 96% |
+| 平 0.7–1.0 | 48 | 83% | 0% | 混合 | 539 mm | 2.12 s | 27% | 90% |
+| 收敛 ≤0.7 | 160 | 79% | 0% | 混合 | 642 mm | 2.18 s | 31% | 96% |
+
+- **三组碰撞率相同（79–83%）、到达全 0**——不存在"一小撮可提前去掉的坏题"；发散题散布在所有类别，老师都能到达。
+- r2 与起点误差秩相关 **−0.384**（起点误差小 → 比值易大），是**分母效应**：短任务（老师 1.8 s、e0 374 mm）比值波动大，不代表题目特殊；r2 与老师时长/行程几乎无关（−0.09 / −0.03）。
+- 结论：误差放大是**全体题目上的普遍行为**，筛题无效（只让指标好看），必须训练侧修正。
+
+### 7. DAgger 小样本试跑（用户授权；未跑全量、未微调）
+
+**链路实测**（ckpt `ml/runs/base/last.pt`，旧口径 act_scale=1.0）：
+
+| 步骤 | 规模 | 实测 |
+|---|---|---|
+| `ml.dagger.collect`（16 题，parts=2） | 16 题 | **12.7 s**（含加载），29 个起点（全撞，拒 1 个 gap） |
+| `ml.dagger.collect --n 64`（显存采样） | 64 题 | 成功，112 个起点（拒 10 gap），**显存峰值 7.98 GB**（24 GB 卡，无 OOM） |
+| `node ml/gen/gen_dataset.cjs --tasks tasks_01.jsonl` | 15 个起点 | **7.6 s**，shard 含 qPrev / v0 / traj / cert |
+| `ACT_SCALE=1.0 node ml/prep/build_dataset.cjs …` | 13 题 | **2.3 s**，453 样本（175 增广），meta `act_scale:1, data_ver:2` |
+
+**关键口径提醒**：`build_dataset.cjs` 现在默认 **ACT_SCALE=1.25**（DATA_VER 2），而现有主数据 `ml/data/samples` 无 meta → 训练按 **1.0** 读。两者不一致时训练直接报错（README 第 120 行）。全量 DAgger 前二选一：
+1. 打包 DAgger 时显式 `ACT_SCALE=1.0`（与旧主数据、旧 ckpt 兼容）；
+2. 先按新流程 `FRESH_FROM=prep` 重打主数据为 1.25、重训后再跑 DAgger。
+本次试跑全部用 1.0；产物在 `ml/data/dag_try*/`（gitignored）。
+
+**全量耗时外推（估算，以首次实测为准）**：collect 8000 题约 0.8–1 小时（单进程）；老师重规划 1.6 万起点 / NPROC≈12 约 10 分钟；打包约 3 分钟；微调 15000 步未试。
+
+**结论**：DAgger 收集链路可用、显存安全（峰值 8 GB），可以全量启动——但先定 act_scale 口径。
+
+### 8. 「加大数据能否力挽狂澜」——闭环状态到训练分布的距离（s4，n=256，9408 个闭环状态）
+
+方法：闭环轨迹每 10 步取一个 q（9408 点），对训练集 191 万老师状态求最近邻（6 维关节角 L∞，±360 回绕）；对照 = 每题起点（老师分布内）。
+
+| 状态 | p10 | p50 | p90 | p99 |
+|---|---|---|---|---|
+| 闭环轨迹状态 | 12.10° | **21.46°** | 32.50° | 44.56° |
+| 每题起点（老师） | 8.71° | 13.21° | 17.91° | 21.53° |
+
+- 闭环状态离最近老师状态中位 **21.5°**（起点 13.2° 的 1.6×；p90 32.5°、p99 44.6°）。
+- 训练集本身在关节空间稀疏：连老师起点最近邻都有 13.2°——数据是"轨迹线"而非密集体。
+- 按密度缩放（6 维 d∝N^(−1/6)）：数据翻 4 倍最近邻仅降 ~21%（21.5°→~17°），而策略误差尺度是 0.02°；差距三个数量级，且同类数据不改变误差的时间相关结构（0.94）。
+- **结论：扩大同类老师数据救不了闭环**；需要「不同的数据」——在策略实际到达的状态上标注（DAgger），把 21.5° 这些分布外点变成训练样本。
+
+### 9. 方案 A 实测：合成扰动状态样本微调（两轮配方）
+
+做法：从训练任务老师轨迹的 15–85% 处取状态，加 N(0,σ²) 关节扰动（σ 混合 0.5/1/2/4°；实测起点偏移 p50 1.5°），老师重规划（**2000/2000 到达**、cert 1951/2000），打包 36k 样本（act_scale=1.0，为主数据的 1.9%），从 `base/last.pt` 微调 3000 步，2000 步时以 EMA 权重做 512 题闭环评估。
+
+| 配方 | success | collision | goal_ratio_2s | ol_fk_mm | ol_best_mm | ol_div |
+|---|---|---|---|---|---|---|
+| base/last.pt（基线） | 0 | 0.996 | 0.755 | 5.98 | 2.92 | 0.655 |
+| +扰动样本 lr 3e-4 | 0 | **0.484** | 0.927 | **15.27** | 10.32 | 0.966 |
+| +扰动样本 lr 1e-4 | 0 | 0.604 | 0.893 | **16.42** | 11.45 | 0.980 |
+
+- 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。
+
+### 11. 方案 B 初版实测（分支 `feat/abs-target`，保存点 tag `pre-b-abs-target`）
+
+**改动**（全部在分支，main 未动）：
+- `build_dataset.cjs`：`ABS_TARGET=1` → Y = 16 步绝对目标关节角（/180 归一化），prefix 仍存增量（度），meta 记录 `abs_target`、签名加 `a1`。
+- `train.py`：读 `abs_target`；每单位动作=180°；FK 损失用绝对位置；平滑项换算到增量量纲；开环指标用第 16 步绝对位置；ckpt 记录 `abs_target`。
+- `closed_loop.py`：模型输出绝对目标 → 队列存目标序列、执行 `q=clamp(target)`、前缀由目标差分、安全层中点与 DLS 增量转绝对目标。
+- `ckpt.py` / `data.py`：abs_target 透传与一致性检查。
+- **过程 bug（已修）**：前缀噪声增广把 eps 直接加到绝对目标标签上（≈18° 污染，一半样本）；改为累计偏移后第 r 步扣回。
+
+**数据**：84 shard 重打 → 201 万样本、abs_target=1；标签连续（步间差 p50 0.30°、p99 1.8°、无 ±180 跳变）。
+
+**训练结果**（从零 9950 步；p_neq 预热 5000 步）：
+
+| step | ol_fk_mm | ol_best_mm | 闭环 success | 碰撞 |
+|---|---|---|---|---|
+| 4000 | 74.6 | 33.4 | 0 | 100% |
+| 6000 | 140.4 | 70.3 | 0 | 100% |
+| 8000 | 139.0 | 68.5 | 0 | 100% |
+
+- 一步采样动作误差 **31°**（4/8 段采样 2.3°/2.8°）——**绝对目标的一步流匹配映射没学会**；闭环 1 段 0%/100%、4 段 0%/100%（ratio2s 1.045）。
+- 过预热后 5000 步无下降趋势。可能原因：一步样本仅 `p_edge=10%`、`ada_p=1` 逆误差加权压制难样本、FK/平滑辅助项在绝对位置空间主导。
+- **结论：此配方不成立**。B 若继续，需改训练配方（p_edge↑、w_fk↓、ada_p=0）或换输出头（确定性回归）；当前证据不支持继续投入。分支代码保留可复现。

ml/README.md

@@ -1,6 +1,6 @@
-# 机械臂避障策略：从数据到部署的运行手册
+# Transformer 多峰策略端到端训练与浏览器部署
 
-目标：在你的机器上从零跑出 Transformer 避障策略，并在查看器里直接用上。
+机械臂避障策略运行手册。目标：在你的机器上从零跑出 Transformer 避障策略，并在查看器里直接用上。
 方案依据见 `docs/Transformer轨迹拟合训练方案.md`。所有命令在**仓库根目录**执行。
 
 **一键运行（无人值守）**：先激活训练用的 Python 环境，Windows 双击 `ml/console.bat`（Linux/WSL 运行 `bash ml/console.sh`），浏览器自动打开训练控制台 `http://localhost:8100/`，点「开始训练」即从对拍一路跑到验收。等价的终端命令是 `bash ml/pipeline.sh all`。
@@ -24,7 +24,8 @@
 | 3 老师门禁 | `bash ml/pipeline.sh gate1` | 25–30 分钟（单核） | `ml/data/consistency.json` |
 | 4 生成数据 | `bash ml/pipeline.sh gen` | 不共识约 1 小时；共识约 4–5 小时 | `ml/data/shard_*.jsonl`、`stats.json` |
 | 5 打包样本 | `bash ml/pipeline.sh prep` | 15–30 分钟 | `ml/data/samples/`、`ml/data/r2.json` |
-| 6 预训练 | `bash ml/pipeline.sh train` | 测速 2000 步约 6 分钟，正式约 3 小时 | `ml/runs/base/best.pt` |
+| 6 预训练 | `bash ml/pipeline.sh train` | 测速 2000 步约 6 分钟，正式 24000 步约 1.5–2.5 小时（未实测：fp32 MF 分支后的吞吐以测速为准） | `ml/runs/base/best.pt` |
+| 6′ DAgger 纠偏 | `bash ml/pipeline.sh dagger` | 未实测，估 3–4 小时：2 轮 ×（采起点 5 分钟 + 老师重规划约 30 分钟 + 打包 + 微调 15000 步） | `ml/runs/base_dagger.ckpt`、`ml/runs/base_dag2/best.pt` |
 | 7 M5 门禁 | `bash ml/pipeline.sh m5` | 估算 10–20 分钟 | `ml/runs/m5_gate_base.json` |
 | 8 APG 微调 | `bash ml/pipeline.sh apg` | 未实测：展开长度 60–150 次推理随批变化，以监控页前 50 步换算的 ETA 为准 | `ml/runs/apg/best.pt` |
 | 9 挖错循环 | `bash ml/pipeline.sh mine` | 未实测：每轮 = 5 万题作答 + APG，以第 1 轮实际耗时 × 轮数为准 | `ml/runs/current.pt` |
@@ -38,7 +39,7 @@
 
 ---
 
-> 分歧规则：审查方与实现方意见讨论后仍不一致时，以实现方（Hark）的意见为准先落地；下一轮用实测数据说话（详见 docs/ML运行手册审查.md 第五轮第〇节）。
+> 分歧规则：审查方与实现方意见讨论后仍不一致时，以实现方（Hark）的意见为准先落地；下一轮用实测数据说话（见 docs/ML运行手册审查.md 第二节）。
 
 ## 1. 环境
 
@@ -61,7 +62,7 @@ bash ml/pipeline.sh kin
 检查：最后打印的 JSON 里 `"PASS": true`（fk、姿态、组对间隙、83 维特征、间隙梯度与 JS 一致）。
 `docs/collide.json` 以后只要重新拟合或重生成 `pair2d`/`roadmap`，这一步、数据、模型都要重来（指纹不符时各脚本会拒绝运行）。
 
-**真跑之前（第七轮新增，5–10 分钟）**：`bash ml/pipeline.sh selftest`（进程生命周期与断点续跑自检 → `ml/runs/selftest.json`，不碰本仓库数据）。通过后正式流程按「数据 → 训练 → 后训练与评测」三段跑，中途出错从该阶段 `FROM=` 续跑。`bash ml/pipeline.sh smoke`（副本里极小模型全流程冒烟，40–70 分钟）备用，不必跑。待办与已定做法见 `docs/ML运行手册审查.md` 第六节。
+**真跑之前（第七轮新增，5–10 分钟）**：`bash ml/pipeline.sh selftest`（进程生命周期与断点续跑自检 → `ml/runs/selftest.json`，不碰本仓库数据）。通过后正式流程按「数据 → 训练 → 后训练与评测」三段跑，中途出错从该阶段 `FROM=` 续跑。`bash ml/pipeline.sh smoke`（副本里极小模型全流程冒烟，40–70 分钟）备用，不必跑。已定判据与待回答问题见 `docs/ML运行手册审查.md`。
 
 **R4 延迟（训练前做，自动）**：推理延迟只取决于模型结构，与权重无关，所以用随机初始化模型先测，不过就在训练前改结构，不必等训完。
 
@@ -114,7 +115,9 @@ bash ml/pipeline.sh gen                     # 默认 5 万条、进程数 = CPU
 bash ml/pipeline.sh prep
 ```
 
-每条轨迹按 50 Hz 时间律重放，每 3 步取一个样本（特征与部署同一份 JS 代码计算），30% 样本加 σ = 1° 噪声增广（加噪后间隙 < 3 mm 的不用）。
+每条轨迹按 50 Hz 时间律重放，每 3 步取一个样本（特征与部署同一份 JS 代码计算）。40% 样本对 q 加 σ = 3° 噪声增广，标签改为 12 步内线性收回老师轨迹（加噪后间隙 < 3 mm 或收回途中有碰撞的不用）。
+- **动作标签**：Y = 每步增量 / (act_scale · STEP)，夹在 ±1，`act_scale` = 1.25（`ACT_SCALE`）。老师巡航时主导轴每步正好 1 个 STEP，标签最大 0.8，执行端的 ±1 只防越界；被 ±1 截掉的收回量在下一步补上。运行时增量 = clamp(act, ±1) · act_scale · STEP，`act_scale` 写在 checkpoint 和 ONNX meta 里，仿真、APG、浏览器运行时都按它反归一化；没有这个字段的旧模型按 1.0 处理。
+- 每个 shard 打包产物带 `<shard>.meta.json`（数据版本 `data_ver`=2、`act_scale`、增广参数、签名 `sig`）。`ACT_SCALE`、`AUG_P`、`AUG_SIGMA`、`AUG_BACK`、`MIN_GAP_MM` 任一变化，签名就变，`run_prep.sh` 只重打签名不符的 shard；没有 meta 的旧打包一律重打。训练读 meta 取 `act_scale`，同一次训练的各目录（主数据 + DAgger）必须一致，否则报错。
 认证最小间隙 < 3 mm 的老师轨迹不进训练集（`MIN_GAP_MM=3`，与 `stats.json` 的 `gapDrop` 同一口径）：模型只学离障碍 ≥ 3 mm 的走法，运行时投影护栏仍保持 5 mm。
 检查 `ml/data/samples/index.json`：`train_samples` 约 170 万、`val_samples` 约 9 万（5% 任务划为 val）。
 `MIN_GAP_MM` 必须与生成阶段相同（`stats.json` 的 `minGapFilterMm`），不一致时这一步直接报错（返回码 8）。
@@ -127,11 +130,32 @@ bash ml/pipeline.sh prep
 bash ml/pipeline.sh train                           # MeanFlow 头 → ml/runs/bench_base/、ml/runs/base/
 ```
 
-先跑 2000 步测吞吐（`ml/runs/bench_base/log.jsonl` 的 `samples_per_s`，`eta_h` 是剩余小时数），再正式训练到 60000 步或闭环到达率连续 5 次不升为止。
+开训前先跑老师轨迹回放自检（`ml/runs/replay_teacher.json`，约 1–3 分钟），两部分都过才开训：
+- 运动学口径：老师 50 Hz 轨迹直接放进 PyTorch 运动学 / 碰撞 / 到达判据，到达 ≥ 95%、碰撞 ≤ 1%；
+- 滚动口径：老师当策略（`TeacherOracle`）走完整的闭环仿真 `rollout()`（队列、前缀、提交 3 步、标签 clamp、DLS、时限都与策略同一条路径），时限内到达 ≥ 95%、碰撞 ≤ 1%、DLS 接管前与老师轨迹的最大关节偏差 p99 ≤ 0.1°。
+流程读 json 的 `pass` 字段，并核对 `fp`（当前 `kin.json`）与 `data_fp`（数据 shard 记录的碰撞模型指纹）；任一不符就重跑一次回放，仍不过 rc 5 停。
 
-- **通过线（R10）：`samples_per_s` ≥ 5000，即 60000 步 ≤ 3.5 小时**。参考：3090、batch 1024 实测 6.2 k 样本/s ≈ 2.8 小时。MeanFlow 的 JVP 双前向使训练受算力限制，加大 batch 不会提高样本/s；低于通过线时把 `configs/base.json` 的 `fk_caps` 从 96 降到 48，仍不够再把 `steps` 降到 40000
-- 训练中每 2000 步打印一行 `EVAL {...}`：val 任务闭环（部署节奏、不开安全层）`success`、`collision_rate`、`time_ok_1p3`、`start_fail`。时限 = 老师时长 × 2（至少 3 s）
-- 显存不够把 `batch` 改成 512。中断后再跑 `bash ml/pipeline.sh train`（或 `all`）会自动从 `ml/runs/<头>/last.pt` 续训（每 10 分钟存一次），测速那 2000 步做过就跳过。训练发散时不会用发散的权重覆盖 `last.pt` / `best.pt`。
+闭环指标长期 0% 而开环正常时，跑 `PYTHONUTF8=1 python -m ml.eval.diag_cl --ckpt ml/runs/base/last.pt --n 256`（约 35–50 分钟）→ `ml/runs/diag_cl.json`：A 起点特征 Python 与 JS 逐组差、B 两份特征下动作差、C 旧部署口径的失败形态、H 老师 oracle / 前缀消融 / 子目标规则 / 分轴与分类别指标（各键含义见 `ml/eval/diag_cl.py` 文件头与 `docs/本机执行清单.md`）。
+
+先跑 2000 步测吞吐（`ml/runs/bench_base/log.jsonl` 的 `samples_per_s`，`eta_h` 是剩余小时数），再正式训练 24000 步（`configs/base.json` 的 `steps`，余弦学习率按这个预算走完）。
+
+- **通过线（R10）：`samples_per_s` ≥ 5000**（24000 步 × batch 1024 ≈ 1.4 小时）。MeanFlow 的 JVP 双前向使训练受算力限制，加大 batch 不会提高样本/s；低于通过线时把 `configs/base.json` 的 `fk_caps` 从 96 降到 48
+- **EMA**：训练同时维护权重的指数滑动平均（`ema` 0.999），checkpoint 里存 `model`（原始权重）与 `ema`。评估、DAgger、APG 起点、M5、挖错、验收、导出一律用 EMA 权重（没有 `ema` 的旧 checkpoint 用 `model`）
+- 训练中每 2000 步用 EMA 权重打印一行 `EVAL {...}`：val 任务闭环（部署节奏、不开安全层）`success`、`collision_rate`、`goal_ratio_2s`（2 s 时目标误差 / 起点误差的中位数）、`time_ok_1p3`、`start_fail`，时限 = 老师时长 × 2（至少 3 s），碰撞与到达只计时限内；开环三项（val 样本、老师状态上）：`ol_fk_mm` 候选 0 的 16 步末端误差、`ol_best_mm` 8 个候选里最好的一条、`ol_div` 候选多样性。
+- **选模**：`score` = success + 0.05·(1 − collision_rate) + 0.05·(1 − min(1, goal_ratio_2s)) − 1e-4·min(ol_best_mm, 500)，到达率全 0 时闭环指标仍能排序。p_neq 预热期内和预热后第一次评估之前不存 best.pt（一步映射还没训过）；早停只在 max(预热 + 2 次评估, 总步数一半) 之后计数，连续 5 次不升即停
+- 损失：FK / 平滑只加在 MF 分支 r = t 且 t ≤ 0.3 的配对去噪估计 x̂ = z − t·u 上；时间嵌入最高角频率 50；MF 分支与 JVP 走 fp32（TF32 矩阵乘）；前 5000 步 p_neq = 0，之后 p_neq = 0.5，另有 10% 样本固定在部署用的 (r = 0, t = 1)（`p_edge`）
+- 子目标头只用把 sub 特征置零的输入训练（sub 存在时子目标标签与输入是同一个量，原样抄就能答对）；运行时子目标头只在冷启动、sub 为空时使用，口径一致。价值头用完整输入
+- 条件输入增广（训练时现做，`aug_pre_drop` 0.15 / `aug_pre_sigma` 0.1 / `aug_dq_sigma` 0.3）：前缀随机清空（变成 r = 0 样本，标签不变）；前缀加噪声，标签前 r 步同步加、第 r 步扣回；速度特征 dq 加噪声。目的是让模型不能靠照抄上一块和上一帧速度出动作
+
+## 6′. DAgger 纠偏
+
+```bash
+bash ml/pipeline.sh dagger
+```
+
+起点模型：预训练 best.pt 的闭环 success > 0 时用它，否则用 last.pt（`python -m ml.common.ckpt pick ml/runs/<头>`），都取 EMA 权重；之后每轮按同一规则取上一轮的结果。微调时只有起点已走过自己的 p_neq 预热才不再预热。
+用起点模型在 train 任务上闭环跑（关安全层），每题取「首次碰撞前 0.2 s」和一个随机时刻的状态做起点（须无碰、间隙 > `MIN_GAP_MM`、离目标 > 5 mm），同时记下该时刻的上一帧。老师从这些起点重新规划（`gen_dataset.cjs --tasks`，与主数据同认证），时间律从当前速度在首段方向上的分量起步（`v0`），t = 0 样本的速度特征用真实上一帧；打包后与主数据一起微调。微调的 val 只取主数据，DAgger 样本全部算 train。默认 2 轮（`DAG_ROUNDS`），每轮 8000 题（`DAG_N`）、微调 15000 步（`DAG_STEPS`，lr 3e-4）。老师只用于训练标注，部署仍无老师。M5 门禁读 `ml/runs/<头>_dagger.ckpt` 指向的模型；APG / 挖错的 BC 项也用 DAgger 样本。可断点续跑（采集、老师 shard、打包、微调各有完成标记）。
+- 显存预算**浮动**：整卡留 1 GB 给系统（`VRAM_RESERVE_GIB`，默认 1），训练与 APG 进程启动时按"整卡 − nvidia-smi 已用 − 余量"和"CUDA 空闲 − 余量"两者取小自设本进程上限（`ml/common/vram.py`）。占显存的应用多，上限就自动变小，不用改配置；想按定值对拍给 `VRAM_FRAC`（旧口径 0.78）。日志 `vram` 字段记峰值；预训练 `batch=1024` 实测峰值 2.76 GiB、APG `batch=48` 13.08 GiB。显存不够把 `batch` 改成 512。中断后再跑 `bash ml/pipeline.sh train`（或 `all`）会自动从 `ml/runs/<头>/last.pt` 续训（每 10 分钟存一次），测速那 2000 步做过就跳过。训练发散时不会用发散的权重覆盖 `last.pt` / `best.pt`。
 
 ## 7. M5 门禁：选定动作头
 
@@ -162,7 +186,7 @@ bash ml/pipeline.sh apg
 - **展开长度**：每批覆盖该批老师时长 p90 × 1.2（无老师题按 6 s），在 60–150 次推理（3.6–9 s）之间；日志 `plans` 字段是本批实际次数
 - **到达项**：每 10 次推理段末的 TCP 距离与姿态误差，没有「到达即停」。这是有意的：段末项在整条展开上持续给出接近目标的梯度
 - **碰撞项**：每步端点与中点的逐胶囊对铰链 `ReLU(3 mm − 间隙)`，两处取均值（与只查端点同量纲，`w_col` 不变）。3 mm 与训练数据的过滤线一致，碰撞项不与 BC 标签对抗；运行时投影护栏是独立的 5 mm
-- 显存不够把 `configs/apg.json` 的 `batch` 降到 64，或把 `seg_plans` 从 10 降到 5
+- `configs/apg.json` 定为 `batch=48`、`steps=8000`（本机实测 `batch=48/plans=150` 峰值 13.08 GiB；`batch=128` 必 OOM；总任务量与原 128×3000 相同）。仍超预算时把 `seg_plans` 从 10 降到 5，不降 `plans_max`（会截掉长任务的绕出段）
 
 ## 9. 挖错循环
 
@@ -177,7 +201,7 @@ bash ml/pipeline.sh mine            # 默认 6 轮；ROUNDS=3 APG_STEPS=1000 MIN
 ## 10. 导出
 
 ```bash
-bash ml/pipeline.sh export          # fp32 ONNX + meta.json → webapp/models/（约 20 MB）
+bash ml/pipeline.sh export          # fp32 ONNX + meta.json（含 act_scale）→ webapp/models/（约 20 MB），导出 EMA 权重
 ```
 
 默认 fp32：部署走 wasm 与 Node CPU，fp16 在 CPU 后端上不保证更快。只有第 13 步用 `&ep=webgpu` 实测 `__POLICY.latency()` 明显受益时，才另导出 fp16 做对比：
@@ -197,7 +221,7 @@ bash ml/pipeline.sh bench
 
 看 `ml/runs/policy_bench.json`：各集合 `collisionFrames` 为 0；`near_column_*` 与 `route40` 全部 `ok`；`near_column_1000` 0 失败；`brakeRate` < 0.02；`r8_adversarial` 的 `recoveryRate` ≥ 0.95、`livelock` = 0。
 同一步还会在查看器里跑**同一批** 30 道贴柱题（与 Node 同种子），写 `ml/runs/r9_browser.json`（会弹出浏览器窗口几分钟）：
-- **R9 通过线：整次规划 `planP99` < 45 ms、饥饿节拍 `starve_rate` < 1%**（整次规划 = 推理 + 前瞻 + 安全层，60 ms 周期留 15 ms 给渲染与执行时钟；饥饿 = 执行时钟到点时队列空了，即实际丢步）。
+- **R9 通过线：稳态规划 `planWarmP99` < 45 ms、运动中饥饿节拍 `starve_rate` < 1%、认证超时占比 `cert_time_rate` < 5%**（整次规划 = 推理 + 前瞻 + 安全层，60 ms 周期留 15 ms 给渲染与执行时钟；稳态 = 剔除每题静止起步那次冷启动规划，冷启动只是起步延迟，`planColdP99` 只报；饥饿 = 运动中执行时钟到点队列空了，即实际丢步；认证超时一闸防止靠拒绝候选、刹停换来耗时达标）。`brake_rate`、`tickGapMax` 只报不判。
 - 两边对照：`policy_bench.json` 的 `near_column_pos.safetyMsP99` 与浏览器 `safetyP99` 差 > 3× 时验收标红，用 `certQueriesP99`（每次规划新增距离查询）、`certMemoHitRate`、`certFailWhy`（`cert` / `budget` / `time` / `box`）定位。
 
 ## 12. 验收汇总
@@ -220,6 +244,7 @@ python ml/serve.py                  # 带跨源隔离头的本地服务，wasm
 - 控制台 `__POLICY.latency()` 查看推理、前瞻、安全层、整次规划的 P50/P99 与节拍；`__POLICY.stats()` 查看刹停、换向、精修次数
 - `&autotest=30` 自动跑与 bench 同一批贴柱题，结果在 `__POLICY.autotest`
 - 运行时投影护栏 5 mm：候选动作离障碍 < 5 mm 时沿间隙梯度外推（训练数据的过滤线是 3 mm，护栏比数据更保守）
+- 动作尺度读模型 meta 的 `act_scale`；子目标按「越过顶点」切换（与训练标签同口径：沿拐角平分面越过当前途经点即换下一个，没有超时），与仿真 `closed_loop.sub_advance` 同一规则
 - 工具偏移 ≠ 0 时自动交回原规划器
 - 离线环境：`bash ml/prep/vendor_ort.sh` 把 onnxruntime-web 放到 `webapp/vendor/ort/`，地址加 `&ortLocal=1`（WebGPU 同样可用）
 
@@ -276,7 +301,7 @@ Windows：双击 ml/console.bat          Linux / WSL：bash ml/console.sh
 
 - **指纹不符**：`collide.json` 变了。依次重跑第 2、4、5 步并重训。
 - **训练发散**（loss 出现 nan/inf，自动停在 `diverged.pt`）：先把 `lr` 降到 5e-4 重试一次，仍发散就走 WTA 回退（第 7 步）。
-- **显存/内存不足**：降 `batch`；APG 还可把 `seg_plans` 降到 5。出题与间隙计算按空闲显存自动分块（用 1/4）。
+- **显存/内存不足**：降 `batch`；APG 还可把 `seg_plans` 降到 5。出题与间隙计算按空闲显存自动分块（用 1/4；空闲量本就扣除了桌面占用）。`check_r2` 常驻约 1.6 GB（1.7 M 样本）。
 - **小样本摸底**：几百条任务时 val 可能为空，训练会提示并跳过闭环验证；R2 检查近邻对不足时 `pass` 为 null，不拦后续步骤。
 - **返回码**：3 = M5 两种头都没过；4 = R2 不过且 `R2_STRICT=1`；5 = R4 不过；6 = 生成进程崩溃（看 `ml/data/log_*.txt`，采样器连续失败会写明原因）；8 = `MIN_GAP_MM` 前后不一致；9 = 已有一条在跑；124 = 阶段超时。
 - **生成阶段报「采样失败：…连续 N 次未命中」**：多半是 `collide.json` 或关节限位变了，某类位形几乎不存在；把该日志发我。
@@ -300,7 +325,8 @@ ml/
   sim/closed_loop.py       部署节奏闭环仿真（验证 / 挖错 / 门禁）
   apg/apg_finetune.py      APG 可微微调
   mining/                  tasks.py（无老师出题）、mine_round.py、gate.py（含 R7）、loop.sh
-  eval/                    dump_parity.cjs + check_parity.py（JS↔PyTorch 对拍）、check_r2.py（R2）、r4_probe.py（R4 无头浏览器探针）、acceptance.py（验收汇总）
+  eval/                    dump_parity.cjs + check_parity.py（JS↔PyTorch 对拍）、check_r2.py（R2）、r4_probe.py（R4 无头浏览器探针）、acceptance.py（验收汇总）、
+                           replay_teacher.py（开训前回放自检，含老师 oracle 走 rollout）、diag_cl.py（闭环失败定位 A/B/C/H）
   toy/toy_bimodal.py       2D 双模态对照实验（动作头选型依据）
   export_onnx.py  serve.py
   configs/                 base.json（MeanFlow）、wta.json（回退）、small.json（R4 不过时的 d=128）、apg.json

ml/apg/apg_finetune.py

@@ -6,7 +6,10 @@
 2026-10-18：展开长度不再定长 60 次推理（3.6 s，会截掉老师时长 > 3.6 s 的绕远题），改为覆盖本批 exec_s p90×1.2，上限 plans_max；
   "到达"仍是每 seg_plans 段末的距离项（无到达即停），属有意设计：段末项给出持续的接近梯度。
   margin_train 3 mm：与训练数据过滤线一致（认证最小间隙 < 3 mm 的老师轨迹不进训练集），碰撞项不与 BC 标签对抗；
-  运行时投影护栏独立保持 5 mm。端点与中点两个铰链取均值，与只查端点同量纲，w_col 无需重标。"""
+  运行时投影护栏独立保持 5 mm。端点与中点两个铰链取均值，与只查端点同量纲，w_col 无需重标。
+2026-10-19：起点取 EMA 权重（ckpt.load_policy）；动作反归一化乘 act_scale（与数据同一尺度，不一致报错），产物存 act_scale；
+  子目标推进改用 closed_loop.sub_advance（默认「越过顶点」，与标签同口径）；子目标头 BC 项用 sub 特征置零的输入（同 train.py）；
+  val 只取主数据目录（第一个 --samples）。"""
 import argparse, json, math, os, random, sys, time
 import torch
 
@@ -15,7 +18,7 @@ from ml.common.features import features, STEP, H, wrap180
 from ml.data import Samples, load_tasks
 from ml.model.policy import build, wta_loss
 from ml.model.meanflow import meanflow_loss
-from ml.sim.closed_loop import evaluate, tasks_to_tensors, goal_err
+from ml.sim.closed_loop import evaluate, tasks_to_tensors, goal_err, sub_advance
 from ml.common.ckpt import Saver, atomic_save, rng_state, set_rng_state
 from ml.common import vram
 
@@ -41,18 +44,23 @@ def main():
     dev = a.device; torch.manual_seed(a.seed); random.seed(a.seed)
     vram.limit()
     os.makedirs(a.out, exist_ok=True)
-    ck = torch.load(a.init, map_location=dev)
-    mcfg = ck['cfg']
-    model = build(mcfg).to(dev); model.load_state_dict(ck['model'])
+    from ml.common.ckpt import load_policy
+    model, ck = load_policy(a.init, dev); mcfg = ck['cfg']
     kin = Kin(device=dev)
-    data = Samples(a.samples, device=dev, split='train')
+    data = Samples(a.samples, device=dev, split='train', val_dirs=a.samples[:1])
+    act_scale = float(ck.get('act_scale', 1.0))
+    if abs(act_scale - data.act_scale) > 1e-9:
+        raise SystemExit(f'起点 act_scale={act_scale} 与样本 act_scale={data.act_scale} 不一致（BC 项标签尺度不同），换同一版数据训练的模型')
+    model.act_scale = act_scale
     all_tasks = load_tasks(a.samples)
-    train_tasks = [t for t in all_tasks if t['split'] == 'train'] + load_pool(a.pool)
-    val_tasks = [t for t in all_tasks if t['split'] == 'val'][:C['eval_tasks']]
+    main_tid = {t['tid'] for t in load_tasks(a.samples[:1]) if t['split'] == 'val'}
+    train_tasks = [t for t in all_tasks if t['tid'] not in main_tid] + load_pool(a.pool)
+    val_tasks = [t for t in load_tasks(a.samples[:1]) if t['split'] == 'val'][:C['eval_tasks']]
     w = [C['cat_weights'].get(t.get('cat', 'A'), 1.0) * (2.0 if t.get('hard') else 1.0) for t in train_tasks]
     opt = torch.optim.AdamW(model.parameters(), lr=C['lr'], betas=(0.9, 0.95), weight_decay=0.0)
     amp = dev.startswith('cuda') and C.get('amp') == 'bf16'
     step = torch.tensor(STEP, device=dev)
+    astep = step * act_scale                                   # 动作 → 度
     it0 = 0
     if a.resume and os.path.exists(a.resume):
         rk = torch.load(a.resume, map_location=dev); model.load_state_dict(rk['model'])
@@ -68,11 +76,11 @@ def main():
         base, _ = evaluate(model.eval(), kin, val_tasks, dev)
         print('EVAL0', json.dumps(base), flush=True); log.write(json.dumps({'eval': base, 'step': 0}) + '\n')
         best = base['success']
-        atomic_save({'model': model.state_dict(), 'cfg': mcfg, 'step': 0, 'fp': kin.fp, 'eval': base}, os.path.join(a.out, 'best.pt'))
+        atomic_save({'model': model.state_dict(), 'cfg': mcfg, 'step': 0, 'fp': kin.fp, 'eval': base, 'act_scale': act_scale}, os.path.join(a.out, 'best.pt'))
     M = C['margin_train_mm']; t0 = time.time()
     saver = Saver(C.get('ckpt_min', 10))             # 2026-10-18：每 10 分钟 + 收到停止请求时存 last.pt（不再只在每 500 次验证时存）
     def save_last(n, ev=None):
-        atomic_save({'model': model.state_dict(), 'opt': opt.state_dict(), 'cfg': mcfg, 'step': n, 'fp': kin.fp, 'eval': ev, 'rng': rng_state()}, os.path.join(a.out, 'last.pt')); saver.mark()
+        atomic_save({'model': model.state_dict(), 'opt': opt.state_dict(), 'cfg': mcfg, 'step': n, 'fp': kin.fp, 'eval': ev, 'rng': rng_state(), 'act_scale': act_scale}, os.path.join(a.out, 'last.pt')); saver.mark()
     for it in range(it0, C['steps']):
         model.train()
         batch = random.choices(train_tasks, weights=w, k=C['batch'])
@@ -81,7 +89,7 @@ def main():
         z = torch.randn(B, H, 6, device=dev)
         q, qp = q0.clone(), q0.clone()
         queue = torch.zeros(B, 0, 6, device=dev)
-        subs = torch.zeros(B, 2, 6, device=dev); nsub = torch.zeros(B, dtype=torch.long, device=dev); sub_t = torch.zeros(B, device=dev)
+        subs = torch.zeros(B, 2, 6, device=dev); nsub = torch.zeros(B, dtype=torch.long, device=dev); sub_t = torch.zeros(B, device=dev); sub_prev = q0.clone()
         opt.zero_grad(set_to_none=True)
         stats = {'col': 0.0, 'tgt': 0.0, 'smooth': 0.0}
         # 展开长度随本批任务时长：覆盖本批 exec_s 的 p90 × 1.2（无老师参考题按 6 s），夹在 [plans, plans_max]
@@ -95,11 +103,7 @@ def main():
             pre = torch.zeros(B, 3, 6, device=dev); pre[:, :r] = queue[:, :r]
             qe = q + queue.sum(1)
             with torch.no_grad():
-                if (nsub > 0).any():
-                    cur = subs[:, 0]; dd = torch.where(kin.cont, wrap180(cur - qe), cur - qe).abs().max(-1).values
-                    adv = (nsub > 0) & ((dd < 5) | (tnow - sub_t > 1.5))
-                    subs = torch.where(adv[:, None, None], torch.cat([subs[:, 1:], subs[:, 1:]], 1), subs)
-                    nsub = torch.where(adv, nsub - 1, nsub); sub_t = torch.where(adv, torch.full_like(sub_t, tnow), sub_t)
+                subs, nsub, sub_prev, sub_t = sub_advance(kin, subs, nsub, sub_prev, sub_t, qe.detach(), tnow)
             feat = features(kin, q, qp, T, R, pre, torch.full((B,), r, device=dev), subs[:, 0], (nsub > 0).float())
             with torch.autocast('cuda', dtype=torch.bfloat16, enabled=amp):
                 act, val, sub = model.sample_k(feat, 1, z)
@@ -108,8 +112,8 @@ def main():
                 with torch.no_grad():
                     need = sub[:, 12].float() > 0.5
                     subs = q.detach()[:, None] + sub[:, :12].float().view(B, 2, 6) * 180
-                    nsub = torch.where(need, torch.full_like(nsub, 2), torch.zeros_like(nsub))
-            inc = act.clamp(-1, 1) * step                              # [B,16,6]
+                    nsub = torch.where(need, torch.full_like(nsub, 2), torch.zeros_like(nsub)); sub_prev = q.detach().clone()
+            inc = act.clamp(-1, 1) * astep                             # [B,16,6]
             commit = inc[:, r:r + 3]
             if r == 0:   # 冷启动：先提交一块，下一轮才开始执行
                 queue = commit; continue
@@ -118,7 +122,7 @@ def main():
                 d = queue[:, k]
                 qp = q; q = kin.clamp_box(q + d)
                 # 碰撞铰链：端点 + 中点（与仿真/运行时的离散检查一致）
-                G = kin.gaps(torch.cat([q, 0.5 * (q + qp)], 0), M)
+                G = kin.gaps(torch.cat([q, 0.5 * (q + qp)], 0), M, pairs=True)
                 hinge = torch.relu(M - G['gap'])
                 col = torch.zeros(2 * B, device=dev).index_add(0, G['b'], hinge).view(2, B).mean(0)   # 端点与中点取均值：与只查端点时同量纲，w_col 无需重标
                 sm = ((d / step) ** 2).sum(-1) + (((d - prev_d) / step) ** 2).sum(-1)
@@ -141,7 +145,9 @@ def main():
         with torch.autocast('cuda', dtype=torch.bfloat16, enabled=amp):
             mem = model.encode(X)
             l_bc = wta_loss(model, mem, Y)[0] if model.head == 'wta' else meanflow_loss(model, mem, Y)[0]
-            v, s = model.heads(mem)
+            v, _ = model.heads(mem)
+            Xs = X.clone(); Xs[:, 68:75] = 0
+            _, s = model.heads(model.encode(Xs))
         l_bc = l_bc + 0.1 * (v.float() - V).abs().mean() + 0.1 * (s.float() - SG).abs().mean()
         (C['w_bc'] * l_bc).backward()
         gn = torch.nn.utils.clip_grad_norm_(model.parameters(), C['grad_clip'])
@@ -160,7 +166,7 @@ def main():
             res, _ = evaluate(model.eval(), kin, val_tasks, dev)
             res['it'] = it + 1; res['t'] = time.time()
             print('EVAL', json.dumps(res), flush=True); log.write(json.dumps({'eval': res}) + '\n'); log.flush()
-            sd = {'model': model.state_dict(), 'cfg': mcfg, 'step': it + 1, 'fp': kin.fp, 'eval': res}
+            sd = {'model': model.state_dict(), 'cfg': mcfg, 'step': it + 1, 'fp': kin.fp, 'eval': res, 'act_scale': act_scale}
             save_last(it + 1, res)                                                      # last 带优化器状态供续跑；best 不带（导出/门禁用）
             if res['success'] > best + 1e-4:
                 best = res['success']; atomic_save(sd, os.path.join(a.out, 'best.pt'))

ml/common/ckpt.py

@@ -60,3 +60,33 @@ def set_rng_state(d):
         try: torch.cuda.set_rng_state_all([t.cpu() for t in d['cuda']])
         except Exception: pass
     return True
+
+
+def load_policy(path, device, prefer_ema=True):
+    """载入策略（2026-10-19，审查 review_model_train P0-2）：优先取 EMA 权重 ck['ema']（train.py 起存），没有就用 ck['model']（旧 checkpoint、APG 产物）。
+    model.act_scale = ck['act_scale']（动作标签归一化倍数，见 ml/prep/build_dataset.cjs ACT_SCALE）；旧 checkpoint 缺省 1.0 = 原口径。
+    闭环仿真 / DAgger / APG 起点 / 挖错 / 门禁 / 验收 / 导出都经这里载入，保证同一份权重、同一个动作尺度。返回 (model.eval(), ck)。"""
+    from ml.model.policy import build
+    ck = torch.load(path, map_location=device)
+    m = build(ck['cfg']).to(device)
+    sd = ck.get('ema') if prefer_ema and ck.get('ema') is not None else ck['model']
+    m.load_state_dict(sd)
+    m.act_scale = float(ck.get('act_scale', 1.0))
+    return m.eval(), ck
+
+
+def pick_start(run_dir):
+    """DAgger 起点（2026-10-19，审查 P0-2）：best.pt 的闭环 success > 0 才用 best.pt；否则用 last.pt
+    （success 全 0 时 best.pt 只由开环误差决定，可能落在 p_neq 预热期，一步映射没训过）。载入时取 EMA。"""
+    best, last = os.path.join(run_dir, 'best.pt'), os.path.join(run_dir, 'last.pt')
+    if os.path.exists(best):
+        ev = torch.load(best, map_location='cpu').get('eval') or {}
+        if (ev.get('success') or 0) > 0 or not os.path.exists(last): return best
+    return last if os.path.exists(last) else best
+
+
+if __name__ == '__main__':
+    # python -m ml.common.ckpt pick <运行目录>   → 打印 DAgger 起点 checkpoint 路径
+    import sys
+    if len(sys.argv) == 3 and sys.argv[1] == 'pick': print(pick_start(sys.argv[2]))
+    else: raise SystemExit('usage: python -m ml.common.ckpt pick <run_dir>')

ml/common/kin_torch.py

@@ -118,19 +118,72 @@ class Kin:
         return a, b
 
     # ---------------- 间隙 ----------------
-    def gaps(self, q, cap=40.0, xf=None, max_pairs=None):
+    # 2026-10-19（用户实测 dagger/诊断吃满 24 GB 显存）：本模型 1936 条胶囊 / 491 组 / 67256 粗对 / 104.7 万细对。
+    # 显存有两段峰值，都随点数线性涨：
+    #   粗筛段 cc[:,cp_a]-cc[:,cp_b] 的广播中间量 ≈ 36 B × 点数 × 粗对数（4096 点实测 9.3 GiB，与 cap 无关）；
+    #   精算段 ≈ 每对几百字节 × 幸存细对数（4096 点 cap 40 幸存 2.4 亿对；旧版不分块实测 36.9 GiB）。
+    # 所以先按 COARSE_ENTRIES 把点切块（粗筛每块 ≤ ~1 GiB），块内再按幸存细对数 PAIR_BUDGET 切（精算每块 ≤ ~1 GiB）。
+    # 两段不同时存在，峰值与调用方 batch 大小无关。结果与不分块逐位一致（梯度经 cat 保留）。
+    COARSE_ENTRIES = 30_000_000
+    PAIR_BUDGET = 2_000_000
+
+    @staticmethod
+    def _cat_gaps(parts, starts):
+        out = {'gm': torch.cat([p.pop('gm') for p in parts], 0)}
+        if 'b' in parts[0]:
+            for p, s in zip(parts, starts): p['b'] += s
+            for k in ('b', 'i', 'j', 'gap'): out[k] = torch.cat([p.pop(k) for p in parts])   # 逐键拼、拼完即释放
+        return out
+
+    def gaps(self, q, cap=40.0, xf=None, max_pairs=None, pairs=False):
         """返回 dict：
              gm  [B,49]：组对最小间隙 min(gap, cap)（gA*7+gB，gA<gB；其余为 cap）
-             b, i, j, gap：幸存胶囊对（gap 可微）
+             pairs=True 时另有 b, i, j, gap：幸存胶囊对（gap 可微；只有 APG 的 hinge 与 check_parity 需要）
+           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)
         Rs, Ts = xf
         B = q.shape[0]
-        with torch.no_grad():
+        step = max(1, self.COARSE_ENTRIES // int(self.cp_a.shape[0]))
+        if B <= step:
+            return self._gaps_split(q, cap, xf, pairs)
+        st = list(range(0, B, step))
+        return self._cat_gaps([self._gaps_split(q[s:s + step], cap, (Rs[s:s + step], Ts[s:s + step]), pairs) for s in st], st)
+
+    def _coarse(self, q, cap, xf):
+        Rs, Ts = xf
         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] - cc[:, self.cp_b]).pow(2).sum(-1)          # [B,M]
-            keep = d2 <= (self.cp_lim + cap).pow(2)
+        del cc
+        return d2 <= (self.cp_lim + cap).pow(2)
+
+    def _gaps_split(self, q, cap, xf, pairs):
+        """粗筛已在显存预算内：按幸存细对数再切块做精算"""
+        Rs, Ts = xf
+        B = q.shape[0]
+        with torch.no_grad():
+            per = (self._coarse(q, cap, xf).long() * self.cp_cnt).sum(1)    # [B] 每点幸存细对数
+            if B <= 1 or int(per.sum()) <= self.PAIR_BUDGET:
+                bounds = [0, B]
+            else:
+                cs = torch.cumsum(per, 0).tolist(); bounds = [0]; base = 0
+                for k, c in enumerate(cs):
+                    if c - base > self.PAIR_BUDGET and k > bounds[-1]:
+                        bounds.append(k); base = cs[k - 1]
+                bounds.append(B)
+            del per
+        if len(bounds) == 2:
+            return self._gaps_one(q, cap, xf, pairs)
+        return self._cat_gaps([self._gaps_one(q[s:e], cap, (Rs[s:e], Ts[s:e]), pairs) for s, e in zip(bounds[:-1], bounds[1:])], bounds[:-1])
+
+    def _gaps_one(self, q, cap, xf, pairs):
+        Rs, Ts = xf
+        B = q.shape[0]
+        with torch.no_grad():
+            keep = self._coarse(q, cap, xf)
             bb, mm = keep.nonzero(as_tuple=True)
+            del keep
             cnt = self.cp_cnt[mm]
             rep_b = torch.repeat_interleave(bb, cnt)
             off = torch.repeat_interleave(self.cp_start[mm] - torch.cumsum(cnt, 0) + cnt, cnt) + torch.arange(int(cnt.sum()), device=q.device)
@@ -145,6 +198,7 @@ class Kin:
         gap = d - self.pair_need[pidx].to(q.dtype)
         gm = torch.full((B * 49,), float(cap), dtype=q.dtype, device=q.device)
         gm = gm.scatter_reduce(0, rep_b * 49 + self.pair_gp[pidx], gap.clamp(max=cap), reduce='amin', include_self=True)
+        if not pairs: return {'gm': gm.view(B, 49)}
         return {'gm': gm.view(B, 49), 'b': rep_b, 'i': pi, 'j': pj, 'gap': gap}
 
     def min_gap(self, q, cap=40.0):

ml/common/vram.py

@@ -1,19 +1,46 @@
-"""显存预算（2026-10-18 本机实测后加）。
-用户定的预算：这台 3090 只有 19–20 GB 能给训练用——Windows + 4K 桌面常驻就占掉 4–5 GB（空载 nvidia-smi 4.4 GB）。
-  limit()     给本进程设硬帽（VRAM_FRAC，默认 0.78 ≈ 18.7 GiB）。超限时在自己的反向里早失败，
-              而不是把桌面挤到没有显存（整机卡顿、别的应用崩），这也是 APG batch=128 原先 OOM 时把显存顶到 23.6 GB 的原因。
-  peak_gib()  记进日志的 vram 字段：网页指标卡与 ml/selftest.sh 都按它核对预算，不用再去猜。
-实测参考（d=192 同结构、1 步即到位）：预训练 batch=1024 → 2.76；APG batch=48/plans=150 → 13.08、batch=128 → OOM。"""
+"""显存预算（2026-10-18 本机实测后加；同日两次修正）。
+口径：整卡留 1 GB 给系统（VRAM_RESERVE_GIB），本进程上限 = CUDA 可用 − 余量。
+为什么不能按"整卡 − nvidia-smi 已用"扣：WDDM 下 nvidia-smi 的"已用"含**驱动可以换出**的量，
+把它当硬占用会把自己卡死——实测预训练第一次 evaluate 峰值要 ~15 GiB，那样算出的上限只有
+14.45 GiB，torch 就报 OOM，而同一时刻卡上其实还有 9.98 GiB 空闲（train.py step 2000 的评估里挂掉）。
+CUDA 的 mem_get_info 才是"我实际能拿到多少"：它已经把可换出的部分算进去了。
+  limit()     上限 = min(CUDA 可用, 整卡) − 余量；显式给 VRAM_FRAC 时再取较小值（跟旧口径 0.78 对拍用）。
+              别的应用占多少照样打印，但只作参考、不从上限里扣。
+  peak_gib()  记进日志的 vram 字段：网页指标卡与 ml/selftest.sh 都按它核对，不用再去猜。
+实测参考（d=192 同结构）：预训练 batch=1024 的训练步峰值只有 2.76 GiB，但第一次 evaluate 就要 ~15 GiB
+（kin.gaps 一次开 2.35 GiB）；APG batch=48/plans=150 → 13.08 GiB。"""
 import os
+import subprocess
 import torch
 
 
+def _smi():
+    """(整卡已用 GiB, 整卡总量 GiB)；拿不到就 (None, None)。"""
+    try:
+        q = 'memory.used,memory.total'
+        r = subprocess.run(['nvidia-smi', f'--query-gpu={q}', '--format=csv,noheader,nounits'],
+                           capture_output=True, text=True, timeout=3)
+        u, t = [float(x) for x in r.stdout.strip().splitlines()[0].split(',')[:2]]
+        return u / 1024, t / 1024
+    except Exception:
+        return None, None
+
+
 def limit():
     if not torch.cuda.is_available(): return False
-    f = float(os.environ.get('VRAM_FRAC', '0.78'))
     tot = torch.cuda.get_device_properties(0).total_memory / 2**30
-    torch.cuda.set_per_process_memory_fraction(f)
-    print('显存上限：本进程 %.1f GiB（整卡 %.1f GiB × %.2f，其余留给桌面）' % (f * tot, tot, f), flush=True)
+    torch.empty(1, device='cuda')            # 让本进程的 CUDA 上下文先落地，再读可用（否则会把自家上下文算进可用）
+    free = torch.cuda.mem_get_info()[0] / 2**30
+    res = float(os.environ.get('VRAM_RESERVE_GIB', '1'))
+    cap = min(free, tot) - res
+    if os.environ.get('VRAM_FRAC'):          # 显式硬帽（对拍旧口径用）
+        cap = min(cap, tot * float(os.environ['VRAM_FRAC']))
+    cap = max(1.0, min(cap, tot - res))
+    torch.cuda.set_per_process_memory_fraction(cap / tot)
+    used, _ = _smi()
+    note = '' if used is None else '；别的应用当前占 %.1f GiB，需要时驱动自行换出，不从上限里扣' % used
+    print('显存上限：本进程 %.1f GiB（CUDA 可用 %.1f − 系统余量 %.1f，= 整卡 %.1f 的 %.0f%%）%s'
+          % (cap, free, res, tot, 100 * cap / tot, note), flush=True)
     return True
 
 

ml/configs/apg.json

@@ -1,8 +1,9 @@
 {
   "apg": {
-    "batch": 48, "lr": 1e-4, "steps": 3000, "grad_clip": 1.0, "amp": "bf16",
+    "batch": 48, "lr": 1e-4, "steps": 8000, "grad_clip": 1.0, "amp": "bf16",
     "plans": 60, "plans_max": 150, "seg_plans": 10,
     "_vram": "batch 由 128 降到 48：2026-10-18 本机实测（d=192 同结构、每进程 19.2 GB 硬帽）batch=128 无论 plans 取 60 还是 150 都 OOM（崩前已分配 17.85 GiB）；batch=48/plans=150 峰值 13.08 GiB、plans=60 为 7.67 GiB，加 Windows+4K 桌面常驻 4.4 GB 仍在 19–20 GB 预算内。batch=64/plans=150 要 17.66 GiB（不取）。展开长度 plans 没动——降 plans 会把长任务的绕出段截掉。",
+    "_steps": "2026-10-18 第八轮：batch 128→48 后 steps 3000→8000，保持总任务量（3000×128 ≈ 8000×48）不变；每步展开代价按 batch 线性降，总机时与原估同量级（约 4 h），学习率不动。",
     "margin_train_mm": 3.0,
     "w_tgt": 1.0, "w_rot": 0.3, "w_col": 2.0, "w_smooth": 0.02, "w_len": 0.001, "w_bc": 0.5,
     "cat_weights": {"A": 0.4, "B": 1.0, "C": 1.6, "D": 0.6, "Dr": 0.6},

ml/configs/base.json

@@ -1,10 +1,11 @@
 {
   "model": {"d": 192, "heads": 8, "ff": 768, "enc": 4, "dec": 4},
   "train": {
-    "batch": 1024, "lr": 1e-3, "warmup": 1000, "steps": 60000, "wd": 0.01, "betas": [0.9, 0.95],
+    "batch": 1024, "lr": 1e-3, "warmup": 1000, "steps": 24000, "wd": 0.01, "betas": [0.9, 0.95],
     "amp": "bf16", "grad_clip": 1.0,
     "w_mf": 1.0, "w_fk": 0.5, "w_smooth": 0.05, "w_value": 0.1, "w_sub": 0.1,
-    "p_neq": 0.25, "fk_caps": 96,
+    "p_neq": 0.5, "p_edge": 0.1, "p_neq_warm": 5000, "fk_tmax": 0.3, "fk_caps": 96,
+    "ema": 0.999, "aug_pre_drop": 0.15, "aug_pre_sigma": 0.1, "aug_dq_sigma": 0.3,
     "ckpt_min": 10, "eval_every": 2000, "eval_tasks": 512, "log_every": 50, "patience_evals": 5
   }
 }

ml/configs/small.json

@@ -1,10 +1,11 @@
 {
   "model": {"d": 128, "heads": 8, "ff": 512, "enc": 4, "dec": 4},
   "train": {
-    "batch": 1024, "lr": 1e-3, "warmup": 1000, "steps": 60000, "wd": 0.01, "betas": [0.9, 0.95],
+    "batch": 1024, "lr": 1e-3, "warmup": 1000, "steps": 24000, "wd": 0.01, "betas": [0.9, 0.95],
     "amp": "bf16", "grad_clip": 1.0,
     "w_mf": 1.0, "w_fk": 0.5, "w_smooth": 0.05, "w_value": 0.1, "w_sub": 0.1,
-    "p_neq": 0.25, "fk_caps": 96,
+    "p_neq": 0.5, "p_edge": 0.1, "p_neq_warm": 5000, "fk_tmax": 0.3, "fk_caps": 96,
+    "ema": 0.999, "aug_pre_drop": 0.15, "aug_pre_sigma": 0.1, "aug_dq_sigma": 0.3,
     "ckpt_min": 10, "eval_every": 2000, "eval_tasks": 512, "log_every": 50, "patience_evals": 5
   }
 }

ml/configs/smoke.json

@@ -29,15 +29,36 @@
   "eval_every": 100,
   "eval_tasks": 16,
   "log_every": 10,
-  "patience_evals": 5
+  "patience_evals": 5,
+  "p_neq_warm": 100,
+  "fk_tmax": 0.3
  },
  "apg": {
-  "batch": 8, "lr": 0.0001, "steps": 10, "grad_clip": 1.0, "amp": "bf16",
-  "plans": 20, "plans_max": 30, "seg_plans": 5,
+  "batch": 8,
+  "lr": 0.0001,
+  "steps": 10,
+  "grad_clip": 1.0,
+  "amp": "bf16",
+  "plans": 20,
+  "plans_max": 30,
+  "seg_plans": 5,
   "margin_train_mm": 3.0,
-  "w_tgt": 1.0, "w_rot": 0.3, "w_col": 2.0, "w_smooth": 0.02, "w_len": 0.001, "w_bc": 0.5,
-  "cat_weights": {"A": 0.4, "B": 1.0, "C": 1.6, "D": 0.6, "Dr": 0.6},
-  "ckpt_min": 10, "eval_every": 1000, "eval_tasks": 4
+  "w_tgt": 1.0,
+  "w_rot": 0.3,
+  "w_col": 2.0,
+  "w_smooth": 0.02,
+  "w_len": 0.001,
+  "w_bc": 0.5,
+  "cat_weights": {
+   "A": 0.4,
+   "B": 1.0,
+   "C": 1.6,
+   "D": 0.6,
+   "Dr": 0.6
+  },
+  "ckpt_min": 10,
+  "eval_every": 1000,
+  "eval_tasks": 4
  },
  "_note": "冒烟与自检专用（bash ml/pipeline.sh selftest / smoke）：只验证流程能跑通，数值无意义。apg 段必须有：selftest.sh 第 6 项原先不带 --config，走的是正式 apg.json 的 batch=128，本机实测第一次反向就 OOM；改成正式值 48 也要约 13 GiB，自检不必吃这么多。"
 }

ml/configs/wta.json

@@ -1,10 +1,11 @@
 {
   "model": {"d": 192, "heads": 8, "ff": 768, "enc": 4, "dec": 4, "head": "wta", "K": 8},
   "train": {
-    "batch": 1024, "lr": 1e-3, "warmup": 1000, "steps": 60000, "wd": 0.01, "betas": [0.9, 0.95],
+    "batch": 1024, "lr": 1e-3, "warmup": 1000, "steps": 24000, "wd": 0.01, "betas": [0.9, 0.95],
     "amp": "bf16", "grad_clip": 1.0,
     "w_mf": 1.0, "w_fk": 0.5, "w_smooth": 0.05, "w_value": 0.1, "w_sub": 0.1,
-    "p_neq": 0.25, "fk_caps": 96,
+    "p_neq": 0.5, "p_edge": 0.1, "p_neq_warm": 5000, "fk_tmax": 0.3, "fk_caps": 96,
+    "ema": 0.999, "aug_pre_drop": 0.15, "aug_pre_sigma": 0.1, "aug_dq_sigma": 0.3,
     "ckpt_min": 10, "eval_every": 2000, "eval_tasks": 512, "log_every": 50, "patience_evals": 5
   }
 }

ml/dagger/collect.py

@@ -0,0 +1,87 @@
+"""DAgger 状态采集（2026-10-18 首次正式预训练后新增）：用当前策略在 train 任务上闭环跑（关安全层），
+从它自己走到的状态里挑起点，交给老师重新规划 → 这些"策略会去、老师数据里没有"的状态拿到正确标签。
+  python -m ml.dagger.collect --ckpt ml/runs/base/best.pt --samples ml/data/samples --n 8000 --seed 1 --parts 28 --out ml/data/dag1
+每题最多取 2 个起点：
+  - 撞了的题：首次碰撞前 0.2 s 的状态（策略"快要撞上"的地方，最有用）；
+  - 另取一个 [0.3 s, 首撞前或结束] 内均匀随机时刻的状态（偏离老师的一般状态）。
+起点必须无碰且间隙 > MIN_GAP_MM（老师从碰撞态出发规划不出来，与 build_dataset 的增广接受同一地板），且离目标 > 5 mm（否则 DLS 接管，不需要老师）。
+输出 tasks_XX.jsonl（按 --parts 均分，供 gen_dataset.cjs --tasks 并行），每行 {q0, qPrev, T, R, cat, src}。
+2026-10-19（审查 F7 / C10）：同时记录策略在该时刻的上一帧 qPrev；老师重规划的时间律从当前速度（v0）起步，
+  t=0 样本的 dq 特征用真实上一帧——原来一律按静止起步标注，DAgger 样本不是策略真正到过的 (q, dq) 状态。
+为什么需要：纯行为克隆在闭环里会偏出老师分布（首次 21850 步闭环到达 0%），原方案指望 APG/挖错修，但它们没法从 0% 起步。
+老师只用于训练标注，部署仍然无老师。"""
+import argparse, json, os, random
+import torch
+
+from ml.common.kin_torch import Kin
+from ml.data import load_tasks
+from ml.model.policy import build
+from ml.sim.closed_loop import rollout, goal_err, tasks_to_tensors, DT
+
+GAP_CHUNK = 1024      # 每次 kin.gaps 的查询点数上限
+
+
+def main():
+    ap = argparse.ArgumentParser()
+    ap.add_argument('--ckpt', required=True); ap.add_argument('--samples', nargs='+', default=['ml/data/samples'])
+    ap.add_argument('--n', type=int, default=8000); ap.add_argument('--seed', type=int, default=1)
+    ap.add_argument('--parts', type=int, default=8); ap.add_argument('--out', required=True)
+    ap.add_argument('--bs', type=int, default=64)
+    ap.add_argument('--device', default='cuda' if torch.cuda.is_available() else 'cpu')
+    a = ap.parse_args()
+    gap_min = float(os.environ.get('MIN_GAP_MM') or 3)
+    os.makedirs(a.out, exist_ok=True)
+    kin = Kin(device=a.device)
+    from ml.common.ckpt import load_policy      # 2026-10-19：EMA 权重 + act_scale
+    model, ck = load_policy(a.ckpt, a.device)
+    assert ck.get('fp') in (None, kin.fp), '碰撞模型指纹与 checkpoint 不符'
+    pool = [t for t in load_tasks(a.samples[:1]) if t['split'] == 'train' and t.get('cat') not in ('D',)]
+    rng = random.Random(a.seed); rng.shuffle(pool); tasks = pool[:a.n]
+    out, stat = [], {'tasks': len(tasks), 'collided': 0, 'states': 0, 'rej_gap': 0, 'rej_near': 0}
+    for i in range(0, len(tasks), a.bs):
+        tb = tasks[i:i + a.bs]
+        with torch.no_grad():
+            _, per = rollout(model, kin, tb, a.device, K=8, safety=False, seed=a.seed * 100003 + i, return_traj=True)
+        tr = per['traj'].to(a.device)                                   # [B,T,6]
+        B, Tn, _ = tr.shape
+        _, T, R, _, _ = tasks_to_tensors(tb, a.device)
+        # 2026-10-19 修（用户实测）：原来一次喂 64 题 × 64 步 = 4096 点、cap=40 mm 给 kin.gaps，40 mm 内幸存的胶囊对太多，
+        # 峰值把显存 / 内存吃满。这里只需判断"≤0（碰撞）"和"> gap_min（起点地板）"，cap 取 gap_min+1 即可，
+        # 且按 GAP_CHUNK 个点分块，用完即释放。
+        cap = gap_min + 1.0
+        flat = tr.reshape(-1, 6)
+        with torch.no_grad():
+            g = torch.cat([kin.gaps(flat[s:s + GAP_CHUNK], cap)['gm'].min(-1).values for s in range(0, flat.shape[0], GAP_CHUNK)]).view(B, Tn)
+        del flat
+        for b, t in enumerate(tb):
+            hit = (g[b] <= 0).nonzero()
+            c = int(hit[0]) if hit.numel() else Tn
+            if hit.numel(): stat['collided'] += 1
+            cand = []
+            if hit.numel(): cand.append(max(0, c - int(round(0.2 / DT))))
+            lo = int(round(0.3 / DT))
+            if c - 1 > lo: cand.append(rng.randint(lo, c - 1))
+            for k in cand:
+                if g[b, k] <= gap_min: stat['rej_gap'] += 1; continue
+                q = tr[b, k:k + 1]; qprev = tr[b, max(0, k - 1)]
+                e, oe = goal_err(kin, q, T[b:b + 1], R[b:b + 1])
+                if e.item() < 5 and (not t.get('R') or oe.item() < 5): stat['rej_near'] += 1; continue
+                out.append({'q0': [round(v, 3) for v in q[0].tolist()], 'qPrev': [round(v, 3) for v in qprev.tolist()], 'T': t['T'], 'R': t.get('R'), 'cat': t.get('cat', 'A'),
+                            'src': {'tid': t['tid'], 'k': k, 'col': bool(hit.numel())}})
+        del tr, g, per
+        if a.device.startswith('cuda'): torch.cuda.empty_cache()
+        print(f'[dagger] {min(i + a.bs, len(tasks))}/{len(tasks)} 题，起点 {len(out)}', flush=True)
+    stat['states'] = len(out)
+    rng.shuffle(out)
+    per_part = (len(out) + a.parts - 1) // max(1, a.parts)
+    for p in range(a.parts):
+        chunk = out[p * per_part:(p + 1) * per_part]
+        if not chunk: continue
+        fn = os.path.join(a.out, 'tasks_%02d.jsonl' % (p + 1))
+        open(fn + '.tmp', 'w', encoding='utf-8').write(''.join(json.dumps(x) + '\n' for x in chunk)); os.replace(fn + '.tmp', fn)
+    json.dump(stat, open(os.path.join(a.out, 'collect.json'), 'w', encoding='utf-8'), indent=1)   # 最后写：它存在 = 采集完成
+    print(json.dumps(stat, ensure_ascii=False), flush=True)
+
+
+if __name__ == '__main__':
+    main()

ml/dagger/run.sh

@@ -0,0 +1,65 @@
+#!/usr/bin/env bash
+# DAgger 纠偏（2026-10-18 首次正式预训练后新增）：bash ml/dagger/run.sh <头标签> <起点 ckpt>
+#   每轮：策略闭环采起点（ml.dagger.collect）→ 老师从这些起点重新规划（gen_dataset.cjs --tasks，NPROC 并行）
+#         → 打包成样本（build_dataset.cjs，与主数据同口径）→ 主数据 + 历轮 DAgger 样本一起微调 DAG_STEPS 步。
+#   环境变量：DAG_ROUNDS（默认 2）、DAG_N（每轮采样题数，默认 8000，每题最多 2 个起点）、DAG_STEPS（每轮微调步数，默认 15000）、
+#            DAG_LR（默认 3e-4）、NPROC、MIN_GAP_MM。
+#   产物：ml/data/dag_<tag>_r<k>/（起点与老师 shard）、ml/data/samples_dag_<tag>_r<k>/、ml/runs/<tag>_dag<k>/；
+#         最终模型路径写进 ml/runs/<tag>_dagger.ckpt（m5 读它）。
+#   断点续跑：采集以 collect.json 为完成标记；老师 shard 先写 .part 再改名、未写完的从断点续写；打包以 .tasks.jsonl 为完成标记；
+#            微调用该轮 last.pt 续训；整轮完成打 ml/runs/<tag>_dag<k>/done。
+# 2026-10-19（审查 review_model_train P0-2）：每轮起点 = python -m ml.common.ckpt pick <目录>：best.pt 的闭环 success > 0 才用它，
+#   否则用 last.pt（success 全 0 时 best.pt 只由开环误差决定、可能落在 p_neq 预热期）；train.py --init 载入 EMA 权重，
+#   只有起点已走过自己的 p_neq 预热时才不再预热。微调的 val 只取主数据（DAgger 样本全部算 train）。
+set -e -o pipefail
+cd "$(dirname "$0")/../.."
+PY=${PYTHON:-python}
+TAG=$1; CK=$2
+[ -n "$TAG" ] && [ -f "$CK" ] || { echo "usage: run.sh <tag> <ckpt>（$CK 不存在）"; exit 1; }
+R=${DAG_ROUNDS:-2}; N=${DAG_N:-8000}; STEPS=${DAG_STEPS:-15000}; LR=${DAG_LR:-3e-4}; P=${NPROC:-$(nproc)}
+CFGF=ml/configs/$TAG.json
+SAMPLES="ml/data/samples"
+for ((r=1; r<=R; r++)); do
+  D=ml/data/dag_${TAG}_r$r; SD=ml/data/samples_dag_${TAG}_r$r; OUT=ml/runs/${TAG}_dag$r
+  SAMPLES="$SAMPLES $SD"
+  if [ -f $OUT/done ]; then echo "[dagger] 第 $r 轮已完成，跳过"; CK=$($PY -m ml.common.ckpt pick $OUT); continue; fi
+  if [ -f $D/collect.json ]; then echo "[dagger] 第 $r 轮起点已采集，跳过"
+  else echo "[dagger] 第 $r 轮：用 $CK 闭环采起点（$N 题）"; $PY -m ml.dagger.collect --ckpt $CK --samples ml/data/samples --n $N --seed $r --parts $P --out $D; fi
+  cat $D/collect.json
+  pids=()
+  for f in $D/tasks_*.jsonl; do
+    [ -e "$f" ] || continue
+    k=$(basename $f .jsonl); k=${k#tasks_}; sh=$D/shard_dag_${TAG}_r${r}_$k.jsonl
+    [ -f $sh ] && continue
+    ( node ml/gen/gen_dataset.cjs --tasks $f --seed $((9000 + 100 * r + 10#$k)) --out $sh.part 2>> $D/log_$k.txt && mv $sh.part $sh ) &
+    pids+=($!)
+  done
+  if [ ${#pids[@]} -gt 0 ]; then
+    echo "[dagger] 第 $r 轮：老师重新规划（${#pids[@]} 进程）"
+    t0=$(date +%s)
+    while :; do
+      alive=0; for p in "${pids[@]}"; do kill -0 $p 2>/dev/null && alive=$((alive+1)); done
+      [ $alive = 0 ] && break; sleep 30
+      echo "[dagger 节拍] $(( ($(date +%s) - t0) / 60 )) 分钟  运行中 $alive/${#pids[@]}  已写 $(cat $D/*.part $D/shard_*.jsonl 2>/dev/null | wc -l) 条"
+    done
+    for p in "${pids[@]}"; do wait $p || true; done   # 判定按产物（同 run_parallel.sh：Git Bash 长跑后 wait 返回码不可靠）
+    for f in $D/tasks_*.jsonl; do
+      k=$(basename $f .jsonl); k=${k#tasks_}; sh=$D/shard_dag_${TAG}_r${r}_$k.jsonl
+      if [ ! -f $sh ]; then
+        n=0; [ -f $sh.part ] && n=$(wc -l < $sh.part); need=$(wc -l < $f)
+        if [ "$n" -ge "$need" ]; then mv $sh.part $sh; else echo "[dagger] $sh 未写完（$n/$need），见 $D/log_$k.txt；重跑本阶段从断点续写"; exit 6; fi
+      fi
+    done
+  fi
+  mkdir -p $SD
+  SIG=$(node ml/prep/build_dataset.cjs --sig)    # 2026-10-19：与主数据同一套打包签名，参数变了重打（见 run_prep.sh）
+  todo=(); for sh in $D/shard_dag_*.jsonl; do [ -e "$sh" ] || continue; b=$(basename $sh .jsonl); grep -qF "\"sig\":\"$SIG\"" $SD/$b.meta.json 2>/dev/null && [ -f $SD/$b.tasks.jsonl ] || todo+=("$sh"); done
+  [ ${#todo[@]} = 0 ] || printf '%s\n' "${todo[@]}" | xargs -P "$P" -I{} node ml/prep/build_dataset.cjs {} $SD
+  $PY -m ml.data --index $SD | tail -n 3
+  res=""; [ -f $OUT/last.pt ] && res="--resume $OUT/last.pt"
+  echo "[dagger] 第 $r 轮：微调 $STEPS 步（样本：$SAMPLES）"
+  $PY -m ml.train --samples $SAMPLES --out $OUT --config $CFGF --init $CK --steps $STEPS --lr $LR --warmup 500 $res
+  touch $OUT/done; CK=$($PY -m ml.common.ckpt pick $OUT)
+done
+echo "$CK" > ml/runs/${TAG}_dagger.ckpt
+echo "[dagger] 完成：后续阶段使用 $CK"

ml/data.py

@@ -1,12 +1,17 @@
-"""样本加载：ml/data/samples/*.{X,Y,V,SG,TID}.npy + *.tasks.jsonl（ml/prep/build_dataset.cjs 产出）
+"""样本加载：ml/data/samples/*.{X,Y,V,SG,TID}.npy + *.tasks.jsonl + *.meta.json（ml/prep/build_dataset.cjs 产出）
   python -m ml.data --index ml/data/samples      # 汇总样本/任务数，写 index.json
-全部载入内存（200 万样本约 1.5 GB），按任务 split 字段划分 train / val。"""
+全部载入内存（200 万样本约 1.5 GB），按任务 split 字段划分 train / val。
+动作尺度（2026-10-19）：Y = 每步增量 / (act_scale·STEP)。act_scale 取自各 shard 的 meta.json（DATA_VER 2 起写；
+  旧数据没有 meta → act_scale 1.0、data_ver 1，即原口径）。同一次训练的所有目录（主数据 + DAgger）必须同一个 act_scale。"""
 import argparse, glob, json, os
 import numpy as np
 import torch
 
+PREFIX_SL, MASK_SL, DQ_SL, SUB_SL = slice(47, 65), slice(65, 68), slice(15, 21), slice(68, 75)   # 特征分组（features.py 拼接顺序）
+
 
 def load_tasks(dirs):
+    if isinstance(dirs, str): dirs = [dirs]
     tasks = []
     for d in dirs:
         for f in sorted(glob.glob(os.path.join(d, '*.tasks.jsonl'))):
@@ -16,10 +21,28 @@ def load_tasks(dirs):
     return tasks
 
 
+def read_meta(d):
+    """目录内各 shard 的打包参数（data_ver、act_scale、增广参数、sig）。没有 meta 的旧打包 → {'data_ver': 1, 'act_scale': 1.0}。
+    一部分有、一部分没有，或 act_scale 不一致 → 拒绝（新旧标签尺度混在一起会让动作幅度错 25%）。"""
+    xs = sorted(glob.glob(os.path.join(d, '*.X.npy')))
+    ms = [json.load(open(f[:-6] + '.meta.json', encoding='utf-8')) for f in xs if os.path.exists(f[:-6] + '.meta.json')]
+    if not ms: return {'data_ver': 1, 'act_scale': 1.0}
+    if len(ms) != len(xs): raise SystemExit(f'{d}：{len(xs) - len(ms)} 个 shard 缺 meta.json（新旧打包混在一起），重跑 prep')
+    sc = {float(m.get('act_scale', 1.0)) for m in ms}
+    if len(sc) != 1: raise SystemExit(f'{d}：各 shard 的 act_scale 不一致 {sorted(sc)}，重跑 prep')
+    return ms[0]
+
+
 class Samples:
-    def __init__(self, dirs, device='cpu', split=None):
+    def __init__(self, dirs, device='cpu', split=None, val_dirs=None):
+        """val_dirs：只用这些目录的 val 任务划 val（默认 = 全部 dirs）。2026-10-19（审查 review_closedloop F11）：
+        DAgger 目录的任务起点带速度、来自策略状态，不该混进预训练的 val；train.py / apg 传主数据目录，DAgger 样本全部算 train。"""
         if isinstance(dirs, str): dirs = [dirs]
         xs, ys, vs, ss, ts = [], [], [], [], []
+        metas = [read_meta(d) for d in dirs]
+        sc = {float(m['act_scale']) for m in metas}
+        if len(sc) > 1: raise SystemExit(f'样本目录的 act_scale 不一致 {sorted(sc)}（{dirs}）：DAgger 样本须与主数据同一版打包')
+        self.act_scale = sc.pop(); self.data_ver = int(metas[0].get('data_ver', 1)) if metas else 1
         for d in dirs:
             for fx in sorted(glob.glob(os.path.join(d, '*.X.npy'))):
                 b = fx[:-6]
@@ -27,7 +50,7 @@ class Samples:
                 ss.append(np.load(b + '.SG.npy')); ts.append(np.load(b + '.TID.npy'))
         if not xs: raise SystemExit(f'没有样本：{dirs}（先跑 ml/prep/run_prep.sh）')
         self.tasks = load_tasks(dirs)
-        val_tid = {t['tid'] for t in self.tasks if t['split'] == 'val'}
+        val_tid = {t['tid'] for t in load_tasks(val_dirs if val_dirs is not None else dirs) if t['split'] == 'val'}
         X, Y, V, SG, TID = map(np.concatenate, (xs, ys, vs, ss, ts))
         is_val = np.isin(TID, np.fromiter(val_tid, dtype=np.int64)) if val_tid else np.zeros(len(TID), bool)
         sel = {'train': ~is_val, 'val': is_val, None: np.ones(len(TID), bool)}[split]
@@ -35,9 +58,43 @@ class Samples:
         self.X, self.Y, self.V, self.SG, self.TID = t(X), t(Y), t(V), t(SG), t(TID)
         self.n = self.X.shape[0]
 
-    def batch(self, bs, gen=None):
+    def batch(self, bs, gen=None, aug=None):
+        """aug：训练配置（train 段），按 aug_pre_drop / aug_pre_sigma / aug_dq_sigma 做条件输入增广（见 augment）；None = 原样。"""
         i = torch.randint(0, self.n, (bs,), device=self.X.device, generator=gen)
-        return self.X[i], self.Y[i], self.V[i], self.SG[i]
+        X, Y = self.X[i], self.Y[i]
+        if aug: X, Y = self.augment(X.clone(), Y.clone(), aug, gen)
+        return X, Y, self.V[i], self.SG[i]
+
+    def augment(self, X, Y, cfg, gen=None):
+        """条件输入增广（2026-10-19，审查 review_data_actions C3 / review_model_train P1-4：前缀与 dq 的 copycat 捷径）。
+        训练集里 r=3 时要执行的 Y[3:6] 几乎就是前缀第 3 步的延续，dq 又永远是老师的干净速度，模型容易学成「照抄上一块」，
+        闭环里自己的误差经前缀 / dq 原样带回。三种扰动，标签都保持自洽：
+          - 前缀丢弃（aug_pre_drop）：r>0 的行以该概率清空前缀与掩码 → 变成 r=0 样本。Y 本来就从当前 q 起算，r=0 时标签不变；
+          - 前缀噪声（aug_pre_sigma，STEP 为单位）：r>0 的行一半加噪声 ε。前缀 = 已提交、一定会执行的步，所以标签前 r 步同样 +ε，
+            第 r 步减去 Σε 把位置拉回老师轨迹（亏空在下一步补齐，与增广收回同理）；
+          - dq 噪声（aug_dq_sigma，STEP 为单位）：一半的行给速度特征加噪声，状态与标签不变。"""
+        B, dev = X.shape[0], X.device
+        rnd = lambda *s: torch.rand(*s, device=dev, generator=gen)
+        rn = lambda *s: torch.randn(*s, device=dev, generator=gen)
+        pl = X[:, MASK_SL].sum(-1).round().long()
+        pd = float(cfg.get('aug_pre_drop', 0.0))
+        if pd > 0:
+            m = (rnd(B) < pd) & (pl > 0)
+            X[:, 47:68] = torch.where(m[:, None], torch.zeros_like(X[:, 47:68]), X[:, 47:68]); pl = torch.where(m, torch.zeros_like(pl), pl)
+        ps = float(cfg.get('aug_pre_sigma', 0.0))
+        if ps > 0:
+            m = (rnd(B) < 0.5) & (pl > 0)
+            km = (torch.arange(3, device=dev)[None] < pl[:, None]) & m[:, None]                 # [B,3] 前缀有效步
+            eps = rn(B, 3, 6) * ps * km[..., None].to(X.dtype)                                  # STEP 为单位
+            X[:, PREFIX_SL] = X[:, PREFIX_SL] + eps.reshape(B, 18)
+            Y[:, :3] = Y[:, :3] + eps / self.act_scale                                          # Y 以 act_scale·STEP 为单位
+            Y[torch.arange(B, device=dev), pl.clamp(max=Y.shape[1] - 1)] -= eps.sum(1) / self.act_scale
+            Y.clamp_(-1, 1)
+        ds = float(cfg.get('aug_dq_sigma', 0.0))
+        if ds > 0:
+            m = (rnd(B) < 0.5).to(X.dtype)
+            X[:, DQ_SL] = X[:, DQ_SL] + rn(B, 6) * ds * m[:, None]
+        return X, Y
 
 
 def main():
@@ -46,7 +103,9 @@ def main():
     tasks = load_tasks([a.index])
     cats = {}
     for t in tasks: cats[t['cat'] + '/' + t['mode']] = cats.get(t['cat'] + '/' + t['mode'], 0) + 1
-    info = {'train_samples': tr.n, 'val_samples': va.n, 'tasks': len(tasks), 'val_tasks': sum(t['split'] == 'val' for t in tasks), 'by_cat_mode': cats}
+    meta = read_meta(a.index)
+    info = {'train_samples': tr.n, 'val_samples': va.n, 'tasks': len(tasks), 'val_tasks': sum(t['split'] == 'val' for t in tasks), 'by_cat_mode': cats,
+            'data_ver': int(meta.get('data_ver', 1)), 'act_scale': float(meta.get('act_scale', 1.0)), 'sig': meta.get('sig')}
     json.dump(info, open(os.path.join(a.index, 'index.json'), 'w'), indent=1)
     print(json.dumps(info, indent=1))
 

ml/eval/acceptance.py

@@ -4,7 +4,7 @@
 其余项读已有文件（缺文件记为 missing，不算通过）：
   ml/runs/policy_bench.json   部署形态：各集合穿模帧 = 0；near 30/30（pos、pose）；route 全部到达；nc1000 0 失败；刹停率 < 2%；R8 恢复 ≥ 95%、活锁 = 0
   ml/data/r2.json             R2 近邻标签 std < 10% 步长
-  ml/runs/bench_*/log.jsonl   R10 吞吐 ≥ 5000 样本/s（≈ 60000 步 ≤ 3.5 h）
+  ml/runs/bench_*/log.jsonl   R10 吞吐 ≥ 5000 样本/s（24000 步 batch 1024 ≈ 1.4 h）
   ml/runs/m5_gate_*.json      M5 头门禁
   ml/runs/mine/r*/gate.json   R7 最后一轮左右比例 / 行程门禁
   ml/runs/r4.json             R4 浏览器推理 batch=8 P99 < 15 ms（r4 探针）
@@ -37,8 +37,8 @@ def main():
         items.append({'item': name, 'value': value, 'pass': (None if ok is None else bool(ok)), 'rule': rule})
 
     # 1) held-out 闭环（仿真安全层）
-    ck = torch.load(a.ckpt, map_location=a.device)
-    model = build(ck['cfg']).to(a.device); model.load_state_dict(ck['model']); model.eval()
+    from ml.common.ckpt import load_policy      # 2026-10-19：EMA 权重 + act_scale
+    model, ck = load_policy(a.ckpt, a.device)
     kin = Kin(device=a.device)
     val = [t for t in load_tasks([a.samples]) if t['split'] == 'val']
     reach = [t for t in val if t.get('reached') and t['cat'] != 'D']
@@ -62,8 +62,8 @@ def main():
     r4 = jload('ml/runs/r4.json')
     add('R4 浏览器推理 batch=8 P99（ms）', (r4 or {}).get('deploy', {}).get('p99') if r4 else 'missing', bool(r4 and r4.get('pass')), '< 15（随机初始化同结构模型实测）')
     r9 = jload('ml/runs/r9_browser.json'); rr = (r9 or {}).get('result') or {}
-    add('R9 查看器整次规划 P99（ms）/ 饥饿节拍占比', [rr.get('planP99'), rr.get('starve_rate')] if r9 else 'missing', bool(r9 and r9.get('pass')),
-        '< 45 ms 且 < 1%（训练好的模型、30 道贴柱题，ml.eval.r4_probe --viewer）')
+    add('R9 查看器稳态规划 P99（ms）/ 运动中饥饿占比 / 认证超时占比', [rr.get('planWarmP99'), rr.get('starve_rate'), rr.get('cert_time_rate')] if r9 else 'missing', bool(r9 and r9.get('pass')),
+        '< 45 ms、< 1%、< 5%（训练好的模型、30 道贴柱题，ml.eval.r4_probe --viewer；冷启动 P99 / 刹停率 / tickGapMax 见 r9_browser.json）')
     pb = jload('ml/runs/policy_bench.json')
     if pb is None:
         add('部署形态评测', 'missing', False, '先跑 bash ml/pipeline.sh bench')
@@ -97,7 +97,7 @@ def main():
     for f in sorted(glob.glob('ml/runs/bench_*/log.jsonl')):
         recs = [json.loads(l) for l in open(f) if '"samples_per_s"' in l]
         if recs: sps = max(sps or 0, recs[-1]['samples_per_s'])
-    add('R10 训练吞吐（样本/s）', sps, sps is not None and sps >= 5000, '≥ 5000（≈ 60000 步 ≤ 3.5 h）')
+    add('R10 训练吞吐（样本/s）', sps, sps is not None and sps >= 5000, '≥ 5000（24000 步 ≈ 1.4 h）')
     m5 = [jload(f) for f in sorted(glob.glob('ml/runs/m5_gate_*.json'))]
     m5 = [m for m in m5 if m]
     add('M5 头门禁', [{'head': m['head'], 'collision_rate': m['policy_only']['collision_rate']} for m in m5] or 'missing',

ml/eval/check_r2.py

@@ -7,7 +7,7 @@
   改为按"近邻距离 → 标签差"做线性回归，取距离 → 0 的截距 label_std_norm 作判据（与池大小无关：池大只是近邻更近、点更多，
   截距估计的是"同一输入下的固有标签分歧"）；旧口径 label_std_mean 保留作参考。pipeline 默认只警告，R2_STRICT=1 才拦。
   自检（第七轮起每次自动做）：--pool 50000 与 4 倍池 200000 各测一次，label_std_norm 差 < 0.02 记 pool_check.independent=true。
-2026-10-18 新增（审查：R2 无执行点）。默认 5000 查询 × 50000 池，分块 256：GPU 峰值 < 0.5 GB，连同 4 倍池自检 CPU 约 5–10 分钟、GPU 约 1 分钟；近邻对为空时输出 pass=null 而不报错。"""
+2026-10-18 新增（审查：R2 无执行点）。默认 5000 查询 × 50000 池，分块 256：GPU 常驻约 1.6 GB（每样本 776 B × 1.7 M + 分块，第八轮按本机实测改），连同 4 倍池自检 CPU 约 5–10 分钟、GPU 约 1 分钟；近邻对为空时输出 pass=null 而不报错。"""
 import argparse, json, math
 import torch
 
@@ -60,14 +60,15 @@ def measure(d, a, pool):
     # 与池无关的口径：全部有效近邻对（取距离较近的一半，排除远处非线性段）上回归 std ~ a + b·dist，截距 a
     dd = best_d[fin]; jj = best_j[fin]; qf = torch.nonzero(fin).squeeze(1)
     half = dd <= torch.quantile(dd, 0.5)
-    Ya, Yb = d.Y[qi][qf[half], :3].float(), d.Y[pi][jj[half], :3].float()
+    # 2026-10-19：Y 以 act_scale·STEP 为单位（DATA_VER 2 起 1.25），乘回 act_scale 让判据仍是「STEP 的比例」，与旧数据可比
+    Ya, Yb = d.Y[qi][qf[half], :3].float() * d.act_scale, d.Y[pi][jj[half], :3].float() * d.act_scale
     sa = (Ya - Yb).pow(2).mean(-1).mean(-1).sqrt() / math.sqrt(2)
     A = torch.stack([torch.ones_like(dd[half]), dd[half]], 1)
     coef = torch.linalg.lstsq(A.cpu(), sa.cpu()[:, None]).solution.squeeze(1)
     std_norm = max(0.0, coef[0].item())
     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()
+    Yq, Yp = d.Y[qi][m, :3].float() * d.act_scale, d.Y[pi][best_j[m], :3].float() * d.act_scale
     rms = (Yq - Yp).pow(2).mean(-1).mean(-1).sqrt()            # 每对、6 轴 × 3 步平均
     std = (rms / math.sqrt(2))
     return {'pairs': int(m.sum()), 'pool': P, 'queries': Q, 'nn_dist_threshold': thr.item(),

ml/eval/diag_cl.py

@@ -0,0 +1,316 @@
+#!/usr/bin/env python
+"""闭环失败定位（只读，手动运行，n=256 约 35–50 分钟，显存约 3–6 GB）。
+  PYTHONUTF8=1 python -m ml.eval.diag_cl --ckpt ml/runs/base/last.pt --n 256 --out ml/runs/diag_cl.json
+任务 = val 集前 n 题；老师轨迹按任务 id 从 ml/data/shard_*.jsonl 取（取不到的题不进 H 段，数量记在 H_tasks_missing_teacher）。
+模型经 ckpt.load_policy 载入（有 EMA 用 EMA；act_scale 随 checkpoint，旧 checkpoint = 1.0）。
+
+段落：
+  A. 特征口径：val 任务起点（非增广、老师状态）上，Python features() 与数据集 X 的逐组最大差 / 平均差。
+  B. 同一噪声下两份特征得到的动作差（16 步末端关节差，度）。
+  C. 旧部署口径（1 段采样、一致性选择、子目标旧规则 timeout）的失败形态：首撞时刻、碰撞步数、首撞组对、最小目标误差、
+     目标误差进度比、开安全层的到达 / 碰撞 / 刹停。到达 = 时限内到达，碰撞只计时限内（2026-10-19 起）。
+  H（2026-10-19，三份审查 review_closedloop / review_model_train / review_data_actions 的决定性实验）：
+    H1 老师 oracle 走完整 rollout()（closed_loop.TeacherOracle；select='first'、use_sub=False）：
+       H1_oracle：额外含 oracle 字段——DLS 接管前与老师轨迹的最大关节偏差、到达 / 碰撞、完成时刻 − 老师时长；
+       H1_oracle_noise_<σ>（σ = 0.05 / 0.1 / 0.2，STEP 为单位，每次规划重采）：闭环对残差噪声的敏感度。
+    H2 前缀消融：H2_open_loop（r=3 的 val 行，前缀 47:68 原样 vs 置零，执行窗口 3..5 的误差）；
+       H2_replan_empty_s{1,4}：队列空了才规划（每次 r=0、提交 3 步），其余同部署。
+    H3 子目标：H3_headsub_cross_s{1,4}（子目标头 + 越过顶点规则 = 新部署默认）、H3_headsub_timeout_s{1,4}（旧规则 = 旧部署）、
+       H3_teachersub_cross_s{1,4} / H3_teachersub_timeout_s{1,4}（老师真实途经点全表）、H3_nosub_s{1,4}（不用子目标）。
+    H4 指标（上面每个闭环变体都输出同一组键，见 metrics()）；H4_open_loop：按前缀长度 r=0..3 的执行窗口误差。
+  _s1 / _s4 = MeanFlow 1 段（部署）/ 4 段采样。"""
+import argparse, json, math, os
+
+import torch
+
+from ml.common.ckpt import load_policy
+from ml.common.kin_torch import Kin
+from ml.common.features import features, STEP, H
+from ml.data import Samples, load_tasks, read_meta
+from ml.sim.closed_loop import rollout, goal_err, DT, TeacherOracle
+from ml.eval.replay_teacher import load_teacher, pad_traj, oracle_raw, oracle_summary
+
+# 83 维特征分组（与 features.py 拼接顺序一致）
+GROUPS = [('sincos', 0, 12), ('joint_norm', 12, 15), ('dq', 15, 21), ('p', 21, 24), ('Rq', 24, 30), ('T', 30, 33),
+          ('R', 33, 39), ('T-p', 39, 42), ('T-p_clamp', 42, 45), ('mode', 45, 47), ('prefix', 47, 65), ('mask', 65, 68),
+          ('sub', 68, 74), ('sub_flag', 74, 75), ('gaps', 75, 83)]
+
+
+PROG_T = (0.5, 1.0, 2.0)     # 目标误差 / 起点误差 的取样时刻（s）
+K1, K2 = int(round(1.0 / DT)), int(round(2.0 / DT))   # 1 s / 2 s 对应的步数
+
+
+def pct(v, p):
+    v = sorted(x for x in v if x is not None and x == x)
+    return v[min(len(v) - 1, int(len(v) * p))] if v else None
+
+
+def qt(t, p):
+    t = t[torch.isfinite(t)]
+    return round(float(t.kthvalue(max(1, min(len(t), int(math.ceil(p * len(t)))))).values), 4) if len(t) else None
+
+
+def rnd(x, n=4):
+    if isinstance(x, list): return [rnd(v, n) for v in x]
+    return None if x is None or x != x else round(float(x), n)
+
+
+def pad_len(tr, n):
+    """轨迹 [B,T,6] 末帧重复补到至少 n 帧（到达后冻结，补帧与冻结等价）。"""
+    if tr.shape[1] >= n: return tr
+    return torch.cat([tr, tr[:, -1:].expand(-1, n - tr.shape[1], -1)], 1)
+
+
+def batch_stats(kin, ch, per, TR):
+    """一批的逐题量（CPU）。窗口：幅度 / 净位移 / TCP 用前 1 s，变号率用前 2 s 的 3 步块。"""
+    dev = TR.device
+    stp = torch.tensor(STEP, device=dev)
+    tr = pad_len(per['traj'].to(dev), K2 + 1); te = pad_len(TR, K2 + 1)
+    B = tr.shape[0]
+    amp = lambda x: (x[:, 1:K1 + 1] - x[:, :K1]).abs().sum(1)                    # [B,6] 前 1 s 关节行程
+    net = lambda x: (x[:, K1] - x[:, 0]).abs()                                    # [B,6] 前 1 s 净位移
+    def tcp(x):
+        p = kin.fk(x[:, :K1 + 1].reshape(-1, 6)).view(B, K1 + 1, 3)
+        return (p[:, 1:] - p[:, :-1]).norm(dim=-1).sum(1), (p[:, -1] - p[:, 0]).norm(dim=-1)
+    def flips(x):
+        idx = torch.arange(0, K2 + 1, 3, device=dev)
+        b = x[:, idx[1:]] - x[:, idx[:-1]]                                        # [B,nb,6] 3 步块增量
+        big = b.abs() > 0.1 * stp
+        v = big[:, 1:] & big[:, :-1]
+        f = v & (torch.sign(b[:, 1:]) != torch.sign(b[:, :-1]))
+        return f.sum(1).float(), v.sum(1).float()
+    tl_p, tn_p = tcp(tr); tl_t, tn_t = tcp(te)
+    fp_, vp_ = flips(tr); ft_, vt_ = flips(te)
+    ex = torch.tensor([t.get('exec_s') or float('nan') for t in ch])
+    return {'ok': per['ok'], 'col': per['col'] > 0, 'isD': torch.tensor([t.get('cat') == 'D' for t in ch]),
+            'pose': torch.tensor([bool(t.get('R')) for t in ch]), 'key': [t.get('cat', '?') + '/' + t.get('mode', '?') for t in ch],
+            'r2': per['goal_ratio_2s'], 'err': per['err'], 'first_hit': per['first_hit'], 'brakes': per['brakes'],
+            'tratio': per['t_done'] / ex,
+            'amp_p': amp(tr).cpu(), 'amp_t': amp(te).cpu(), 'net_p': net(tr).cpu(), 'net_t': net(te).cpu(),
+            'tl_p': tl_p.cpu(), 'tl_t': tl_t.cpu(), 'tn_p': tn_p.cpu(), 'tn_t': tn_t.cpu(),
+            'fl_p': fp_.cpu(), 'fv_p': vp_.cpu(), 'fl_t': ft_.cpu(), 'fv_t': vt_.cpu()}
+
+
+def metrics(stats):
+    """H4 指标（每个闭环变体同一组键）：
+      reach / collision：cat≠D、时限内（D 类目标不可达，单列在 D）；
+      goal_ratio_2s_p50：2 s 时目标误差 / 起点误差；end_goal_err_mm_p50；first_hit_s_p50（撞了的题）；t_done_over_teacher_p50（到达的题）；
+      joint_amp_ratio[6]：前 1 s 各轴关节行程 Σ|Δq| 策略 / 老师（全体题合计；J6 只算 pose 题，pos 题老师冻结 J6）；
+      joint_net_ratio[6]：前 1 s 各轴净位移 |q(1s) − q(0)| 策略 / 老师（同上）；j6_pos_amp_deg_p50：pos 题策略 J6 前 1 s 行程（度，老师为 0）；
+      tcp_path_ratio_p50 / tcp_net_ratio_p50：前 1 s TCP 路程 / 净位移 策略 / 老师（逐题比，老师 > 1 mm 的题）；
+      sign_flip_rate[6] / sign_flip_rate_teacher[6]：前 2 s 相邻 3 步块增量变号的比例（两块都 > 0.1·STEP 才计）；
+      by_cat_mode：各 cat/mode 的 n、reach、collision、goal_ratio_2s_p50（不含 D）；D：n、collision、end_goal_err_mm_p50、goal_ratio_2s_p50。"""
+    c = {k: (sum((s[k] for s in stats), []) if isinstance(stats[0][k], list) else torch.cat([s[k] for s in stats])) for k in stats[0]}
+    keys = c['key']
+    m = ~c['isD']; pose = c['pose']
+    def jr(a, b):
+        out = []
+        for j in range(6):
+            sel = m & pose if j == 5 else m
+            den = float(b[sel, j].sum()); out.append(float(a[sel, j].sum()) / den if den > 1e-6 else None)
+        return rnd(out)
+    tl_ok = m & (c['tl_t'] > 1); tn_ok = m & (c['tn_t'] > 1)
+    out = {'n': int(m.sum()),
+           'reach': rnd(c['ok'][m].float().mean()) if m.any() else None,
+           'collision': rnd(c['col'][m].float().mean()) if m.any() else None,
+           'goal_ratio_2s_p50': qt(c['r2'][m], .5), 'end_goal_err_mm_p50': qt(c['err'][m], .5),
+           'first_hit_s_p50': qt(c['first_hit'][m], .5), 't_done_over_teacher_p50': qt(c['tratio'][m & c['ok']], .5),
+           'brakes_p50': qt(c['brakes'][m], .5),
+           'joint_amp_ratio': jr(c['amp_p'], c['amp_t']), 'joint_net_ratio': jr(c['net_p'], c['net_t']),
+           'j6_pos_amp_deg_p50': qt(c['amp_p'][m & ~pose, 5], .5),
+           'tcp_path_ratio_p50': qt(c['tl_p'][tl_ok] / c['tl_t'][tl_ok], .5), 'tcp_net_ratio_p50': qt(c['tn_p'][tn_ok] / c['tn_t'][tn_ok], .5),
+           'sign_flip_rate': rnd((c['fl_p'][m].sum(0) / c['fv_p'][m].sum(0).clamp(min=1)).tolist()),
+           'sign_flip_rate_teacher': rnd((c['fl_t'][m].sum(0) / c['fv_t'][m].sum(0).clamp(min=1)).tolist())}
+    by = {}
+    for i, k in enumerate(keys):
+        if not bool(m[i]): continue
+        by.setdefault(k, []).append(i)
+    out['by_cat_mode'] = {k: {'n': len(ix), 'reach': rnd(c['ok'][ix].float().mean()), 'collision': rnd(c['col'][ix].float().mean()),
+                              'goal_ratio_2s_p50': qt(c['r2'][ix], .5)} for k, ix in sorted(by.items())}
+    d = c['isD']
+    out['D'] = {'n': int(d.sum()), 'collision': rnd(c['col'][d].float().mean()) if d.any() else None,
+                'end_goal_err_mm_p50': qt(c['err'][d], .5), 'goal_ratio_2s_p50': qt(c['r2'][d], .5)}
+    return out
+
+
+def teacher_subs(recs, device):
+    """老师真实途经点全表（path 去掉起终点）→ (subs [B,M,6], n [B])，供 rollout(sub_override=...)。"""
+    vs = [r['path'][1:-1] for r in recs]
+    M = max(1, max(len(v) for v in vs))
+    subs = torch.zeros(len(vs), M, 6, device=device); n = torch.zeros(len(vs), dtype=torch.long, device=device)
+    for i, v in enumerate(vs):
+        if v:
+            x = torch.tensor(v, dtype=torch.float32, device=device); subs[i, :len(v)] = x; subs[i, len(v):] = x[-1]; n[i] = len(v)
+    return subs, n
+
+
+def main():
+    ap = argparse.ArgumentParser()
+    ap.add_argument('--ckpt', required=True); ap.add_argument('--samples', default='ml/data/samples')
+    ap.add_argument('--shards', default='ml/data/shard_*.jsonl')
+    ap.add_argument('--n', type=int, default=256); ap.add_argument('--bs', type=int, default=64)
+    ap.add_argument('--device', default='cuda' if torch.cuda.is_available() else 'cpu'); ap.add_argument('--out', default='ml/runs/diag_cl.json')
+    a = ap.parse_args()
+    dev = a.device
+    model, ck = load_policy(a.ckpt, dev)
+    kin = Kin(device=dev)
+    astep = torch.tensor(STEP, device=dev) * model.act_scale                   # 动作 → 度
+    data_scale = float(read_meta(a.samples).get('act_scale', 1.0))
+    out = {'ckpt': a.ckpt, 'step': ck.get('step'), 'weights': 'ema' if ck.get('ema') is not None else 'model',
+           'act_scale_ckpt': model.act_scale, 'act_scale_data': data_scale}
+    tasks = [t for t in load_tasks([a.samples]) if t['split'] == 'val'][:a.n]
+    by_tid = {t['tid']: t for t in tasks}
+    def save():
+        s = json.dumps(out, indent=1, ensure_ascii=False)
+        os.makedirs(os.path.dirname(a.out) or '.', exist_ok=True)
+        open(a.out + '.tmp', 'w', encoding='utf-8').write(s); os.replace(a.out + '.tmp', a.out)
+        return s
+
+    # ---------- A / B：起点特征口径 ----------
+    vd = Samples(a.samples, device=dev, split='val')
+    tid = vd.TID.long()
+    first = torch.ones_like(tid, dtype=torch.bool); first[1:] = tid[1:] != tid[:-1]     # 每题第一行 = t=0 样本
+    idx = [i for i in first.nonzero().flatten().tolist() if int(tid[i]) in by_tid]
+    X0 = vd.X[idx].float()
+    tk = [by_tid[int(tid[i])] for i in idx]
+    q0 = torch.tensor([t['q0'] for t in tk], dtype=torch.float32, device=dev)
+    qx = torch.atan2(X0[:, 0:12:2], X0[:, 1:12:2]) * 180 / torch.pi
+    dqx = torch.remainder(qx - q0 + 180, 360) - 180
+    clean = dqx.abs().max(-1).values < 1e-2                  # 未被噪声增广的起点
+    out['A_rows'] = int(clean.sum()); out['A_rows_aug_skipped'] = int((~clean).sum())
+    if clean.any():
+        Xc = X0[clean]; qc = q0[clean]; tc = [t for t, c in zip(tk, clean.tolist()) if c]
+        T = torch.tensor([t['T'] for t in tc], dtype=torch.float32, device=dev)
+        R = torch.tensor([t['R'] if t.get('R') else [0.] * 9 for t in tc], dtype=torch.float32, device=dev)
+        B = qc.shape[0]
+        qpc = torch.tensor([t.get('qp0') or t['q0'] for t in tc], dtype=torch.float32, device=dev)
+        pre = Xc[:, 47:65].view(B, 3, 6) * torch.tensor(STEP, device=dev)       # 前缀 / 子目标直接取数据集里的，只比状态相关部分
+        pl = Xc[:, 65:68].sum(-1).round()
+        sf = Xc[:, 74]
+        sub = qc + Xc[:, 68:74] * 180
+        Fp = features(kin, qc, qpc, T, R, pre, pl, sub, sf)
+        out['A_maxdiff'] = {g: (Fp[:, s:e] - Xc[:, s:e]).abs().max().item() for g, s, e in GROUPS}
+        out['A_meandiff'] = {g: (Fp[:, s:e] - Xc[:, s:e]).abs().mean().item() for g, s, e in GROUPS}
+        with torch.no_grad():
+            z = torch.randn(B * 8, H, 6, device=dev, generator=torch.Generator(device=dev).manual_seed(7))
+            a1, _, _ = model.sample_k(Xc, 8, z); a2, _, _ = model.sample_k(Fp, 8, z)
+        d = ((a1.clamp(-1, 1) - a2.clamp(-1, 1)) * astep).sum(2).abs().max(-1).values     # [B,K] 16 步末端关节差（度）
+        mag = (a1.clamp(-1, 1) * astep).sum(2).abs().max(-1).values
+        out['B_act_diff_deg'] = {'mean': d.mean().item(), 'p90': d.flatten().kthvalue(max(1, int(0.9 * d.numel()))).values.item(),
+                                 'ref_motion_deg_mean': mag.mean().item()}
+
+    # ---------- H4 / H2 开环：执行窗口误差（val 行，老师状态） ----------
+    # 闭环稳态 r=3，真正执行的是 act[r:r+3]；原来的 ol_fk_mm 是 16 步终点误差，前缀那几步几乎不会错，看不出执行窗口。
+    with torch.no_grad():
+        pl_all = vd.X[:, 65:68].sum(-1).round().long()
+        gsel = torch.Generator(device=dev); gsel.manual_seed(321)
+        def rows_with(r, n=1024):
+            ix = (pl_all == r).nonzero().flatten()
+            return ix[torch.randperm(len(ix), device=dev, generator=gsel)[:n]] if len(ix) else ix
+        def win_err(X, Y, r, steps, k0=None):
+            k0 = r if k0 is None else k0
+            z = torch.randn(X.shape[0] * 8, H, 6, device=dev, generator=torch.Generator(device=dev).manual_seed(11))
+            act, _, _ = model.sample_k(X, 8, z, steps=steps); act = act.float().clamp(-1, 1)
+            e = ((act[:, :, k0:k0 + 3] - Y[:, None, k0:k0 + 3]) * astep).sum(2).abs()          # [N,K,6] 窗口累计误差（度）
+            emax = e.max(-1).values.flatten()
+            res = {'n_rows': int(X.shape[0]), 'deg_mean': rnd(emax.mean()), 'deg_p90': qt(emax, .9), 'per_joint_deg_mean': rnd(e.mean((0, 1)).tolist())}
+            if r > 0 and k0 == r:
+                ce = ((act[:, :, :r] - Y[:, None, :r]) * astep).abs().max(-1).values.max(-1).values.flatten()
+                res['prefix_copy_err_deg_mean'] = rnd(ce.mean())
+            return res
+        ol4, ol2 = {}, {}
+        for steps in (1, 4):
+            for r in range(4):
+                ix = rows_with(r)
+                if len(ix): ol4['s%d_r%d' % (steps, r)] = win_err(vd.X[ix].float(), vd.Y[ix].float(), r, steps)
+            ix = rows_with(3)
+            if len(ix):
+                X3 = vd.X[ix].float(); Y3 = vd.Y[ix].float(); X3z = X3.clone(); X3z[:, 47:68] = 0
+                ol2['s%d_prefix_orig' % steps] = win_err(X3, Y3, 3, steps)
+                ol2['s%d_prefix_zeroed' % steps] = win_err(X3z, Y3, 0, steps, k0=3)
+        out['H4_open_loop'] = ol4; out['H2_open_loop'] = ol2
+    del vd
+    if dev.startswith('cuda'): torch.cuda.empty_cache()
+
+    # ---------- C：旧部署口径的闭环失败形态（子目标旧规则，便于与前几轮对比） ----------
+    first_t, col_steps, pairs, min_err, reach = [], [], {}, [], 0
+    prog = {ts: [] for ts in PROG_T}
+    reach_s, brakes_s, col_s = 0, [], 0
+    for i in range(0, len(tasks), a.bs):
+        ch = tasks[i:i + a.bs]
+        with torch.no_grad():
+            _, per = rollout(model, kin, ch, dev, K=8, safety=False, seed=i, return_traj=True, sub_rule='timeout')
+            tr = per['traj'].to(dev)                                            # [B,Tn,6]
+            B, Tn, _ = tr.shape
+            flat = tr.reshape(-1, 6)                                            # 分块 ≤1024 点（同 dagger/collect.py 的显存修复）
+            gm = torch.cat([kin.gaps(flat[s:s + 1024], 0.5)['gm'] for s in range(0, flat.shape[0], 1024)]).view(B, Tn, 49)
+            inlim = (torch.arange(Tn, device=dev)[None] * DT) <= per['limit'].to(dev)[:, None] + 1e-6
+            hit = (gm.min(-1).values <= 0) & inlim                              # [B,Tn] 只计时限内
+            Tt = torch.tensor([t['T'] for t in ch], dtype=torch.float32, device=dev)
+            Rt = torch.tensor([t['R'] if t.get('R') else [0.] * 9 for t in ch], dtype=torch.float32, device=dev)
+            e, _ = goal_err(kin, tr.reshape(-1, 6), Tt.repeat_interleave(Tn, 0), Rt.repeat_interleave(Tn, 0))
+            e = e.view(B, Tn)
+            for b in range(B):
+                for ts in PROG_T:
+                    k = min(Tn - 1, int(round(ts / DT))); prog[ts].append((e[b, k] / e[b, 0].clamp(min=1e-3)).item())
+            for b in range(B):
+                if per['ok'][b]: reach += 1
+                min_err.append(e[b].min().item()); col_steps.append(int(per['col'][b]))
+                h = hit[b].nonzero().flatten()
+                if len(h):
+                    k = int(h[0]); first_t.append(k * DT)
+                    pr = int(gm[b, k].argmin()); key = '%d-%d' % (pr // 7, pr % 7); pairs[key] = pairs.get(key, 0) + 1
+            rs, ps = rollout(model, kin, ch, dev, K=8, safety=True, seed=i, sub_rule='timeout')
+            reach_s += int(ps['ok'].sum()); col_s += int((ps['col'] > 0).sum()); brakes_s += ps['brakes'].tolist()
+    n = len(tasks)
+    out['C'] = {'n': n, 'reach': reach / n, 'collided': len(first_t) / n,
+                'first_hit_s': {'p10': pct(first_t, .1), 'p50': pct(first_t, .5), 'p90': pct(first_t, .9),
+                                'within_0.1s': sum(t <= 0.1 for t in first_t) / max(1, len(first_t))},
+                'col_steps': {'p50': pct(col_steps, .5), 'p90': pct(col_steps, .9)},
+                'first_hit_pair(group a-b)': dict(sorted(pairs.items(), key=lambda kv: -kv[1])[:8]),
+                'min_goal_err_mm': {'p10': pct(min_err, .1), 'p50': pct(min_err, .5), 'p90': pct(min_err, .9)},
+                'safety_on': {'reach': reach_s / n, 'collided': col_s / n, 'brakes_p50': pct(brakes_s, .5)}}
+    out['C']['goal_err_ratio_p50'] = {'%.1fs' % ts: pct(v, .5) for ts, v in prog.items()}   # <1 = 在靠近目标
+    print(save(), flush=True)
+
+    # ---------- H：闭环变体（同一批 val 题，老师轨迹按 id 取） ----------
+    teach = load_teacher(a.shards, [t['id'] for t in tasks])
+    tH = [t for t in tasks if t['id'] in teach]
+    out['H_tasks'] = len(tH); out['H_tasks_missing_teacher'] = len(tasks) - len(tH)
+
+    def variant(oracle_sigma=None, teacher_sub=False, **kw):
+        stats, raws = [], []
+        for i in range(0, len(tH), a.bs):
+            ch = tH[i:i + a.bs]; recs = [teach[t['id']] for t in ch]
+            TR = pad_traj([r['traj'] for r in recs], dev)
+            kw2 = dict(kw)
+            if oracle_sigma is not None:
+                kw2.update(oracle=TeacherOracle(TR, act_scale=data_scale, sigma=oracle_sigma), select='first', use_sub=False)
+            if teacher_sub: kw2['sub_override'] = teacher_subs(recs, dev)
+            with torch.no_grad():
+                _, per = rollout(None if oracle_sigma is not None else model, kin, ch, dev, K=8, seed=i, return_traj=True, **kw2)
+                stats.append(batch_stats(kin, ch, per, TR))
+                if oracle_sigma is not None: raws.append(oracle_raw(per, TR, [len(r['traj']) for r in recs], ch))
+            del per
+        res = metrics(stats)
+        if oracle_sigma is not None and oracle_sigma == 0: res['oracle'] = oracle_summary(raws)
+        if dev.startswith('cuda'): torch.cuda.empty_cache()
+        return res
+
+    plan = [('H1_oracle', dict(oracle_sigma=0.0))]
+    plan += [('H1_oracle_noise_%g' % s, dict(oracle_sigma=s)) for s in (0.05, 0.1, 0.2)]
+    for st in (1, 4):
+        plan += [('H3_headsub_cross_s%d' % st, dict(steps=st, sub_rule='cross')),
+                 ('H3_headsub_timeout_s%d' % st, dict(steps=st, sub_rule='timeout')),
+                 ('H3_teachersub_cross_s%d' % st, dict(steps=st, sub_rule='cross', teacher_sub=True)),
+                 ('H3_teachersub_timeout_s%d' % st, dict(steps=st, sub_rule='timeout', teacher_sub=True)),
+                 ('H3_nosub_s%d' % st, dict(steps=st, use_sub=False)),
+                 ('H2_replan_empty_s%d' % st, dict(steps=st, sub_rule='cross', replan='empty'))]
+    for name, kw in plan:
+        out[name] = variant(**kw)
+        save(); print('[diag] %s 完成' % name, flush=True)
+    print(save(), flush=True)
+
+
+if __name__ == '__main__':
+    main()

ml/eval/diag_collision.py

@@ -0,0 +1,136 @@
+#!/usr/bin/env python
+"""闭环碰撞定位：第一次碰撞发生在第几秒、碰撞时最近的是哪两条连杆（J几-J几）。
+
+用法（仓库根目录）：
+  PYTHONUTF8=1 python -m ml.eval.diag_collision --ckpt ml/runs/base/last.pt --n 512 --out ml/runs/diag_collision.json
+
+口径与 closed_loop.rollout 一致：每步同时检查当前状态 q 与相邻状态中点 mid 的间隙（cap=0.5 mm）；
+间隙组对索引 = gA*7+gB（gA<gB，g 为连杆组 0..5 → J1..J6）。
+"""
+import argparse, json, math, os, sys
+from collections import Counter
+
+import torch
+
+from ml.common.kin_torch import Kin
+from ml.data import load_tasks
+from ml.model.policy import build
+from ml.sim.closed_loop import DT, rollout
+
+
+def pair_names():
+    # kin.json 有 7 个连杆组：g=0 是固定基座/立柱，g=1..6 是 J1..J6
+    def nm(g):
+        return '基座' if g == 0 else f'J{g}'
+    return {a * 7 + b: f'{nm(a)}-{nm(b)}' for a in range(7) for b in range(a + 1, 7)}
+
+
+def main():
+    ap = argparse.ArgumentParser()
+    ap.add_argument('--ckpt', required=True)
+    ap.add_argument('--samples', default='ml/data/samples')
+    ap.add_argument('--split', default='val')
+    ap.add_argument('--n', type=int, default=512)
+    ap.add_argument('--bs', type=int, default=64)
+    ap.add_argument('--chunk', type=int, default=64, help='回放轨迹分块步数（显存小就调小）')
+    ap.add_argument('--K', type=int, default=8)
+    ap.add_argument('--cap', type=float, default=0.5)
+    ap.add_argument('--device', default='cuda' if torch.cuda.is_available() else 'cpu')
+    ap.add_argument('--out', default=None)
+    a = ap.parse_args()
+
+    ck = torch.load(a.ckpt, map_location=a.device)
+    model = build(ck['cfg']).to(a.device)
+    model.load_state_dict(ck['model'])
+    model.eval()
+    kin = Kin(device=a.device)
+    if ck.get('fp') and ck['fp'] != kin.fp:
+        sys.exit(f'checkpoint 指纹 {ck["fp"]} 与 kin.json {kin.fp} 不符')
+    tasks = [t for t in load_tasks([a.samples]) if t['split'] == a.split][:a.n]
+    PN = pair_names()
+    rows = []
+    tau = [0, 0.5, 1.0, 2.0, 3.0, 5.0, 1e9]
+    hist = Counter()
+    pair_first = Counter(); pair_steps = Counter()
+    with torch.no_grad():
+        for i in range(0, len(tasks), a.bs):
+            chunk = tasks[i:i + a.bs]
+            res, per = rollout(model, kin, chunk, a.device, K=a.K, safety=False, seed=i, return_traj=True)
+            traj = per['traj'].to(a.device)              # [B,T,6]
+            B, Tn, _ = traj.shape
+            first_t = torch.full((B,), float('nan'), device=a.device)
+            first_pair = torch.full((B,), -1, dtype=torch.long, device=a.device)
+            first_gap = torch.full((B,), float('nan'), device=a.device)
+            min_gap = torch.full((B,), float('inf'), device=a.device)
+            col_steps = torch.zeros(B, device=a.device)
+            for k in range(Tn):
+                qk = traj[:, k]
+                mid = 0.5 * (traj[:, max(0, k - 1)] + qk)
+                pts = torch.stack([qk, mid], 1).reshape(2 * B, 6)   # 每帧只喂 2B 个点（与 rollout 同量级；一次 2048 点会爆显存）
+                gm = kin.gaps(pts, a.cap)['gm'].view(B, 2, 49)
+                gmin, gpair = gm.min(-1)                             # [B,2]
+                g1 = gmin.min(1).values
+                min_gap = torch.minimum(min_gap, g1)
+                newly = (g1 <= 0) & torch.isnan(first_t)
+                if bool(newly.any()):
+                    for b in newly.nonzero().flatten().tolist():
+                        pos = 0 if float(gmin[b, 0]) <= 0 else 1
+                        first_t[b] = k * DT
+                        first_pair[b] = gpair[b, pos]
+                        first_gap[b] = gmin[b, pos]
+                if not bool(torch.isnan(first_t).any()):
+                    break
+            for b, t in enumerate(chunk):
+                ft = float(first_t[b])
+                fp = int(first_pair[b])
+                name = PN.get(fp, '—')
+                if not math.isnan(ft):
+                    pair_first[name] += 1
+                    for j in range(len(tau) - 1):
+                        if tau[j] <= ft < tau[j + 1]:
+                            hist[f'{tau[j]}–{tau[j + 1]} s' if tau[j + 1] < 1e8 else '> 5 s'] += 1
+                            break
+                rows.append({
+                    'tid': t.get('tid'), 'cat': t.get('cat'), 'mode': t.get('mode'),
+                    'collided': bool(per['col'][b] > 0),
+                    'first_collision_s': None if math.isnan(ft) else round(ft, 2),
+                    'first_pair': None if name == '—' else name, 'first_pair_idx': None if fp < 0 else fp,
+                    'first_gap_mm': None if math.isnan(float(first_gap[b])) else round(float(first_gap[b]), 3),
+                    'min_gap_mm': round(float(min_gap[b]), 3),
+                    'collision_steps': int(per['col'][b]),
+                })
+            print(f'[diag] {min(i + a.bs, len(tasks))}/{len(tasks)} 已回放', flush=True)
+
+    collided = [r for r in rows if r['collided']]
+    def pct(v, p):
+        v = sorted(v); return v[min(len(v) - 1, int(len(v) * p))] if v else None
+    times = [r['first_collision_s'] for r in collided]
+    out = {
+        'ckpt': a.ckpt, 'step': ck.get('step'), 'n': len(rows), 'n_collided': len(collided),
+        'collision_rate': len(collided) / max(1, len(rows)),
+        'first_time_s': {'p10': pct(times, .1), 'p50': pct(times, .5), 'p90': pct(times, .9)},
+        'first_time_hist': dict(hist),
+        'first_pair_top': pair_first.most_common(),
+        'min_gap_mm_p10/p50': [pct([r['min_gap_mm'] for r in rows], .1), pct([r['min_gap_mm'] for r in rows], .5)],
+        'by_cat': {},
+        'tasks': rows,
+    }
+    for k in sorted({f"{r['cat']}/{r['mode']}" for r in rows}):
+        g = [r for r in rows if f"{r['cat']}/{r['mode']}" == k]
+        out['by_cat'][k] = {'n': len(g), 'first_t_p50': pct([r['first_collision_s'] for r in g if r['collided']], .5),
+                            'first_pairs': Counter([r['first_pair'] for r in g if r['first_pair']]).most_common(3)}
+    s = json.dumps(out, indent=1, ensure_ascii=False)
+    if a.out:
+        open(a.out + '.tmp', 'w', encoding='utf-8').write(s); os.replace(a.out + '.tmp', a.out)
+    print('== 汇总 ==')
+    print('题数 %d，撞过 %d（%.1f%%）' % (len(rows), len(collided), 100 * out['collision_rate']))
+    print('首次碰撞时间 p10/p50/p90 = %s / %s / %s s' % (
+        out['first_time_s']['p10'], out['first_time_s']['p50'], out['first_time_s']['p90']))
+    print('首次碰撞时间分布：', out['first_time_hist'])
+    print('首次碰撞的连杆对 Top：', pair_first.most_common(8))
+    print('全程最小间隙 p10/p50 = %s / %s mm' % tuple(out['min_gap_mm_p10/p50']))
+    if a.out: print('已写', a.out)
+
+
+if __name__ == '__main__':
+    main()

ml/eval/diag_tail.py

@@ -0,0 +1,128 @@
+#!/usr/bin/env python
+"""闭环末位误差诊断（只读，手动运行；不在流水线里）。
+
+回答一个问题：策略"差一点没进 1 mm 门"还是"根本没朝目标走"。
+输出每题：
+  - 最终位置误差 err_mm / 最终姿态误差 oerr_deg
+  - 全程最小位置误差 min_err_mm、最小综合误差时是否进过 5 mm & 5° 窗口（DLS 接管门槛）
+  - done（是否到达）、碰撞步数、用时
+以及按 cat/mode 分组的汇总与分位数。
+
+用法（仓库根目录）：
+  PYTHONUTF8=1 python ml/eval/diag_tail.py --ckpt ml/runs/base/last.pt --n 512 --out ml/runs/diag_tail.json
+"""
+import argparse, json, math, os, sys
+
+sys.path.insert(0, os.path.dirname(os.path.dirname(os.path.dirname(os.path.abspath(__file__)))))
+
+import torch
+
+
+def pct(v, p):
+    if not v:
+        return None
+    v = sorted(v)
+    return v[min(len(v) - 1, int(len(v) * p))]
+
+
+def main():
+    ap = argparse.ArgumentParser()
+    ap.add_argument('--ckpt', required=True)
+    ap.add_argument('--samples', default='ml/data/samples')
+    ap.add_argument('--tasks', default=None, help='任务 jsonl（覆盖 --samples/--split）')
+    ap.add_argument('--split', default='val')
+    ap.add_argument('--n', type=int, default=512)
+    ap.add_argument('--bs', type=int, default=64, help='每批题数（显存小就调小）')
+    ap.add_argument('--K', type=int, default=8)
+    ap.add_argument('--device', default='cuda' if torch.cuda.is_available() else 'cpu')
+    ap.add_argument('--out', default=None)
+    a = ap.parse_args()
+
+    from ml.common.kin_torch import Kin, D2R
+    from ml.data import load_tasks
+    from ml.model.policy import build
+    from ml.sim.closed_loop import rollout, goal_err
+
+    from ml.common.ckpt import load_policy      # 2026-10-19：EMA 权重 + act_scale
+    model, ck = load_policy(a.ckpt, a.device)
+    kin = Kin(device=a.device)
+    if ck.get('fp') and ck['fp'] != kin.fp:
+        sys.exit('checkpoint 的碰撞模型指纹 %s 与当前 kin.json %s 不符' % (ck['fp'], kin.fp))
+
+    if a.tasks:
+        tasks = [json.loads(l) for l in open(a.tasks, encoding='utf-8') if l.strip()]
+    else:
+        tasks = [t for t in load_tasks([a.samples]) if t['split'] == a.split]
+    tasks = tasks[:a.n]
+
+    per_task = []
+    with torch.no_grad():
+        for i in range(0, len(tasks), a.bs):
+            chunk = tasks[i:i + a.bs]
+            res, per = rollout(model, kin, chunk, a.device, K=a.K, safety=False, seed=i, return_traj=True)
+            traj = per['traj']                      # [B, T, 6]
+            B, Tn, _ = traj.shape
+            Tt = torch.tensor([t['T'] for t in chunk], dtype=torch.float32, device=a.device)
+            Rt = torch.tensor([t['R'] if t.get('R') else [0.] * 9 for t in chunk], dtype=torch.float32, device=a.device)
+            min_e = torch.full((B,), float('inf'), device=a.device)
+            min_o = torch.full((B,), float('inf'), device=a.device)
+            entered = torch.zeros(B, dtype=torch.bool, device=a.device)   # 曾同时满足 e<5mm & (无姿态要求或 oe<5°)
+            step = 256
+            for t0 in range(0, Tn, step):
+                q = traj[:, t0:t0 + step].reshape(-1, 6)
+                n = q.shape[0] // B
+                e, oe = goal_err(kin, q, Tt.repeat_interleave(n, 0), Rt.repeat_interleave(n, 0))
+                e = e.view(B, n); oe = oe.view(B, n)
+                min_e = torch.minimum(min_e, e.min(1).values)
+                min_o = torch.minimum(min_o, oe.min(1).values)
+                pose = (Rt.abs().sum(-1) > 0)[:, None]
+                window = (e < 5) & (~pose | (oe < 5))
+                entered |= window.any(1)
+            done = per['done'].to(a.device); col = per['col'].to(a.device); td = per['t_done'].to(a.device)
+            end_e = per['err'].to(a.device)
+            # 末态姿态误差：traj 最后一帧
+            qend = traj[:, -1]
+            ee, eo = goal_err(kin, qend, Tt, Rt)
+            for j, t in enumerate(chunk):
+                per_task.append({
+                    'tid': t.get('tid'), 'cat': t.get('cat'), 'mode': t.get('mode'),
+                    'err_mm': float(end_e[j]), 'oerr_deg': float(eo[j]),
+                    'min_err_mm': float(min_e[j]), 'min_oerr_deg': float(min_o[j]),
+                    'entered_5mm5deg': bool(entered[j]),
+                    'done': bool(done[j]), 'collision_steps': float(col[j]),
+                    't_done_s': None if math.isnan(float(td[j])) else float(td[j]),
+                })
+            print('[diag] %d/%d  done=%d  entered=%d  min_err<=5mm=%d' % (
+                min(i + a.bs, len(tasks)), len(tasks), int(done.sum()), int(entered.sum()),
+                sum(1 for p in per_task if p['min_err_mm'] <= 5)), flush=True)
+
+    def summ(rows):
+        if not rows:
+            return {'n': 0}
+        e = [r['err_mm'] for r in rows]; me = [r['min_err_mm'] for r in rows]
+        o = [r['oerr_deg'] for r in rows]
+        return {'n': len(rows),
+                'done': sum(r['done'] for r in rows),
+                'entered_5mm5deg': sum(r['entered_5mm5deg'] for r in rows),
+                'min_err_mm<=5': sum(1 for v in me if v <= 5),
+                'min_err_mm<=10': sum(1 for v in me if v <= 10),
+                'err_mm_p10/p50/p90': [pct(e, .1), pct(e, .5), pct(e, .9)],
+                'min_err_mm_p10/p50/p90': [pct(me, .1), pct(me, .5), pct(me, .9)],
+                'oerr_deg_p50/p90': [pct(o, .5), pct(o, .9)],
+                'collision_steps_mean': sum(r['collision_steps'] for r in rows) / len(rows)}
+
+    out = {'ckpt': a.ckpt, 'step': ck.get('step'), 'fp': ck.get('fp'), 'n': len(per_task),
+           'overall': summ(per_task),
+           'by_cat_mode': {k: summ([r for r in per_task if '%s/%s' % (r['cat'], r['mode']) == k])
+                           for k in sorted({('%s/%s' % (r['cat'], r['mode'])) for r in per_task})},
+           'tasks': per_task}
+    s = json.dumps(out, indent=1, ensure_ascii=False)
+    print(s[:2000])
+    if a.out:
+        open(a.out + '.tmp', 'w', encoding='utf-8').write(s)
+        os.replace(a.out + '.tmp', a.out)
+        print('[diag] 已写', a.out)
+
+
+if __name__ == '__main__':
+    main()

ml/eval/r4_probe.py

@@ -21,12 +21,19 @@ import argparse, http.server, json, os, shutil, socket, subprocess, sys, tempfil
 ROOT = os.path.dirname(os.path.dirname(os.path.dirname(os.path.abspath(__file__))))
 LIMIT_MS = 15.0
 PLAN_LIMIT_MS = 45.0      # R9：整次规划 P99（60 ms 周期留 15 ms 给渲染与 tick）
-STARVE_LIMIT = 0.01       # R9：饥饿节拍占比上限
+STARVE_LIMIT = 0.01       # R9：饥饿节拍占比上限（只计运动中，冷启动不计）
+TIME_LIMIT = 0.05         # R9：认证因墙钟截止判不过的占比上限——防止靠拒绝候选、刹停换来 planP99 达标（第八轮，viewer_ref 随机模型 time 占失败 70%）
+# 2026-10-18 第八轮：R9 判稳态 planWarmP99（剔除每题首次冷启动规划）。冷启动发生在静止起步，只是起步延迟，单独报 planColdP99 不设闸；
+# 否则 30 题 = 30 次冷启动，planP99 测的是题数而不是稳态。
 
 
 def ort_local():
-    if os.environ.get('ORT_LOCAL') in ('0', '1'): return os.environ['ORT_LOCAL'] == '1'
-    return os.path.exists(os.path.join(ROOT, 'webapp', 'vendor', 'ort', 'ort.min.js'))
+    # 2026-10-18 第八轮：ort 已入库（webapp/vendor/ort），默认只用本地；本地缺失直接报错，不再静默退回 CDN
+    # （第七轮本机：npm pack 失败 → 退回 CDN → jsDelivr 不通 → 四种配置全是「加载 ort 失败」却显示跑完）。确要用 CDN 设 ORT_LOCAL=0。
+    if os.environ.get('ORT_LOCAL') == '0': return False
+    if not os.path.exists(os.path.join(ROOT, 'webapp', 'vendor', 'ort', 'ort.min.js')):
+        sys.exit('webapp/vendor/ort/ort.min.js 不存在：git pull 拿入库的 ort，或 bash ml/prep/vendor_ort.sh；确要用 CDN 设 ORT_LOCAL=0')
+    return True
 
 
 def find_browser():
@@ -105,7 +112,10 @@ def viewer(srv, browser, model_url, n, probe):
     if r.get('planP99') is not None:
         sr = (r.get('starve') or 0) / max(1, r.get('ticks') or 1)
         r['starve_rate'] = round(sr, 4)
-        r['r9_pass'] = r['planP99'] < PLAN_LIMIT_MS and sr < STARVE_LIMIT
+        pl = max(1, r.get('plans') or 1); why = r.get('certFailWhy') or {}
+        r['cert_time_rate'] = round((why.get('time') or 0) / pl, 4); r['brake_rate'] = round((r.get('brakes') or 0) / pl, 4)
+        w = r.get('planWarmP99') if r.get('planWarmP99') is not None else r['planP99']
+        r['r9_pass'] = w < PLAN_LIMIT_MS and sr < STARVE_LIMIT and r['cert_time_rate'] < TIME_LIMIT
     print('viewer', json.dumps({k: v for k, v in r.items() if k != 'per'}, ensure_ascii=False), flush=True)
     return r
 
@@ -152,7 +162,7 @@ def main():
 
 def main_viewer(a):
     meta = json.load(open(a.model.replace('.onnx', '.meta.json'), encoding='utf-8'))
-    out = {'rule': f'R9：查看器整次规划 planMs P99 < {PLAN_LIMIT_MS:g} ms 且饥饿节拍 < {STARVE_LIMIT:.0%}', 'model': a.model, 'pass': None}
+    out = {'rule': f'R9：查看器稳态规划 planWarmP99 < {PLAN_LIMIT_MS:g} ms、运动中饥饿节拍 < {STARVE_LIMIT:.0%}、认证超时占比 < {TIME_LIMIT:.0%}（planColdP99 / brake_rate / tickGapMax 只报不判）', 'model': a.model, 'pass': None}
     br = find_browser()
     if not br: out['note'] = '没找到 Edge / Chrome（可设 R4_BROWSER=浏览器路径）'
     else:
@@ -164,7 +174,7 @@ def main_viewer(a):
     os.makedirs(os.path.dirname(a.out) or '.', exist_ok=True)
     json.dump(out, open(a.out, 'w', encoding='utf-8'), indent=1, ensure_ascii=False)
     r = out.get('result') or {}
-    print(f"R9：{ {True: '通过', False: '未通过', None: '未判定'}[out['pass']] }  planMs P99 {r.get('planP99')} ms（推理 {r.get('inferP99')} / 安全层 {r.get('safetyP99')}），饥饿 {r.get('starve_rate')}")
+    print(f"R9：{ {True: '通过', False: '未通过', None: '未判定'}[out['pass']] }  稳态 planMs P99 {r.get('planWarmP99')} ms（冷启动 {r.get('planColdP99')}；推理 {r.get('inferP99')} / 安全层 {r.get('safetyP99')}），饥饿 {r.get('starve_rate')}，认证超时 {r.get('cert_time_rate')}，刹停 {r.get('brake_rate')}，tickGapMax {r.get('tickGapMax')}")
 
 
 if __name__ == '__main__':

ml/eval/replay_teacher.py

@@ -0,0 +1,144 @@
+"""老师轨迹回放自检（train 阶段开训前自动跑，约 1–3 分钟）：
+  python -m ml.eval.replay_teacher --n 512 --out ml/runs/replay_teacher.json
+两部分，都过才 pass（pipeline.sh 读 pass 字段与指纹，不过就停 rc 5）：
+  1. 运动学口径（2026-10-18）：gen 写出的老师 50 Hz 轨迹（keep=true、cat≠D）直接放进 PyTorch 运动学 / 碰撞 / 到达判据：
+     到达率 ≥ 0.95、碰撞率 ≤ 0.01。验证的是「仿真口径（kin.json、间隙、到达门槛）与 JS 认证过的数据一致」。
+  2. 滚动口径（2026-10-19，审查 review_closedloop F1/D1、review_data_actions C1）：上面那条完全不经过 rollout()，
+     队列 / 前缀 / 提交 3 步 / qe / 标签 clamp / DLS / done / 时限上的错位它都发现不了。这里让老师当策略（closed_loop.TeacherOracle：
+     每次规划从当前时间下标取老师 16 步增量，按标签口径 clamp）原样走 rollout()（select='first'、use_sub=False）：
+     到达（时限内）≥ 0.95、碰撞 ≤ 0.01、DLS 接管前与老师轨迹的最大关节偏差 p99 ≤ 0.1°（shard 轨迹按 1e-3° 取整，标签 clamp 会截掉取整的余量）。
+输出另带 fp（当前 kin.json）、data_fp（shard 里记录的碰撞模型指纹）、ver=2；pipeline 三者都核对。
+load_teacher / pad_traj / oracle_raw / oracle_summary 供 ml/eval/diag_cl.py 的 H1 段复用。"""
+import argparse, glob, json, math, os, sys
+import torch
+
+from ml.common.kin_torch import Kin
+from ml.sim.closed_loop import goal_err, rollout, TeacherOracle, DT
+
+DEV_TOL_DEG = 0.1
+
+
+def load_teacher(shards, ids):
+    """按任务 id 从 shard jsonl 取老师记录（traj、path、exec_s…）。只解析 id 命中的行。"""
+    want, out = set(ids), {}
+    for f in sorted(glob.glob(shards)):
+        for line in open(f, encoding='utf-8'):
+            k = line.find('"id":"')
+            if k < 0: continue
+            rid = line[k + 6:line.find('"', k + 6)]
+            if rid in want and rid not in out:
+                r = json.loads(line)
+                if r.get('traj'): out[rid] = r
+        if len(out) == len(want): break
+    return out
+
+
+def pad_traj(trajs, device, extra=20):
+    """[B,Tmax+extra,6]：各题老师轨迹末帧重复补齐（oracle 在轨迹末尾之后给零增量）。"""
+    Tm = max(len(t) for t in trajs) + extra
+    out = torch.zeros(len(trajs), Tm, 6, device=device)
+    for i, t in enumerate(trajs):
+        x = torch.tensor(t, dtype=torch.float32, device=device)
+        out[i, :len(t)] = x; out[i, len(t):] = x[-1]
+    return out
+
+
+def oracle_raw(per, TR, lens, tasks):
+    """oracle 滚动的逐题量：DLS 接管前（且到达前、老师轨迹结束前）与老师的最大关节偏差 mdev（度）、时限内到达 ok、
+    时限内碰撞 col、是否计入到达统计（cat≠D）、完成时刻 − 老师时长 dt（s）、是否用过 DLS、2 s 目标误差比。"""
+    tr = per['traj'].to(TR.device); B, Tn, _ = tr.shape
+    L = min(Tn, TR.shape[1])
+    dev = (tr[:, :L] - TR[:, :L]).abs().max(-1).values                         # [B,L]
+    k = torch.arange(L, device=TR.device)[None]
+    kd = torch.tensor(lens, device=TR.device)[:, None] - 1
+    dls = per['dls_it'].to(TR.device)[:, None]
+    td = per['t_done'].to(TR.device)
+    kdone = torch.where(torch.isfinite(td), (td / DT).round(), torch.full_like(td, 1e9)).long()[:, None]
+    valid = (k <= kd) & ((dls < 0) | (k <= dls)) & (k <= kdone)
+    ex = torch.tensor([t.get('exec_s') or float('nan') for t in tasks])
+    return {'mdev': torch.where(valid, dev, torch.zeros_like(dev)).max(-1).values.cpu(), 'ok': per['ok'], 'col': per['col'] > 0,
+            'reach_m': torch.tensor([t.get('cat') != 'D' for t in tasks]), 'dt': per['t_done'] - ex,
+            'dls': per['dls_it'] >= 0, 'r2': per['goal_ratio_2s']}
+
+
+def _q(v, p):
+    v = v[torch.isfinite(v)]
+    return float(v.kthvalue(max(1, min(len(v), int(math.ceil(p * len(v)))))).values) if len(v) else None
+
+
+def oracle_summary(raws):
+    c = {k: torch.cat([r[k] for r in raws]) for k in raws[0]}
+    m = c['reach_m']; ok = c['ok']
+    dt = c['dt'][ok & m]
+    return {'n': int(len(m)), 'n_reach_tasks': int(m.sum()),
+            'reach': float(ok[m].float().mean()) if m.any() else None,
+            'collision': float(c['col'][m].float().mean()) if m.any() else None,
+            'D': {'n': int((~m).sum()), 'collision': float(c['col'][~m].float().mean()) if (~m).any() else None},
+            'max_dev_deg_before_dls': {'p50': _q(c['mdev'], .5), 'p99': _q(c['mdev'], .99), 'max': float(c['mdev'].max())},
+            'dls_used': float(c['dls'].float().mean()),
+            'finish_minus_teacher_s': {'p50': _q(dt, .5), 'p90': _q(dt, .9), 'max': float(dt.max()) if len(dt) else None},
+            'goal_ratio_2s_p50': _q(c['r2'], .5)}
+
+
+def main():
+    ap = argparse.ArgumentParser()
+    ap.add_argument('--shards', default='ml/data/shard_*.jsonl'); ap.add_argument('--n', type=int, default=512)
+    ap.add_argument('--samples', default='ml/data/samples', help='读打包 meta 的 act_scale（oracle 按同一标签口径 clamp）；没有就按 1.0')
+    ap.add_argument('--bs', type=int, default=128)
+    ap.add_argument('--out', default='ml/runs/replay_teacher.json')
+    ap.add_argument('--device', default='cuda' if torch.cuda.is_available() else 'cpu')
+    a = ap.parse_args()
+    kin = Kin(device=a.device)
+    recs = []
+    for f in sorted(glob.glob(a.shards)):
+        for line in open(f, encoding='utf-8'):
+            r = json.loads(line)
+            if r.get('keep') and r.get('traj') and r.get('cat') != 'D': recs.append(r)
+            if len(recs) >= a.n: break
+        if len(recs) >= a.n: break
+    if not recs: sys.exit('没有可回放的老师轨迹（先跑 gen）')
+    # ---- 1. 运动学口径
+    reach = col = 0; worst_gap = []
+    for r in recs:
+        q = torch.tensor(r['traj'], dtype=torch.float32, device=a.device)
+        mid = 0.5 * (q[1:] + q[:-1])
+        g = kin.gaps(torch.cat([q, mid], 0), 0.5)['gm'].min(-1).values
+        hit = bool((g <= 0).any()); col += hit; worst_gap.append(g.min().item())
+        T = torch.tensor([r['T']], dtype=torch.float32, device=a.device)
+        R = torch.tensor([r['R'] if r.get('R') else [0.] * 9], dtype=torch.float32, device=a.device)
+        e, oe = goal_err(kin, q[-1:], T, R)
+        reach += bool((e < 1).item() and (oe < 0.5).item())
+    n = len(recs)
+    kin_ok = reach / n >= 0.95 and col / n <= 0.01
+    # ---- 2. 滚动口径：老师 oracle 走完整 rollout()
+    try:
+        from ml.data import read_meta
+        act_scale = float(read_meta(a.samples).get('act_scale', 1.0)) if os.path.isdir(a.samples) else 1.0
+    except SystemExit:
+        act_scale = 1.0
+    tasks = [{'q0': r['q0'], 'T': r['T'], 'R': r.get('R'), 'exec_s': r.get('exec_s') or (len(r['traj']) - 1) * DT,
+              'travel': r.get('travel_deg'), 'cat': r.get('cat')} for r in recs]
+    raws = []
+    for i in range(0, n, a.bs):
+        tb, rb = tasks[i:i + a.bs], recs[i:i + a.bs]
+        TR = pad_traj([r['traj'] for r in rb], a.device)
+        _, per = rollout(None, kin, tb, a.device, K=1, select='first', use_sub=False, return_traj=True, seed=i,
+                         oracle=TeacherOracle(TR, act_scale=act_scale))
+        raws.append(oracle_raw(per, TR, [len(r['traj']) for r in rb], tb))
+    orc = oracle_summary(raws); orc['act_scale'] = act_scale
+    orc_ok = (orc['reach'] or 0) >= 0.95 and (orc['collision'] or 0) <= 0.01 and orc['max_dev_deg_before_dls']['p99'] <= DEV_TOL_DEG
+    data_fps = {r.get('fp') for r in recs}
+    data_fp = data_fps.pop() if len(data_fps) == 1 else 'mixed'
+    res = {'ver': 2, 'n': n, 'reach': reach / n, 'collision': col / n, 'min_gap_mm_p10': sorted(worst_gap)[n // 10], 'kin_pass': kin_ok,
+           'oracle': orc, 'oracle_pass': orc_ok, 'fp': kin.fp, 'data_fp': data_fp,
+           'pass': bool(kin_ok and orc_ok and data_fp in (None, kin.fp))}
+    os.makedirs(os.path.dirname(a.out) or '.', exist_ok=True)
+    json.dump(res, open(a.out, 'w', encoding='utf-8'), indent=1, ensure_ascii=False)
+    print('老师轨迹回放：到达 %.1f%%、碰撞 %.1f%%（%d 条）；oracle 走 rollout：到达 %.1f%%、碰撞 %.1f%%、DLS 前最大偏差 p99 %.4f°；指纹 %s' % (
+        100 * res['reach'], 100 * res['collision'], n, 100 * orc['reach'], 100 * orc['collision'],
+        orc['max_dev_deg_before_dls']['p99'], '一致' if data_fp in (None, kin.fp) else '不符'), flush=True)
+    sys.exit(0 if res['pass'] else 5)
+
+
+if __name__ == '__main__':
+    main()

ml/export_onnx.py

@@ -1,7 +1,7 @@
 """导出部署包（方案 §8.4）：
   python -m ml.export_onnx --ckpt ml/runs/current.pt --out webapp/models/traj_policy.onnx [--fp16]
 输出 traj_policy.onnx（输入 feat[1 或 K,83]、z[K,16,6]；输出 act[K,16,6] 归一化增量、value[K]、sub[K,13]）
-与 traj_policy.meta.json（碰撞模型指纹、特征版本、维度、enc_once）。导出后用 onnxruntime 与 PyTorch 对拍。
+与 traj_policy.meta.json（碰撞模型指纹、特征版本、维度、enc_once、act_scale）。导出后用 onnxruntime 与 PyTorch 对拍。
 2026-10-18 第五轮：改为"编码一次、解码 K 次"（Policy.sample_shared），meta.enc_once=true；运行时据此只送 1 行特征。
 2026-10-18 第六轮：feat 轴改为动态（1 行 = 主推理编码一次；K 行 = 前瞻逐行编码），meta.feat_dyn=true。
   第五轮的 enc_once 模型 feat 固定 1 行，运行时前瞻只能逐行推（ik-policy.js ortInfer 已兼容），重新导出即可。
@@ -32,8 +32,8 @@ def main():
         torch.manual_seed(0); ck = {'cfg': json.load(open(a.random)), 'random_init': True}
         m = build(ck['cfg']); m.eval()
     elif a.ckpt:
-        ck = torch.load(a.ckpt, map_location='cpu')
-        m = build(ck['cfg']); m.load_state_dict(ck['model']); m.eval()
+        from ml.common.ckpt import load_policy  # 2026-10-19：导出 EMA 权重（审查 P1-5：原来导的是原始权重）
+        m, ck = load_policy(a.ckpt, 'cpu')
     else: raise SystemExit('需要 --ckpt 或 --random <配置>')
     kin = Kin()
     if ck.get('fp') and ck['fp'] != kin.fp: raise SystemExit(f"checkpoint 指纹 {ck['fp']} ≠ 当前碰撞模型 {kin.fp}：须重训")
@@ -62,8 +62,10 @@ def main():
     err_rows = max(float(np.abs(o8[i] - r8[i].numpy()).max()) for i in range(3))
     assert err_rows < 1e-3, f'feat 为 K 行时与 sample 不一致：{err_rows}'
     err = max(err, err_rows)
+    # 2026-10-19：act_scale = 动作标签归一化倍数，运行时 inc = clamp(act, ±1)·act_scale·STEP（ik-policy.js Runner 的 actScale 读它）
     meta = {'fp': kin.fp, 'tcp0': kin.tcp0.tolist(), 'head': m.head, 'feat_ver': FEAT_VER, 'f_dim': F_DIM, 'h': H, 'step': STEP, 'fp16': a.fp16,
-            'ckpt': os.path.abspath(a.ckpt) if a.ckpt else None, 'random_init': bool(a.random), 'enc_once': True, 'feat_dyn': True, 'eval': ck.get('eval'), 'max_abs_err_vs_torch': err}
+            'ckpt': os.path.abspath(a.ckpt) if a.ckpt else None, 'random_init': bool(a.random), 'enc_once': True, 'feat_dyn': True,
+            'act_scale': float(ck.get('act_scale', 1.0)), 'eval': ck.get('eval'), 'max_abs_err_vs_torch': err}
     json.dump(meta, open(a.out.replace('.onnx', '.meta.json'), 'w'), indent=1)
     print(json.dumps({'onnx': a.out, 'MB': os.path.getsize(a.out) / 1e6, 'max_abs_err_vs_torch': err}))
 

ml/gen/gen_dataset.cjs

@@ -5,7 +5,9 @@
  * 每行一条任务：采样 → 老师 → 距离下界认证过滤 → 局部时间律（50 Hz）→ 写出。
  * 认证不过的样本也写出（keep=false + 原因），供 stats 统计丢弃率；训练只用 keep=true。
  * 2026-10-18 断点续写：第 i 条任务的随机数只由 (seed, i) 决定（sampler.reseed）；输出文件已存在时保留其中完整的行、
- *   截掉写了一半的最后一行，从下一条接着写 —— 生成几小时被中断，重跑只补剩下的，不重来、不重复。 */
+ *   截掉写了一半的最后一行，从下一条接着写 —— 生成几小时被中断，重跑只补剩下的，不重来、不重复。
+ * 2026-10-19：--tasks 的任务带 qPrev（DAgger 采集时策略的上一帧）时，记录 qPrev 与起步速度 v0（timelaw.initSpeed），
+ *   时间律从 v0 起步；build_dataset.cjs 用它们做 t=0 样本的 dq 特征与标签。 */
 'use strict';
 const fs = require('fs'), path = require('path');
 const args = {}; for (let i = 2; i < process.argv.length; i += 2) args[process.argv[i].replace(/^--/, '')] = process.argv[i + 1];
@@ -19,7 +21,7 @@ const K_CONS = +args.consensus || 0;
 const GIVEN = args.tasks ? fs.readFileSync(args.tasks, 'utf8').split('\n').filter(Boolean).map(l => JSON.parse(l)) : null;
 const NT = GIVEN ? GIVEN.length : N;
 const cert = require('./cert.cjs')(S, {});
-const { timeParam } = require('./timelaw.cjs');
+const { timeParam, initSpeed } = require('./timelaw.cjs');
 const fp = S.modelFingerprint ? S.modelFingerprint() : null;
 fs.mkdirSync(path.dirname(OUT), { recursive: true });
 let done = 0;
@@ -63,7 +65,11 @@ for (let i = done; i < NT; i++) {
     if (valid >= 2 && agree * 2 < valid) { rec.keep = false; rec.why = 'consensus'; }
   }
   if (t.poseRelaxed && task.mode === 'pose') { rec.mode = 'pos'; rec.R = null; rec.demoted = true; rec.reached = t.err < 1; }
-  if (rec.keep) { const tp = timeParam(t.pts); rec.traj = tp.traj.map(q => q.map(r3)); rec.exec_s = r3(tp.steps * 0.02); }
+  if (rec.keep && task.qPrev) {
+    rec.qPrev = task.qPrev.map(r3);
+    rec.v0 = r3(initSpeed(t.pts, task.qPrev, S.wrap180, S.ORDER.map(id => !!S.LIM[id].cont)));
+  }
+  if (rec.keep) { const tp = timeParam(t.pts, { v0: rec.v0 || 0 }); rec.traj = tp.traj.map(q => q.map(r3)); rec.exec_s = r3(tp.steps * 0.02); }
   fs.writeSync(fd, JSON.stringify(rec) + '\n');
   if ((i + 1) % 25 === 0) process.stderr.write(`[seed ${SEED}] ${i + 1}/${NT}  ${((performance.now() - t00) / 1000 / (i + 1 - done)).toFixed(2)} s/条\n`);
 }

ml/gen/run_parallel.sh

@@ -29,10 +29,27 @@ while :; do
     echo "[gen 节拍] $(( (tl-t0)/60 )) 分钟  运行中 $alive/${#pids[@]} 进程  本批已写 $n 条  $last"
   fi
 done
-fail=0
+# 判定按产物而不是 wait 的退出码：2026-10-18 实测 28 个种子跑了 5 小时后全部 wait 报失败，
+# 但每个 .part 都是完整的 1786 行（node 打了 done、mv 却没执行）——Git Bash 长跑后 wait 的返回码不可靠。
+# 短产物分两种：网页点「停止」把 node 杀掉（.part 是断点，续跑接着写，不是失败）和 node 自己报错。
+# 只有日志尾部有报错特征才算失败；143 让网页显示「已停止」而不是「失败（返回码 6）」（monitor.html:508 同一口径）。
+crashed=0; stopped=0; sn=0
 for k in "${!pids[@]}"; do
-  if ! wait ${pids[$k]}; then echo "[gen] 种子 ${seeds[$k]} 失败，最后几行："; tail -n 5 ml/data/log_${seeds[$k]}.txt || true; fail=1; fi
+  s=${seeds[$k]}; f=ml/data/shard_$(printf %04d $s).jsonl
+  w=0; wait ${pids[$k]} || w=$?          # 记下来但不当判据：长跑后 Git Bash 的 wait 返回码不可靠
+  if [ -f "$f" ]; then continue; fi
+  n=0; [ -f "$f.part" ] && n=$(wc -l < "$f.part")
+  if [ "$n" -ge "$N" ]; then mv "$f.part" "$f" && echo "[gen] 种子 $s 产物完整（$n 行），补改名" && continue; fi
+  if tail -n 4 ml/data/log_$s.txt 2>/dev/null | grep -qE '^(Error|.*Error:|.*SyntaxError|.*heap out of memory|Traceback|.*throw )'; then
+    echo "[gen] 种子 $s 失败：.part 只有 $n/$N 行，最后几行："; tail -n 5 ml/data/log_$s.txt || true
+    crashed=1
+  else
+    echo "[gen] 种子 $s 已停止：写好 $n/$N 条，断点保留在 $f.part，点「继续训练」从第 $((n + 1)) 条接着写（子进程返回码 $w）"
+    stopped=1; sn=$((sn + n))
+  fi
 done
-[ $fail = 0 ] || exit 6
+[ $crashed = 0 ] || exit 6
+# 全被停止时不跑 stats.cjs：分片还没改名，统计口径没变，重算一遍只会让「补量」看起来原地不动
+[ $stopped = 0 ] || { echo "[gen] 本轮是被停止的，没有报错：$stopped 个种子共保住 $sn 条，续跑不重复生成"; exit 143; }
 node ml/gen/stats.cjs ml/data/shard_*.jsonl > ml/data/stats.json
 cat ml/data/stats.json

ml/gen/timelaw.cjs

@@ -1,7 +1,10 @@
 /* 局部可观测时间律（2026-10-17，方案 §4.5）
  * 折线按"巡航时间" τ 参数化：每段 τ = max_j |Δq_j| / VMAX_j（各轴同步、主导轴满速）。
  * 归一化速度 v∈[0,1]（1 = 巡航）：v ← min(1, v + A·dt, sqrt(2·A·剩余 τ))，只依赖当前速度与剩余路程。
- * 输出 50 Hz（dt = 20 ms）状态序列，末点精确落在终点。 */
+ * 输出 50 Hz（dt = 20 ms）状态序列，末点精确落在终点。
+ * 2026-10-19（审查 review_closedloop F7 / review_data_actions C10）：opt.v0 = 起步归一化速度（默认 0 = 静止起步）。
+ *   DAgger 重新标注的起点来自策略闭环、本来就在运动，原来一律从静止加速，标签与策略真正到达的 (q, dq) 状态不符。
+ *   initSpeed(P, qPrev) 把当前速度投影到首段方向上得到 v0（gen_dataset.cjs 用）。 */
 'use strict';
 const VMAX = [60, 60, 90, 90, 120, 180];   // °/s，与 tests/route_bench.cjs 同（轴速比 0.6/0.6/0.9/0.9/1.2/1.8）
 const A = 5.0;                              // 1/s²：0→巡航约 0.2 s（a_max 待真机参数）
@@ -19,7 +22,7 @@ function timeParam(P, opt) {
     const u = segT[i] > 0 ? (tau - cum[i]) / segT[i] : 1;
     return P[i].map((v, j) => v + (P[i + 1][j] - v) * u);
   };
-  const out = [P[0].slice()], taus = [0]; let tau = 0, v = 0, guard = 0;
+  const out = [P[0].slice()], taus = [0]; let tau = 0, v = Math.max(0, Math.min(1, opt.v0 || 0)), guard = 0;
   while (tau < total - 1e-9 && guard++ < 100000) {
     const rem = total - tau;
     const v1 = Math.min(1, v + a * dt, Math.sqrt(2 * a * Math.max(0, rem - 0.5 * v * dt)) + 1e-9);
@@ -30,4 +33,18 @@ function timeParam(P, opt) {
   }
   return { traj: out, taus, cum, total, steps: out.length - 1 };
 }
-module.exports = { timeParam, VMAX, A, DT };
+/* 起步速度：w_j = 当前每步增量 / STEP_j（qPrev → P[0]），u_j = 巡航时首段每步增量 / STEP_j（max|u_j| = 1），
+   v0 = clamp(⟨w,u⟩/⟨u,u⟩, 0, 1)——当前速度在首段方向上的分量；反向或首段为零时 0。wrap：连续轴差值的最短弧函数（可缺省）。 */
+function initSpeed(P, qPrev, wrap, cont) {
+  if (!qPrev || !P || P.length < 2) return 0;
+  const dd = (a, b, j) => (wrap && cont && cont[j]) ? wrap(a - b) : a - b;
+  let seg = 0; for (let j = 0; j < 6; j++) seg = Math.max(seg, Math.abs(P[1][j] - P[0][j]) / VMAX[j]);
+  if (seg < 1e-9) return 0;
+  let wu = 0, uu = 0;
+  for (let j = 0; j < 6; j++) {
+    const u = (P[1][j] - P[0][j]) / VMAX[j] / seg, w = dd(P[0][j], qPrev[j], j) / (VMAX[j] * DT);
+    wu += w * u; uu += u * u;
+  }
+  return Math.max(0, Math.min(1, wu / uu));
+}
+module.exports = { timeParam, initSpeed, VMAX, A, DT };

ml/mining/gate.py

@@ -12,8 +12,8 @@ from ml.sim.closed_loop import evaluate
 
 
 def load(path, dev):
-    ck = torch.load(path, map_location=dev)
-    m = build(ck['cfg']).to(dev); m.load_state_dict(ck['model']); return m.eval()
+    from ml.common.ckpt import load_policy      # 2026-10-19：EMA 权重 + act_scale
+    return load_policy(path, dev)[0]
 
 
 def per_task_success(pers):

ml/mining/loop.sh

@@ -12,13 +12,14 @@ ROUNDS=${1:-6}; STEPS=${2:-1000}; N=${3:-50000}
 mkdir -p ml/runs/mine
 [ -f ml/runs/gate_tasks.jsonl ] || $PY -m ml.mining.mine_round --make-gate ${MINE_GATE_N:-2000} --seed 777 --out ml/runs
 [ -f ml/runs/current.pt ] || cp ml/runs/apg/best.pt ml/runs/current.pt
-SAMPLES="ml/data/samples"; FIXED=""; small=0
+BASE_S="ml/data/samples $(ls -d ml/data/samples_dag_* 2>/dev/null | tr '\n' ' ')"   # 2026-10-18：BC 正则也用 DAgger 样本
+SAMPLES="$BASE_S"; FIXED=""; small=0
 for ((r=1; r<=ROUNDS; r++)); do
   D=ml/runs/mine/r$r; mkdir -p $D
   if [ -f $D/gate.json ]; then
     gain=$($PY -c "import json;print(json.load(open('$D/gate.json'))['gain_pp'])")
     echo "round $r 已完成（gain ${gain} pp），跳过"; FIXED="--fixed $D/gate_fixed.jsonl"
-    [ -s ml/data/e2/shard_e2_r$r.jsonl ] && SAMPLES="ml/data/samples ml/data/samples_e2"
+    [ -s ml/data/e2/shard_e2_r$r.jsonl ] && SAMPLES="$BASE_S ml/data/samples_e2"
     if $PY -c "import sys;sys.exit(0 if $gain < 0.5 else 1)"; then small=$((small+1)); else small=0; fi
     if [ $small -ge 2 ]; then echo "连续 2 轮提升 < 0.5 pp，停止"; break; fi
     continue
@@ -35,7 +36,7 @@ for ((r=1; r<=ROUNDS; r++)); do
   if [ -s $D/e2_tasks.jsonl ]; then
     [ -f $E2F ] || { node ml/gen/gen_dataset.cjs --tasks $D/e2_tasks.jsonl --seed $((5000+r)) --out $E2F.part && mv $E2F.part $E2F; }
     node ml/prep/build_dataset.cjs ml/data/e2/shard_e2_r$r.jsonl ml/data/samples_e2
-    SAMPLES="ml/data/samples ml/data/samples_e2"
+    SAMPLES="$BASE_S ml/data/samples_e2"
   fi
   res=""; [ -f ml/runs/apg_r$r/last.pt ] && res="--resume ml/runs/apg_r$r/last.pt"
   $PY -m ml.apg.apg_finetune --init ml/runs/current.pt --samples $SAMPLES --pool $D/pool.jsonl --out ml/runs/apg_r$r --steps $STEPS $res

ml/mining/mine_round.py

@@ -28,8 +28,8 @@ def main():
         with open(os.path.join(a.out, a.name), 'w') as f:
             for t in ts: f.write(json.dumps(t) + '\n')
         print('gate tasks', len(ts)); return
-    ck = torch.load(a.ckpt, map_location=a.device)
-    model = build(ck['cfg']).to(a.device); model.load_state_dict(ck['model']); model.eval()
+    from ml.common.ckpt import load_policy      # 2026-10-19：EMA 权重 + act_scale
+    model, ck = load_policy(a.ckpt, a.device)
     tasks = sample_tasks(kin, a.n, a.seed)
     g = torch.Generator(); g.manual_seed(a.seed)
     cls = {k: [] for k in ('E1', 'E2', 'E3', 'E4', 'E5', 'ok')}

ml/model/meanflow.py

@@ -1,22 +1,36 @@
 """MeanFlow 损失（Geng et al. 2025；MP1 配方：25% 样本 r≠t，自适应损失加权）。
 约定：t=0 为数据、t=1 为噪声；z_t = (1−t)·x + t·ε，瞬时速度 v = ε − x；网络输出平均速度 u(z,r,t)。
-目标 u_tgt = v − (t − r)·du/dt，du/dt = v·∂_z u + ∂_t u 用 torch.func.jvp 一次前向得到（切向量 (v, 0, 1)）。"""
+目标 u_tgt = v − (t − r)·du/dt，du/dt = v·∂_z u + ∂_t u 用 torch.func.jvp 一次前向得到（切向量 (v, 0, 1)）。
+2026-10-18 首次正式预训练后改：
+  - 整个 MF 分支（解码器前向 + JVP）在 fp32 下算：目标里含网络自己的导数，bf16 下 JVP 误差直接变成目标噪声；
+  - return_aux=True 时返回 (z, t, r, u)，训练用 r==t 且 t 小的样本做"配对去噪估计" x̂ = z − t·u 来加 FK / 平滑损失。
+    原来把 FK 加在 one_step(随机噪声) 上、对齐这一条样本的老师 Y：对任意噪声都回归同一个 Y，最优解是条件均值 E[Y|X]，
+    多峰头被训成单峰（实测 last.pt 8 个候选间标准差 0.030，动作幅度 0.151），左绕/右绕取平均正好穿柱。
+    x̂ 由 z_t 里带着的那一条 x 决定（t 小时 z_t 几乎就是 x），不会把不同模式拉到一起。"""
 import torch
 from torch.func import jvp
 
 
-def sample_rt(B, device, dtype, p_neq=0.25, mu=-0.4, sigma=1.0):
+def sample_rt(B, device, dtype, p_neq=0.25, mu=-0.4, sigma=1.0, p_edge=0.0):
+    """2026-10-19（审查 review_model_train P0-3）：部署只在 (r=0, t=1) 推理一次，而 logit-normal 取 max/min 后
+    P(t>0.95) 约 0.08%、P(r<0.05) 约 0.5%，这个角几乎从未被训练到（一步残差与噪声相关 −0.86 即外推失准）。
+    p_neq > 0 时另以 p_edge 的概率把样本直接放在 (r=0, t=1)；预热期（p_neq=0）不放，那时一步映射本就不训。"""
     t = torch.sigmoid(torch.randn(B, device=device, dtype=dtype) * sigma + mu)
     r = torch.sigmoid(torch.randn(B, device=device, dtype=dtype) * sigma + mu)
     t, r = torch.maximum(t, r), torch.minimum(t, r)
     eq = torch.rand(B, device=device) >= p_neq
     r = torch.where(eq, t, r)
+    if p_neq > 0 and p_edge > 0:
+        edge = torch.rand(B, device=device) < p_edge
+        t = torch.where(edge, torch.ones_like(t), t); r = torch.where(edge, torch.zeros_like(r), r)
     return r, t
 
 
-def meanflow_loss(model, mem, x, p_neq=0.25, ada_p=1.0, ada_c=1e-3):
+def meanflow_loss(model, mem, x, p_neq=0.25, ada_p=1.0, ada_c=1e-3, return_aux=False, p_edge=0.0):
+    mem, x = mem.float(), x.float()
+    with torch.autocast('cuda', enabled=False):
         B = x.shape[0]
-    r, t = sample_rt(B, x.device, x.dtype, p_neq)
+        r, t = sample_rt(B, x.device, x.dtype, p_neq, p_edge=p_edge)
         e = torch.randn_like(x)
         z = (1 - t)[:, None, None] * x + t[:, None, None] * e
         v = e - x
@@ -25,7 +39,10 @@ def meanflow_loss(model, mem, x, p_neq=0.25, ada_p=1.0, ada_c=1e-3):
         u_tgt = (v - (t - r)[:, None, None] * dudt).detach()
         err = (u - u_tgt).pow(2).mean(dim=(1, 2))
         w = 1.0 / (err.detach() + ada_c).pow(ada_p)
-    return (w * err).mean(), err.mean().detach()
+        loss = (w * err).mean()
+    if return_aux:
+        return loss, err.mean().detach(), {'z': z, 't': t, 'r': r, 'u': u}
+    return loss, err.mean().detach()
 
 
 def one_step(model, mem, e):

ml/model/policy.py

@@ -55,10 +55,17 @@ class DecBlock(nn.Module):
         return x + self.ff(self.n3(x))
 
 
+TEMB_WMAX = 50.0     # 时间嵌入最高角频率（rad / 单位 t）
+
+
 def time_emb(t, dim):
+    """2026-10-18 首次正式预训练后改（step 21850 闭环到达 0%）：原实现照扩散模型写成 sin(1000·t·f)，f∈[1e-3, 1]，
+    最高角频率 1000 —— t∈[0,1] 上网络对 t 极其敏感，实测 last.pt 的 ∂u/∂t 均方根 6–12，而 v 只有约 1.1，
+    MeanFlow 目标 u_tgt = v − (t−r)·du/dt 被自激的 JVP 项主导：MF 残差 2 万步一直停在 7–8、17k–19k 尖峰到 96、梯度 100% 被裁剪。
+    改为角频率在 [0.5, 50] 几何分布（最快一维在 [0,1] 上约转 8 圈，足够分辨 t，导数量级降 20 倍）。"""
     half = dim // 2
-    fr = torch.exp(-math.log(1000.0) * torch.arange(half, device=t.device, dtype=t.dtype) / half)
-    a = t[:, None] * 1000.0 * fr[None]
+    w = torch.exp(torch.linspace(math.log(0.5), math.log(TEMB_WMAX), half, device=t.device, dtype=t.dtype))
+    a = t[:, None] * w[None]
     return torch.cat([torch.sin(a), torch.cos(a)], -1)
 
 
@@ -144,8 +151,9 @@ class Policy(nn.Module):
         x = z - self.decode(m, z, torch.zeros_like(one), one)
         return x, v.expand(K), s.expand(K, -1)
 
-    def sample_k(self, feat, K, z=None):
-        """仿真 / APG 用：每个观测 K 条候选 → act [B,K,16,6], value [B], sub [B,13]"""
+    def sample_k(self, feat, K, z=None, steps=1):
+        """仿真 / APG 用：每个观测 K 条候选 → act [B,K,16,6], value [B], sub [B,13]
+        steps>1（诊断用，2026-10-19）：把 [0,1] 均分成 steps 段，x ← x − (t−r)·u(x, r, t) 逐段走；steps=1 即一步生成。"""
         mem = self.encode(feat)
         v, s = self.heads(mem)
         B = feat.shape[0]
@@ -158,7 +166,10 @@ class Policy(nn.Module):
         z = torch.randn(B * K, self.h, 6, device=feat.device, dtype=feat.dtype) if z is None else z.reshape(B * K, self.h, 6)
         m = mem.repeat_interleave(K, 0)
         one = torch.ones(B * K, device=feat.device, dtype=feat.dtype)
-        x = z - self.decode(m, z, torch.zeros_like(one), one)
+        x = z
+        for i in range(steps):
+            t, r = 1 - i / steps, 1 - (i + 1) / steps
+            x = x - (t - r) * self.decode(m, x, one * r, one * t)
         return x.view(B, K, self.h, 6), v, s
 
 

ml/monitor.html

@@ -3,7 +3,7 @@
 <head>
 <meta charset="utf-8">
 <meta name="viewport" content="width=device-width, initial-scale=1">
-<title>训练监控 · 机械臂避障策略</title>
+<title>Transformer 多峰策略端到端训练与浏览器部署 · 训练监控</title>
 <style>
   :root {
     --bg: #0b0f17; --bg2: #0f1521; --panel: #131a27; --panel2: #18212f; --line: #222c3c; --line2: #2c3850;
@@ -56,7 +56,16 @@
   .step.done .ic { background: #34d39922; border-color: var(--ok); color: var(--ok); }
   .step.active .ic { background: #5aa9ff22; border-color: var(--accent); color: var(--accent); box-shadow: 0 0 0 4px #5aa9ff1f; }
   .step.fail .ic { background: #f8717122; border-color: var(--bad); color: var(--bad); }
+  .step.fail .ds { color: var(--bad); font-weight: 650; font-size: 12px; }
+  .alert { border-radius: 12px; padding: 13px 16px; margin: 2px 0 0; border: 1px solid; }
+  .alert.bad { background: linear-gradient(180deg,#7f1d1d66,#450a0a55); border-color: #f8717199; box-shadow: 0 0 0 1px #f8717122, 0 8px 26px #00000066; }
+  .alert.warn { background: #78350f55; border-color: #fbbf2488; }
+  .alert .alerth { font-size: 17px; font-weight: 700; color: #ffe3e3; letter-spacing: .2px; }
+  .alert.warn .alerth { color: #ffeccd; }
+  .alert .alerterr { font: 500 12.5px/1.5 var(--mono); color: #ffb4b4; margin-top: 7px; word-break: break-all; }
+  .alert .alerttip { font-size: 12.5px; color: #f0d9d9cc; margin-top: 7px; }
   .step .nm { font-size: 12.5px; color: var(--text); white-space: nowrap; } .step .ds { font-size: 11px; color: var(--dim2); white-space: nowrap; }
+  .step .ds.big { font-size: 14px; font-weight: 650; color: var(--accent); }
   .step.pending .nm { color: var(--dim); }
   .step.active .ds { color: var(--accent); }
 
@@ -84,7 +93,9 @@
   .ring .c { position: absolute; inset: 0; display: grid; place-items: center; text-align: center; }
   .ring .c b { font: 700 24px/1 var(--mono); display: block; } .ring .c span { font-size: 11px; color: var(--dim); }
   .gpurows { flex: 1; display: flex; flex-direction: column; gap: 10px; min-width: 0; }
-  .gr .l { display: flex; justify-content: space-between; font-size: 12px; color: var(--dim); margin-bottom: 4px; } .gr .l b { color: var(--text); font: 500 12.5px var(--mono); }
+  .cores { display: flex; gap: 2px; height: 26px; margin-top: 2px; background: #1b2433; border-radius: 3px; padding: 2px; }
+  .gr .l { display: flex; justify-content: space-between; gap: 8px; font-size: 12px; color: var(--dim); margin-bottom: 4px; } .gr .l b { color: var(--text); font: 500 12.5px var(--mono); }
+  .gr .l span { flex: none; white-space: nowrap; } .gr .l b { white-space: nowrap; overflow: hidden; text-overflow: ellipsis; min-width: 0; }   /* 值太长就省略号，别把整行挤成两行 */
   .mini { height: 6px; background: #0d131d; border-radius: 99px; overflow: hidden; } .mini > div { height: 100%; border-radius: 99px; transition: width .6s; }
   .gname { font-size: 12px; color: var(--dim2); margin-top: 12px; }
 
@@ -126,25 +137,41 @@
   button.danger { color: var(--bad); border-color: #f8717166; } button.danger:hover { background: #f8717114; }
   .overall { display: flex; align-items: flex-end; justify-content: space-between; gap: 16px; flex-wrap: wrap; }
   .overall .now { font-size: 13px; color: var(--dim); } .overall .now b { display: block; color: var(--text); font-size: 18px; font-weight: 650; margin: 2px 0 2px; }
-  .sublabel { font-size: 12.5px; color: var(--dim); display: flex; justify-content: space-between; margin-top: 4px; }
-  .bar.thin { height: 8px; margin: 8px 0 4px; } .bar.ind .fill { width: 30% !important; animation: ind 1.6s ease-in-out infinite; }
+  .sublabel { font-size: 15px; color: var(--dim); display: flex; justify-content: space-between; align-items: baseline; margin-top: 6px; }
+  .sublabel b { font: 700 20px/1 var(--mono); color: var(--text); }
+  .bar.thin { height: 14px; margin: 10px 0 4px; } .bar.ind .fill { width: 30% !important; animation: ind 1.6s ease-in-out infinite; }
   @keyframes ind { 0% { margin-left: 0; } 50% { margin-left: 70%; } 100% { margin-left: 0; } }
   .ctlrow { display: flex; gap: 10px; margin-top: 14px; align-items: center; flex-wrap: wrap; }
   .ctlrow .hint { font-size: 12px; color: var(--dim2); }
   .term { background: #070a10; border: 1px solid var(--line); border-radius: 10px; padding: 10px 12px; height: 260px; overflow: auto; font: 12px/1.55 var(--mono); color: #c9d4e3; white-space: pre-wrap; word-break: break-all; }
   .term .e { color: var(--bad); } .term .c { color: var(--accent); } .term .g { color: var(--ok); }
-  .modal { position: fixed; inset: 0; background: #0009; backdrop-filter: blur(3px); display: none; align-items: center; justify-content: center; z-index: 40; }
+  .modal { position: fixed; inset: 0; background: #05080ed9; backdrop-filter: blur(7px); display: none; align-items: flex-start; justify-content: center; z-index: 40; padding: 5vh 16px 24px; overflow: auto; }
   .modal.show { display: flex; }
-  .dlg { width: min(560px, 92vw); background: #131a27; border: 1px solid var(--line2); border-radius: 16px; padding: 20px 22px; box-shadow: 0 30px 80px #000a; }
-  .dlg h3 { margin: 0 0 4px; font-size: 16px; } .dlg .d { color: var(--dim); font-size: 12.5px; margin-bottom: 14px; }
-  .form { display: grid; grid-template-columns: 1fr 1fr; gap: 12px 14px; }
-  .form label { display: flex; flex-direction: column; gap: 5px; font-size: 12px; color: var(--dim); }
-  .form input, .form select { background: #0f1520; color: var(--text); border: 1px solid var(--line2); border-radius: 8px; padding: 7px 9px; font: 13px var(--mono); }
+  .dlg { width: min(780px, 96vw); background: linear-gradient(180deg, #161f2e 0%, #121926 100%); border: 1px solid var(--line2); border-radius: 18px; box-shadow: 0 40px 100px #000c, 0 1px 0 #ffffff0a inset; overflow: hidden; }
+  .dlg .hd { display: flex; gap: 13px; align-items: flex-start; padding: 18px 22px 15px; border-bottom: 1px solid var(--line); background: #ffffff04; }
+  .dlg .hd .ic { flex: none; width: 34px; height: 34px; border-radius: 10px; display: grid; place-items: center; color: #fff; background: linear-gradient(135deg, var(--accent), var(--accent2)); box-shadow: 0 4px 16px #5aa9ff33; font-size: 13px; }
+  .dlg .hd h3 { margin: 2px 0 0; font-size: 16px; } .dlg .hd .d2 { color: var(--dim2); font-size: 12px; margin-top: 4px; line-height: 1.55; }
+  .dlg .hd .d2 code { color: var(--dim); }
+  .dlg .bd { padding: 16px 22px 4px; }
+  .sec { display: flex; align-items: center; gap: 10px; margin: 17px 0 11px; font-size: 11px; letter-spacing: .1em; color: var(--dim2); }
+  .bd .sec:first-child { margin-top: 2px; }
+  .sec:after { content: ''; flex: 1; height: 1px; background: var(--line); }
+  .form { display: grid; grid-template-columns: 1fr 1fr; gap: 13px 16px; }
+  .form label { display: flex; flex-direction: column; gap: 6px; font-size: 12px; color: var(--dim); min-width: 0; }
+  .form .hint { font-size: 11px; color: var(--dim2); line-height: 1.45; }
+  .form input, .form select { width: 100%; background: #0c1320; color: var(--text); border: 1px solid var(--line2); border-radius: 9px; padding: 9px 11px; font: 13px/1.35 var(--mono); outline: none; transition: border-color .12s, box-shadow .12s, background .12s; }
+  .form input:hover, .form select:hover { border-color: #3d4c68; }
+  .form input:focus, .form select:focus { border-color: var(--accent); box-shadow: 0 0 0 3px #5aa9ff22; background: #0e1626; }
+  .form select { appearance: none; -webkit-appearance: none; padding-right: 32px; background-image: url("data:image/svg+xml;utf8,<svg xmlns='http://www.w3.org/2000/svg' width='12' height='8' viewBox='0 0 12 8'><path d='M1 1.5l5 5 5-5' fill='none' stroke='%238c99ad' stroke-width='1.6' stroke-linecap='round' stroke-linejoin='round'/></svg>"); background-repeat: no-repeat; background-position: right 11px center; }
+  .form select:disabled { opacity: .4; cursor: not-allowed; background-color: #0a0f18; }
   .form .full { grid-column: 1 / -1; }
   .ckline { margin-top: 12px; font-size: 12px; color: var(--dim); } .ckline.bad { color: var(--bad); } .ckline .warn { color: var(--warn); }
   .demobar { background: #fbbf2418; border: 1px solid #fbbf2455; color: var(--warn); border-radius: 10px; padding: 8px 12px; margin: 10px 0; font-size: 13px; }
-  .dlg .acts { display: flex; justify-content: flex-end; gap: 10px; margin-top: 18px; }
-  .dlg .warnbox { margin-top: 12px; font-size: 12px; color: var(--warn); background: #fbbf2410; border: 1px solid #fbbf2433; border-radius: 8px; padding: 8px 10px; display: none; }
+  .dlg .acts { display: flex; align-items: center; justify-content: flex-end; gap: 10px; padding: 16px 22px 19px; }
+  .dlg .acts .sp { flex: 1; }
+  button.ghost { background: transparent; }
+  button.ghost:hover { background: #ffffff0a; border-color: #3d4c68; }
+  .dlg .warnbox { margin: 15px 0 0; font-size: 12.5px; line-height: 1.6; color: var(--warn); background: #fbbf240d; border: 1px solid #fbbf2430; border-left: 3px solid #fbbf24; border-radius: 10px; padding: 10px 13px; display: none; }
   .toast { position: fixed; bottom: 22px; left: 50%; transform: translateX(-50%); background: #1b2433; border: 1px solid var(--line2); padding: 9px 16px; border-radius: 10px; font-size: 13px; z-index: 50; display: none; box-shadow: 0 10px 30px #0008; }
   @media (max-width: 900px) { .hero { grid-template-columns: 1fr; } .charts { grid-template-columns: 1fr; } main { padding: 14px; } }
 </style>
@@ -153,7 +180,7 @@
 <header>
   <div class="brand">
     <div class="logo"><svg viewBox="0 0 24 24" fill="none" stroke="#fff" stroke-width="2" stroke-linecap="round" stroke-linejoin="round"><path d="M4 20h6"/><path d="M7 20v-5l5-6"/><path d="M12 9l5 2"/><circle cx="12" cy="9" r="1.6"/><path d="M17 11l2-3"/></svg></div>
-    <div><h1>训练监控</h1><div class="sub">机械臂避障策略 · Transformer</div></div>
+    <div><h1>Transformer 多峰策略端到端训练与浏览器部署</h1><div class="sub">机械臂避障策略 · 训练监控</div></div>
   </div>
   <select id="run" title="选择运行（ml/runs/*）"></select>
   <select id="scenario" title="示例场景" style="display:none"><option value="train">示例：预训练进行中</option><option value="gen">示例：生成数据中</option><option value="late">示例：挖错第 3 轮</option><option value="idle">示例：还没开始</option></select>
@@ -161,17 +188,18 @@
   <span class="sp"></span>
   <label class="ctl">平滑 <input id="smooth" type="range" min="0" max="0.99" step="0.01" value="0.85"><span id="smoothv" style="font-family:var(--mono);width:30px">0.85</span></label>
   <button id="logy" title="损失图纵轴取对数">对数轴</button>
-  <button id="auto" class="on" title="每 5 秒刷新"><span>●</span>自动刷新</button>
+  <button id="auto" class="on" title="每 1 秒刷新"><span>●</span>自动刷新</button>
   <button id="btnStart" class="primary" title="一键运行流水线">▶ 开始训练</button>
   <button id="btnStop" class="danger" style="display:none" title="停止正在运行的流水线">■ 停止</button>
 </header>
 
 <main>
+  <div id="alert"></div>
   <section class="card"><h2><span>流水线</span><span class="r" id="stepnote"></span></h2><div class="steps" id="steps"></div></section>
 
   <section class="hero">
     <div class="card" id="pipe"></div>
-    <div class="card"><h2><span>GPU</span><span class="r" id="gputime"></span></h2><div id="gpu"></div></div>
+    <div class="card"><h2><span>GPU / CPU</span><span class="r" id="gputime"></span></h2><div id="gpu"></div></div>
   </section>
 
   <section class="card" id="prog"></section>
@@ -191,22 +219,59 @@
 <div class="tip" id="tip"></div>
 <div class="toast" id="toast"></div>
 <div class="modal" id="modal"><div class="dlg">
-  <h3>开始训练</h3>
-  <div class="d">后台执行 <code>bash ml/pipeline.sh all</code>，从对拍一路跑到验收。已完成的步骤自动跳过；训练每 10 分钟存档、生成按条续写，断了再点一次就从断点接着跑。网页和控制台窗口都可以关，训练不受影响。</div>
+  <div class="hd">
+    <div class="ic">▶</div>
+    <div>
+      <h3 id="mdTitle">开始训练</h3>
+      <div class="d2">一键跑 <code>bash ml/pipeline.sh all</code>：已完成的步骤自动跳过，训练每 10 分钟存档、生成按条续写，断了再点一次就从断点接着跑。网页和控制台窗口都可以关，训练不受影响。</div>
+    </div>
+  </div>
+  <div class="bd">
+    <div class="sec">运行方式</div>
+    <div class="form">
+      <label>运行方式<select id="fMode"><option value="resume">续跑：跳过已完成的步骤</option><option value="from">从指定阶段重训（该阶段及之后全部重做）</option><option value="fresh">全部重跑（数据也重新生成）</option></select><span class="hint">续跑 = 从上次断点接着来；重训 = 把该阶段及之后的旧产物移进 ml/archive/（不删）</span></label>
+      <label>起始阶段<select id="fFrom"></select><span class="hint">按流水线顺序排列；选「预训练」只重训模型：数据、打包样本、一致性门禁都保留</span></label>
+    </div>
+    <div class="sec">模型与数据</div>
     <div class="form">
-    <label>运行方式<select id="fMode"><option value="resume">续跑：跳过已完成的步骤</option><option value="fresh">从头重跑（旧产物移到 ml/archive/）</option></select></label>
       <label>动作头 CFG<select id="fCfg"><option value="ml/configs/base.json">MeanFlow（base，M5 不过自动转 WTA）</option><option value="ml/configs/wta.json">WTA（wta）</option><option value="ml/configs/small.json">小模型 d=128（R4 不过时用）</option></select></label>
       <label>共识过滤 CONSENSUS<select id="fCons"><option value="">按老师门禁自动</option><option value="0">关</option><option value="1">开（生成约慢 5 倍）</option></select></label>
       <label>任务数 N_TASKS<input id="fN" value="50000"></label>
       <label>生成进程数 NPROC<input id="fP" placeholder="默认 = CPU 核数"></label>
-    <label>目标样本 TARGET_SAMPLES<input id="fT" value="1700000"></label>
-    <label>挖错轮数 ROUNDS<input id="fR" value="6"></label>
+      <label>目标样本 TARGET_SAMPLES<input id="fT" value="2000000"></label>
       <label>老师间隙下限 MIN_GAP_MM<input id="fG" value="3"></label>
+      <label>挖错轮数 ROUNDS<input id="fR" value="6"></label>
     </div>
     <div class="warnbox" id="fWarn"></div>
-  <div class="acts"><button id="fCancel">取消</button><button id="fGo" class="primary">▶ 开始</button></div>
+  </div>
+  <div class="acts">
+    <span class="sp"></span>
+    <button class="ghost" id="fCancel">取消</button>
+    <button id="fGo" class="primary">▶ 开始</button>
+  </div>
 </div></div>
 
+<script>
+/* 兜底：正文脚本一旦有语法错误或抛异常，整页会空白（2026-10-18 真踩过：一行字符串写断 → 页面什么都不显示）。
+   这段在正文之前跑，负责"坏也坏得看得见"：看门狗 + 全局错误显示。 */
+window.__boot = { ok: false };
+function __pageFail(msg) {
+  const m = document.querySelector('main') || document.body;
+  let d = document.getElementById('pagefail');
+  if (!d) {
+    d = document.createElement('div'); d.id = 'pagefail';
+    d.style.cssText = 'margin:10px 24px 0;padding:14px 16px;border-radius:12px;background:#7f1d1dcc;border:1px solid #f87171;' +
+                      'color:#ffe3e3;font:600 15px/1.6 system-ui;position:sticky;top:8px;z-index:99;box-shadow:0 8px 26px #00000088';
+    m.prepend(d);
+  }
+  d.textContent = msg;
+}
+window.addEventListener('error', e => __pageFail('页面脚本出错：' + (e.message || '未知错误') +
+  '（' + (e.filename || '').split('/').pop() + ':' + (e.lineno || '?') + '）— 面板可能不完整，但训练本身没受影响；按 F12 看 Console'));
+setTimeout(() => { if (!window.__boot.ok) __pageFail('页面脚本没有启动（多半是 ml/monitor.html 有语法错误）：卡片空白不是训练出问题。' +
+  'F12 → Console 看第一条报错，或把该文件回滚到上一个提交。'); }, 3000);
+</script>
+
 <script>
 'use strict';
 /* =====================================================================
@@ -220,7 +285,7 @@ const $ = id => document.getElementById(id);
 const isNum = v => typeof v === 'number' && isFinite(v);
 const fmt = (v, d = 3) => !isNum(v) ? '—' : (Math.abs(v) >= 1000 ? Math.round(v).toLocaleString() : Math.abs(v) >= 100 ? v.toFixed(1) : Math.abs(v) >= 1 ? v.toFixed(Math.min(d, 3)) : v === 0 ? '0' : v.toPrecision(3));
 const pct = (v, d = 1) => !isNum(v) ? '—' : (100 * v).toFixed(d) + '%';
-const hms = s => { if (!isNum(s)) return '—'; s = Math.max(0, s); const h = Math.floor(s / 3600), m = Math.floor(s % 3600 / 60); return h ? `${h} 小时 ${m} 分` : m ? `${m} 分 ${Math.floor(s % 60)} 秒` : `${Math.floor(s)} 秒`; };
+const hms = s => { if (!isNum(s)) return '—'; s = Math.max(0, s); const h = Math.floor(s / 3600), m = Math.floor(s % 3600 / 60); return h ? `${h} 小时 ${m} 分 ${Math.floor(s % 60)} 秒` : m ? `${m} 分 ${Math.floor(s % 60)} 秒` : `${Math.floor(s)} 秒`; };   // 用时精确到秒（页面 1 秒轮询，秒位是有意义的）
 const hmsShort = s => !isNum(s) ? '—' : s >= 3600 ? `${(s / 3600).toFixed(1)} h` : s >= 60 ? `${Math.round(s / 60)} 分` : `${Math.round(s)} 秒`;
 const ago = t => { const s = Date.now() / 1000 - t; return s < 60 ? `${Math.max(0, Math.floor(s))} 秒前` : s < 3600 ? `${Math.floor(s / 60)} 分钟前` : `${(s / 3600).toFixed(1)} 小时前`; };
 const ICON_WAIT = '<svg viewBox="0 0 24 24" fill="none" stroke="currentColor" stroke-width="2"><circle cx="12" cy="12" r="9"/><path d="M12 7v5l3 2"/></svg>';
@@ -343,13 +408,26 @@ let logyOn = false, job = null, userPicked = false, conOff = 0;
    下面这份只给示例数据用，数值与 pstate.py 一致。 */
 let STAGE_META = [
   ['setup', '安装依赖', 0.2], ['kin', '对拍', 0.2], ['r4', '推理延迟', 0.2], ['gate1', '一致性门禁', 0.5], ['gen', '生成老师轨迹', 5.0],
-  ['prep', '打包样本', 0.5], ['train', '预训练', 3.0], ['m5', '头门禁', 0.5], ['apg', 'APG 微调', 4.0], ['mine', '挖错循环', 9.0],
+  ['prep', '打包样本', 2.0], ['train', '预训练', 4.5], ['dagger', 'DAgger 纠偏', 3.5], ['m5', '头门禁', 0.5], ['apg', 'APG 微调', 4.0], ['mine', '挖错循环', 9.0],
   ['export', '导出', 0.1], ['bench', '部署评测', 1.0], ['accept', '验收汇总', 0.5]];
 let SM = Object.fromEntries(STAGE_META.map(([k, n, w]) => [k, { n, w, to: Math.max(1, 3 * w) }]));
+/* 起始阶段下拉的编号按 README 步骤表（1 环境、2 对拍、2′ R4、3 门禁、…、12 验收）；setup 不进下拉（建议手动装依赖） */
+const FROM_NO = { setup: '1', kin: '2', r4: '2′', gate1: '3', gen: '4', prep: '5', train: '6', dagger: '6′', m5: '7', apg: '8', mine: '9', export: '10', bench: '11', accept: '12' };
+const FROM_NOTE = { gen: '（约 7 小时）' };
+function fillFrom() {
+  const sel = $('fFrom'); if (!sel) return;
+  const want = STAGE_META.map(x => x[0]).filter(k => k !== 'setup');
+  if ([...sel.options].map(o => o.value).join() === want.join()) return;   // 阶段表没变就别重建，免得每秒轮询把已选项重置
+  const keep = sel.value;
+  sel.innerHTML = want.map(k => `<option value="${k}">${FROM_NO[k] ? FROM_NO[k] + ' ' : ''}${SM[k].n} ${k}${FROM_NOTE[k] || ''}</option>`).join('');
+  sel.value = want.includes(keep) ? keep : want.includes('train') ? 'train' : want[0];
+}
 function applyStageMeta(m) {
   if (!m || !m.length) return;
   STAGE_META = m.map(x => [x.id, x.name, x.est_h]); SM = Object.fromEntries(m.map(x => [x.id, { n: x.name, w: x.est_h, to: x.timeout_h }]));
+  fillFrom();
 }
+fillFrom();
 /* 开始 / 停止请求带自定义头：跨站网页发不出这种请求（会触发 CORS 预检，控制台不应答），见 monitor.py 审查 N-8 */
 const post = (path, body) => fetch(path, { method: 'POST', headers: { 'X-Console': '1', 'Content-Type': 'application/json' }, body: body || '{}' }).then(x => x.json()).catch(e => ({ error: String(e) }));
 const smoothv = () => +$('smooth').value;
@@ -372,6 +450,10 @@ function buildCharts(kind) {
       b: new Chart(c, '损失分量', { logy: () => logyOn, xmax: total, xmin0: true, hidden: ['smooth'] }),
       e: new Chart(c, '闭环评估（val，部署节奏，关安全层）', { percent: true, range: [0, 1], xmax: total, xmin0: true, note: kind === 'bench' ? '测速运行不评估' : '每 2000 步',
                                                emptyText: kind === 'bench' ? '测速运行不做闭环评估' : '第一次评估在第 2000 步' }),
+      o: new Chart(c, '开环误差（mm）', { xmax: total, xmin0: true, note: kind === 'bench' ? '测速运行不评估' : 'val 样本、老师状态 · 16 步末端误差 · 越低越好',
+                                               emptyText: kind === 'bench' ? '测速运行不做闭环评估' : '第一次评估在第 2000 步' }),
+      d: new Chart(c, '候选多样性', { xmax: total, xmin0: true, note: kind === 'bench' ? '测速运行不评估' : '候选间标准差 / 动作幅度 · 塌成单峰时接近 0',
+                                               emptyText: kind === 'bench' ? '测速运行不做闭环评估' : '第一次评估在第 2000 步' }),
       t: new Chart(c, '吞吐（样本/s）', { xmax: total, xmin0: true, zero: true, refs: [{ y: 5000, label: 'R10 通过线 5000', color: css('--bad') }] }),
     };
   }
@@ -393,6 +475,11 @@ function render() {
   }
   const E = (k, label, best) => { const pts = evals.filter(e => isNum(e[k])).map(e => [e.x, e[k]]); let b = null; if (best && pts.length) b = pts.reduce((m, p) => p[1] > m[1] ? p : m); return { name: k, label, dots: true, pts, best: b }; };
   charts.e.set([E('success', '到达率', true), E('collision_rate', '碰撞率'), E('time_ok_1p3', '≤ 老师时长×1.3'), E('start_fail', '起步失败')]);
+  if (charts.o) {   // 开环指标只随 train.py 的评估写进日志；APG 分支没建这两张图
+    const Emin = (k, label) => { const pts = evals.filter(e => isNum(e[k])).map(e => [e.x, e[k]]); let b = null; if (pts.length) b = pts.reduce((m, p) => p[1] < m[1] ? p : m); return { name: k, label, dots: true, pts, best: b }; };
+    charts.o.set([Emin('ol_fk_mm', '候选 0'), { name: 'ol_best_mm', label: '8 候选最好', dots: true, pts: evals.filter(e => isNum(e.ol_best_mm)).map(e => [e.x, e.ol_best_mm]) }]);
+    charts.d.set([{ name: 'ol_div', label: '多样性', dots: true, pts: evals.filter(e => isNum(e.ol_div)).map(e => [e.x, e.ol_div]) }]);
+  }
   renderProgress(); renderKpis();
 }
 
@@ -416,7 +503,7 @@ function renderProgress() {
     <div class="facts">
       ${fact('步数', `${step.toLocaleString()}${total ? ' / ' + total.toLocaleString() : ''}`)}
       ${fact('已用时间', hms(elapsed))}
-      ${fact('剩余时间', finished ? '—' : hms(eta))}
+      ${fact('剩余时间', finished ? '—' : hmsShort(eta))}
       ${fact('预计完成', fin)}
       ${kind === 'apg' ? fact('本批展开', r.plans ? `${r.plans} 次推理` : '—') : fact('学习率', isNum(r.lr) ? r.lr.toExponential(2) : '—')}
       ${fact('日志更新', lastMtime ? ago(lastMtime) : '—', running ? '' : 'warn')}
@@ -426,6 +513,7 @@ function renderProgress() {
 function renderKpis() {
   const r = recs[recs.length - 1] || {}, e = evals[evals.length - 1] || {}, pe = evals[evals.length - 2] || {}, kind = cur.kind;
   const best = evals.length ? Math.max(...evals.map(v => v.success ?? -1)) : null;
+  const bestE = evals.length ? evals.reduce((m, v) => ((v.success ?? -1) > (m.success ?? -1) ? v : m)) : null;
   const dlt = (k, good = 1) => { if (!isNum(e[k]) || !isNum(pe[k])) return ''; const d = (e[k] - pe[k]) * 100; if (Math.abs(d) < 0.05) return ''; const up = d > 0; return `<span class="delta ${(up ? 1 : -1) * good > 0 ? 'ok' : 'bad'}">${up ? '▲' : '▼'} ${Math.abs(d).toFixed(1)}pp</span>`; };
   const last = k => recs.filter(v => isNum(v[k])).slice(-300).map(v => [xOf(v), v[k]]);
   const evs = k => evals.filter(v => isNum(v[k])).map(v => [v.x, v[k]]);
@@ -441,7 +529,7 @@ function renderKpis() {
     const sps = r.samples_per_s;
     tile('总损失', fmt(r.loss, 4), `MF ${fmt(r.mf)} · FK ${fmt(r.fk_cm)} cm`, '', ema(last('loss'), 0.9), COLORS[0]);
     tile('吞吐', sps ? `${(sps / 1000).toFixed(2)}<small>k 样本/s</small>` : '—', sps ? (sps >= 5000 ? 'R10 达标（≥ 5k/s）' : 'R10 未达标（< 5k/s）') : 'R10 通过线 5k/s', sps ? (sps >= 5000 ? 'ok' : 'bad') : '', last('samples_per_s'), COLORS[5]);
-    tile('闭环到达率', pct(e.success) + dlt('success'), evals.length ? `最好 ${pct(best)} · @${e.x.toLocaleString()} 步` : '尚未评估', '', evs('success'), COLORS[2]);
+    tile('闭环到达率', pct(e.success) + dlt('success'), bestE ? `最好 ${pct(best)} · @${bestE.x.toLocaleString()} 步` : '尚未评估', '', evs('success'), COLORS[2]);
     tile('碰撞率', pct(e.collision_rate, 2) + dlt('collision_rate', -1), '关安全层，部署另有护栏', e.collision_rate > 0.03 ? 'warn' : '', evs('collision_rate'), COLORS[3]);
     tile('梯度范数', fmt(r.gnorm), '裁剪阈值 1.0', r.gnorm > 5 ? 'warn' : '', ema(last('gnorm'), 0.9), COLORS[4]);
     tile('显存峰值', isNum(r.vram) ? `${r.vram.toFixed(2)}<small>GiB</small>` : '—', '预算 19–20 GB（整卡 24，桌面占 4–5）', r.vram > 17 ? 'bad' : r.vram > 14 ? 'warn' : '', last('vram'), COLORS[1]);
@@ -464,10 +552,12 @@ async function loadRuns() {
   if (!r) { cur = null; $('charts').innerHTML = ''; $('kpis').innerHTML = ''; $('prog').innerHTML = '<h2><span>当前运行 · 训练曲线</span></h2>' + empty('还没有训练日志：预训练开始后这里出现损失、吞吐和评估曲线。'); }
 }
 
+let polling = false;
 async function poll() {
+  if (polling) return; polling = true;      // 1 秒一轮：上一轮没回来就跳过，避免请求堆叠
   try {
-    lastStatus = await api('/api/status'); applyStageMeta(lastStatus.stage_meta);
-    job = await api('/api/job').catch(() => null);
+    const [st, jb] = await Promise.all([api('/api/status'), api('/api/job').catch(() => null)]);
+    lastStatus = st; applyStageMeta(st.stage_meta); job = jb;
     await loadRuns();
     if (cur) {
       const d = await api(`/api/log?run=${encodeURIComponent(cur.name)}&offset=${offset}`);
@@ -482,26 +572,36 @@ async function poll() {
     if (DEMO) { setPill('demo', '示例数据'); if (!$('demobar')) $('pipe').closest('.hero').insertAdjacentHTML('beforebegin', `<div class="demobar" id="demobar">这是示例数据，不是你的训练。${location.protocol === 'file:' ? '直接双击 monitor.html 只能看示例；' : ''}看真实训练请双击 ml/console.bat（或 python -m ml.monitor --open）。</div>`); }
     else if (busy) setPill('live', `运行中 · ${P && P.current ? SM[P.current]?.n || P.current : '启动中'}`);
     else if (cur && Date.now() / 1000 - lastMtime < 120) setPill('live', `运行中 · ${ago(lastMtime)}更新`);
+    else if (P && P.plan && P.plan.some(k => P.stages[k] && P.stages[k].rc != null && P.stages[k].rc !== 0)) {
+      const k = P.plan.find(k => P.stages[k] && P.stages[k].rc != null && P.stages[k].rc !== 0), rc = P.stages[k].rc, nm = SM[k]?.n || k;
+      setPill(rc === -15 || rc === 143 ? 'stale' : 'dead', `${rc === -15 || rc === 143 ? '已停止' : '失败'} · 停在「${nm}」返回码 ${rc}`);
+    }
     else setPill('', '空闲');
-    renderStatus(lastStatus); renderPipe(lastStatus); renderJob();
+    try { renderStatus(lastStatus); renderPipe(lastStatus); renderJob(); }
+    catch (e) { __pageFail('渲染面板出错：' + e.message + ' —— 其余面板可能不更新；训练本身不受影响'); }
     await pollConsole();
   } catch (err) {
     setPill('dead', '连不上控制台（双击 ml/console.bat 或 python -m ml.monitor）'); console.error(err);
-  }
+  } finally { polling = false; }
 }
 function setPill(cls, text) { const st = $('state'); st.className = 'pill ' + cls; st.lastElementChild.textContent = text; }
 
 /* ===================== 流水线 / GPU / 各阶段面板 ===================== */
+/* 「全流程」进度与上方步骤条同一口径：步骤 = 本次计划 ∪ 记录里已有的阶段。
+   从中间阶段重训时，前面已完成的阶段不在本次 plan 里，但记录还在（步骤条就靠这个显示打勾），
+   总进度/剩余时间/完成计数也必须算上它们，否则总进度会归零。 */
+const pipeKeys = (P, plan) => STAGE_META.map(x => x[0]).filter(k => plan.includes(k) || P.stages[k]);
 function stages(s) {
   const P = s.pipeline;
   if (P) {   // 有流水线记录：以它为准
     const plan = P.plan && P.plan.length ? P.plan : STAGE_META.map(x => x[0]).filter(k => k !== 'setup');
-    const keys = STAGE_META.map(x => x[0]).filter(k => plan.includes(k) || P.stages[k]);
+    const keys = pipeKeys(P, plan);
+    const el = P.elapsed || {};   // 累计用时（跨停止/续跑），没有就退回本段
     return keys.map(k => {
       const r = P.stages[k], nm = SM[k].n;
       if (!r) return [nm, 'pending', '—'];
       if (P.current === k) return [nm, 'active', P.progress && P.progress.frac != null ? pct(P.progress.frac, 0) : '进行中'];
-      if (r.rc === 0) return [nm, 'done', '用时 ' + hmsShort(r.end - r.start)];
+      if (r.rc === 0) return [nm, 'done', '用时 ' + hms(el[k] != null ? el[k] : r.end - r.start)];
       if (r.rc === -15 || r.rc === 143) return [nm, 'fail', '已停止'];
       if (r.rc != null) return [nm, 'fail', `失败（返回码 ${r.rc}）`];
       return [nm, 'fail', '中断'];
@@ -528,24 +628,41 @@ function stages(s) {
 }
 function renderStatus(s) {
   const L = stages(s);
-  $('steps').innerHTML = L.map(([nm, st, ds], i) => `<div class="step ${st}"><div class="ic">${st === 'done' ? '✓' : st === 'fail' ? '!' : i + 1}</div><div class="nm">${nm}</div><div class="ds">${ds}</div></div>`).join('');
+  $('steps').innerHTML = L.map(([nm, st, ds], i) => `<div class="step ${st}"><div class="ic">${st === 'done' ? '✓' : st === 'fail' ? '!' : i + 1}</div><div class="nm">${nm}</div><div class="ds${st === 'active' ? ' big' : ''}">${ds}</div></div>`).join('');
   const nDone = L.filter(x => x[1] === 'done').length; $('stepnote').textContent = `${nDone} / ${L.length} 完成`;
 
-  // GPU
-  const G = s.gpu || [];
-  const BUD = (s.vram_budget_gb || 24) * 1024;      // 显存预算（MB）：桌面常驻占 4–5 GB，不能按整卡 24 GB 看
-  $('gputime').textContent = G.length ? '实时' : '';
-  $('gpu').innerHTML = G.length ? G.map(g => {
+  // GPU + CPU（同一个框：上面是 GPU 环 + 显存/温度/功耗，下面接 CPU 总占用与每核条）
+  const G = s.gpu || [], CP = s.cpu || {};
+  const RESV = s.vram_reserve_gb ?? 1;   // 给系统留的余量（GB）：训练进程启动时按"整卡 − 已用 − 余量"自设上限（浮动）
+  const hr = '<hr style="border:none;border-top:1px solid var(--line);margin:14px 0">';
+  const gr = (k, v, p, c, t) => `<div class="gr"><div class="l"><span${t ? ` title="${t}"` : ''}>${k}</span><b>${v}</b></div><div class="mini"><div style="width:${Math.min(100, p)}%;background:${c}"></div></div></div>`;
+  $('gputime').textContent = (G.length || CP.n) ? '实时' : '';
+  const gpuBlk = G.length ? G.map(g => {
     const u = g.util ?? 0, C = 2 * Math.PI * 50, col = u > 85 ? css('--ok') : u > 50 ? css('--accent') : css('--warn');
+    const BUD = (s.vram_budget_gb || (g.mem_total / 1024 - RESV)) * 1024, avail = BUD / 1024 - g.mem_used / 1024;
     const memP = 100 * g.mem_used / BUD, tc = g.temp > 83 ? css('--bad') : g.temp > 75 ? css('--warn') : css('--c6');
-    const row = (k, v, p, c) => `<div class="gr"><div class="l"><span>${k}</span><b>${v}</b></div><div class="mini"><div style="width:${Math.min(100, p)}%;background:${c}"></div></div></div>`;
     return `<div class="gpuwrap"><div class="ring"><svg width="116" height="116"><circle cx="58" cy="58" r="50" stroke="#1b2433" stroke-width="10" fill="none"/>
       <circle cx="58" cy="58" r="50" stroke="${col}" stroke-width="10" fill="none" stroke-linecap="round" stroke-dasharray="${C}" stroke-dashoffset="${C * (1 - u / 100)}" style="transition:stroke-dashoffset .6s"/></svg>
       <div class="c"><div><b>${u}%</b><span>利用率</span></div></div></div>
-      <div class="gpurows">${row('显存', `${(g.mem_used / 1024).toFixed(1)} / ${(BUD / 1024).toFixed(0)} GB 预算（整卡 ${(g.mem_total / 1024).toFixed(0)}）`, memP, memP > 100 ? css('--bad') : memP > 85 ? css('--warn') : css('--accent2'))}
-      ${row('温度', `${g.temp} °C`, g.temp, tc)}${row('功耗', g.power != null ? `${Math.round(g.power)} W` : '—', g.power ? g.power / 3.5 : 0, css('--c7'))}</div></div>
+      <div class="gpurows">${gr('显存', `${(g.mem_used / 1024).toFixed(1)} / ${(BUD / 1024).toFixed(0)} GB · 空 ${avail.toFixed(1)}`, memP, memP > 100 ? css('--bad') : memP > 85 ? css('--warn') : css('--accent2'), `可用 ${(BUD / 1024).toFixed(0)} GB = 整卡 ${(g.mem_total / 1024).toFixed(0)} GB − 给系统的余量 ${RESV} GB；训练进程启动时按「可用 − 那一刻已用」再自设本进程上限，别人占多少自动扣掉（ml/common/vram.py）`)}
+      ${gr('温度', `${g.temp} °C`, g.temp, tc)}${gr('功耗', g.power != null ? `${Math.round(g.power)} W` : '—', g.power ? g.power / 3.5 : 0, css('--c7'))}</div></div>
       <div class="gname">${g.name}</div>`;
-  }).join('<hr style="border:none;border-top:1px solid var(--line);margin:14px 0">') : empty('未检测到 nvidia-smi');
+  }).join(hr) : '';
+  const cpuBlk = CP.n ? (() => {
+    const tot = CP.total ?? 0, C = 2 * Math.PI * 50, col = tot > 85 ? css('--bad') : tot > 60 ? css('--warn') : css('--ok');
+    const ct = CP.coreT || [], ctMax = ct.length ? Math.max(...ct) : null;
+    const tcol = v => v > 98 ? css('--bad') : v > 90 ? css('--warn') : css('--c6');
+    const bars = (CP.per || []).map((v, i) => `<div title="核 ${i + 1}: ${v}%${ct[i] != null ? ' · ' + ct[i] + ' °C' : ''}" style="flex:1;min-width:0;height:100%;border-radius:2px;background:${v > 85 ? css('--bad') : v > 60 ? css('--warn') : css('--accent2')};opacity:${0.18 + 0.82 * Math.min(1, v / 100)}"></div>`).join('');
+    return `<div class="gpuwrap"><div class="ring"><svg width="116" height="116"><circle cx="58" cy="58" r="50" stroke="#1b2433" stroke-width="10" fill="none"/>
+      <circle cx="58" cy="58" r="50" stroke="${col}" stroke-width="10" fill="none" stroke-linecap="round" stroke-dasharray="${C}" stroke-dashoffset="${C * (1 - tot / 100)}" style="transition:stroke-dashoffset .6s"/></svg>
+      <div class="c"><div><b>${tot}%</b><span>CPU</span></div></div></div>
+      <div class="gpurows">${gr('占用', `${tot}% · ${CP.n} 核`, tot, col)}
+      ${CP.temp != null ? gr('温度', `${CP.temp} °C${ctMax != null && ctMax !== CP.temp ? `（最高核 ${ctMax}）` : ''}`, CP.temp, tcol(CP.temp), 'MSI Afterburner 的共享内存；鼠标停在核条上还能看每核温度') : ''}
+      ${CP.power != null ? gr('功耗', `${Math.round(CP.power)} W`, 100 * CP.power / 253, css('--c7'), 'CPU 封装功耗（满标度按 14700K 的 PL2 253 W 画）') : ''}
+      <div class="cores">${bars}</div></div></div>
+      <div class="gname">${CP.model || 'CPU'}${CP.temp == null ? ' · 开 MSI Afterburner 才能读 CPU 温度/功耗' : ''} · 每核占用（深色=忙）</div>`;
+  })() : '';
+  $('gpu').innerHTML = (gpuBlk + (gpuBlk && cpuBlk ? hr : '') + cpuBlk) || empty('未检测到 nvidia-smi / psutil');
 
   // 数据
   const D = s.data || {}, st = D.stats, ix = D.index;
@@ -596,32 +713,39 @@ function renderPipe(s) {
     : ck.python ? `<div class="ckline">Python ${ck.python} · torch ${ck.torch}${ck.gpu ? ' · ' + ck.gpu : ''}${ck.warn ? ` · <span class="warn">${ck.warn}</span>` : ''}</div>` : '';
   const who = job && job.external ? `由${(lk && lk.owner || '').startsWith('网页') ? '上一个控制台窗口' : '终端'}启动（pid ${lk && lk.pid}，${Math.round(lk && lk.age_s || 0)} 秒前心跳）` : job && job.pid ? `PID ${job.pid}` : '';
   const btns = `${ckline}<div class="ctlrow">${running || (P && P.current)
-      ? `<button class="danger" onclick="stopJob()">■ 停止</button><span class="hint">${who}</span>`
-      : `<button class="primary" onclick="openStart()" ${ck.problems && ck.problems.length ? 'disabled' : ''}>▶ ${P ? '继续训练' : '开始训练'}</button><span class="hint">${job && job.rc != null ? (job.stopped ? '上次已手动停止，再点即从停下的那步继续' : job.rc === 0 ? '上次运行已全部完成' : `上次运行失败（返回码 ${job.rc}），看终端输出；修好后再点即续跑`) : '已完成的步骤会自动跳过'}</span>`}</div>`;
+      ? `<button class="danger" onclick="stopJob()">■ 停止</button><button class="ghost" disabled title="训练进行中：先点「停止」，再点「重新训练」">⟳ 重新训练</button><span class="hint">${who}</span>`
+      : `<button class="primary" onclick="openStart()" ${ck.problems && ck.problems.length ? 'disabled' : ''}>▶ ${P ? '继续训练' : '开始训练'}</button><button class="ghost" onclick="openStart({mode:'from',from:'train',title:'重新训练'})" ${ck.problems && ck.problems.length ? 'disabled' : ''} title="从 train 阶段重做：旧模型与评测移到 ml/archive/（不删），生成的数据、打包样本、门禁都保留">⟳ 重新训练</button><span class="hint">${job && job.rc != null ? (job.stopped ? '上次已手动停止，再点即从停下的那步继续' : job.rc === 0 ? '上次运行已全部完成' : `上次运行失败（返回码 ${job.rc}），看终端输出；修好后再点即续跑`) : '已完成的步骤会自动跳过'}</span>`}</div>`;
   if (!P) { $('pipe').innerHTML = `<h2><span>全流程</span><span class="r">尚未开始</span></h2>${empty('还没运行过流水线。点「开始训练」从对拍一直跑到验收；中途每一步的进度都显示在这里。')}${btns}`; return; }
   const plan = P.plan && P.plan.length ? P.plan : Object.keys(P.stages);
+  const keys = pipeKeys(P, plan);   // 含重训时保留的已完成阶段，与上方步骤条同口径
   let tot = 0, got = 0;
-  for (const k of plan) { const w = SM[k]?.w || 0.1, r = P.stages[k]; tot += w; if (r && r.rc === 0 && P.current !== k) got += w; else if (P.current === k) got += w * ((P.progress && P.progress.frac) || 0); }
+  for (const k of keys) { const w = SM[k]?.w || 0.1, r = P.stages[k]; tot += w; if (r && r.rc === 0 && P.current !== k) got += w; else if (P.current === k) got += w * ((P.progress && P.progress.frac) || 0); }
   const frac = tot ? got / tot : 0, now = Date.now() / 1000;
   const cur = P.current, cr = cur && P.stages[cur], pr = P.progress || {};
-  const doneN = plan.filter(k => P.stages[k] && P.stages[k].rc === 0 && P.current !== k).length;
+  const doneN = keys.filter(k => P.stages[k] && P.stages[k].rc === 0 && P.current !== k).length;
   const failed = plan.find(k => P.stages[k] && P.stages[k].rc != null && P.stages[k].rc !== 0);
-  const allDone = !cur && doneN === plan.length;
-  let remain = 0; for (const k of plan) { const r = P.stages[k]; if (!r || r.rc == null) remain += (SM[k]?.w || 0.1) * (k === cur ? 1 - (pr.frac || 0) : 1); }
+  const allDone = !cur && doneN === keys.length;
+  let remain = 0, calib = false; for (const k of keys) { const r = P.stages[k]; if (!r || r.rc == null) { if (k === cur && pr.eta_s != null) { remain += pr.eta_s / 3600; calib = true; } else remain += (SM[k]?.w || 0.1) * (k === cur ? 1 - (pr.frac || 0) : 1); } }
   const head = cur ? `<div class="now">正在运行<b>${SM[cur]?.n || cur}</b>${pr.label || ''}</div>`
-    : allDone ? `<div class="now">状态<b class="ok">全部完成</b>共 ${plan.length} 步</div>`
+    : allDone ? `<div class="now">状态<b class="ok">全部完成</b>共 ${keys.length} 步</div>`
     : failed ? `<div class="now">状态<b class="bad">停在「${SM[failed]?.n || failed}」</b>${(P.stages[failed].info || {}).timed_out || P.stages[failed].rc === 124 ? '超过时间上限，判定卡死' : P.stages[failed].rc === -15 || P.stages[failed].rc === 143 ? '已停止' : '失败，看终端输出'}</div>`
-    : `<div class="now">状态<b>未在运行</b>已完成 ${doneN} / ${plan.length} 步</div>`;
-  $('pipe').innerHTML = `<h2><span>全流程</span><span class="r">${doneN} / ${plan.length} 步完成</span></h2>
+    : `<div class="now">状态<b>未在运行</b>已完成 ${doneN} / ${keys.length} 步</div>`;
+  const esc2 = x => String(x).replace(/&/g, '&amp;').replace(/</g, '&lt;');
+  const fr = failed && P.stages[failed], stopped = !!fr && (fr.rc === -15 || fr.rc === 143);
+  const timedOut = !!fr && ((fr.info || {}).timed_out || fr.rc === 124);
+  const why = !fr ? '' : stopped ? '已手动停止 —— 点「继续训练」从停下的地方接着跑' : timedOut ? '超过时间上限，判定卡死' : `失败（返回码 ${fr.rc}）`;
+  const lastErr = (() => { const t = $('term'); if (!t) return ''; const ls = (t.innerText || '').split(/\r?\n/).filter(x => /Error|error:|Traceback|不通过|失败|超过时间上限/.test(x)); return ls.length ? ls[ls.length - 1].slice(0, 300) : ''; })();
+  $('alert').innerHTML = failed ? `<div class="alert ${stopped ? 'warn' : 'bad'}"><div class="alerth">✕ 停在「${SM[failed]?.n || failed}」 · ${why}</div>${lastErr ? `<div class="alerterr">${esc2(lastErr)}</div>` : ''}<div class="alerttip">完整报错见下方「终端输出」；修好后点「继续训练」，已完成的步骤会自动跳过${stopped ? '、从停下的那一步接着跑' : ''}</div></div>` : '';
+  $('pipe').innerHTML = `<h2><span>全流程</span><span class="r">${doneN} / ${keys.length} 步完成</span></h2>
     <div class="overall">${head}<div class="bigpct">${(100 * frac).toFixed(1)}<small>%</small></div></div>
     <div class="bar ${cur ? '' : 'idle'}"><div class="fill" style="width:${100 * frac}%"></div></div>
-    ${cur ? `<div class="sublabel"><span>当前步骤 · ${SM[cur]?.n}</span><span>${pr.frac != null ? pct(pr.frac) : '无法计量，按用时估'}</span></div>
+    ${cur ? `<div class="sublabel"><span>当前步骤 · ${SM[cur]?.n}</span>${pr.frac != null ? `<b>${pct(pr.frac)}</b>` : '<span>无法计量，按用时估</span>'}</div>
       <div class="bar thin ${pr.frac == null ? 'ind' : ''}"><div class="fill" style="width:${pr.frac != null ? 100 * pr.frac : 30}%"></div></div>` : ''}
     <div class="facts">
-      <div class="fact"><div class="k">总用时</div><div class="v">${hms((cur ? now : Math.max(...Object.values(P.stages).map(r => r.end || r.start))) - P.started)}</div></div>
-      <div class="fact"><div class="k">本步用时</div><div class="v">${cr ? hms(now - cr.start) : '—'}</div></div>
-      <div class="fact"><div class="k">本步粗估 / 上限</div><div class="v">${cur ? hmsShort((SM[cur]?.w || 0) * 3600) + ' / ' + hmsShort((cr && cr.timeout_h || SM[cur]?.to || 0) * 3600) : '—'}</div></div>
-      <div class="fact"><div class="k">全流程剩余（粗估）</div><div class="v">${allDone ? '—' : '约 ' + hmsShort(remain * 3600)}</div></div>
+      <div class="fact"><div class="k">总用时</div><div class="v">${hms(keys.reduce((a, k) => a + ((P.elapsed || {})[k] || 0), 0))}</div></div>
+      <div class="fact"><div class="k">本步用时</div><div class="v">${cur ? hms((P.elapsed || {})[cur] || 0) : '—'}</div></div>
+      <div class="fact"><div class="k">${cur && pr.eta_s != null ? '本步预计剩余（实测速率）' : '本步粗估 / 上限'}</div><div class="v">${cur ? (pr.eta_s != null ? hmsShort(pr.eta_s) + ' / 上限 ' + hmsShort((cr && cr.timeout_h || SM[cur]?.to || 0) * 3600) : hmsShort((SM[cur]?.w || 0) * 3600) + ' / ' + hmsShort((cr && cr.timeout_h || SM[cur]?.to || 0) * 3600)) : '—'}</div></div>
+      <div class="fact"><div class="k">全流程剩余（${calib ? '实测外推' : '粗估'}）</div><div class="v">${allDone ? '—' : '约 ' + hmsShort(remain * 3600)}</div></div>
     </div>${btns}`;
 }
 function renderJob() {
@@ -641,20 +765,28 @@ async function pollConsole() {
   conOff = d.offset; if (atBottom || d.reset) t.scrollTop = t.scrollHeight;
 }
 function toast(msg) { const t = $('toast'); t.textContent = msg; t.style.display = 'block'; clearTimeout(toast.h); toast.h = setTimeout(() => t.style.display = 'none', 3500); }
-function openStart() {
+function openStart(preset) {
   const P = lastStatus && lastStatus.pipeline, ck = lastStatus && lastStatus.check;
   if (ck && ck.problems && ck.problems.length) { toast('环境自检未通过：' + ck.problems.join('；')); return; }
+  const pre = preset || {};
+  if (pre.mode) $('fMode').value = pre.mode;
+  if (pre.from) $('fFrom').value = pre.from;
+  $('mdTitle').textContent = pre.title || (P ? '继续训练' : '开始训练');
   const w = $('fWarn'); const upd = () => { const msgs = [];
     const done = P ? (P.plan || []).filter(k => P.stages[k] && P.stages[k].rc === 0) : [];
     if ($('fMode').value === 'resume' && done.length) msgs.push(`将跳过已完成的 ${done.length} 步：${done.map(k => SM[k]?.n || k).join('、')}。改了参数会自动改为从头重跑。`);
-    if ($('fMode').value === 'fresh' && P) msgs.push('从头重跑：上次的数据、模型、评测结果整体移到 ml/archive/<时间>/（不删除）。');
+    if ($('fMode').value === 'from' && P) { const nm = SM[$('fFrom').value]?.n || $('fFrom').value; msgs.push(`从「${nm}」开始重训：该阶段及之后的旧产物移到 ml/archive/<时间>/（不删除），之前的阶段保持不动。${$('fFrom').value === 'gen' ? '注意：生成的数据会被归档，重跑约 7 小时。' : ''}`); }
+    if ($('fMode').value === 'fresh' && P) msgs.push('全部重跑：上次的数据、模型、评测结果整体移到 ml/archive/<时间>/（不删除）。生成数据要重跑（约 7 小时）。');
+    $('fFrom').disabled = $('fMode').value !== 'from';
+    $('fGo').textContent = $('fMode').value === 'from' ? '▶ 开始重训' : ($('fMode').value === 'fresh' ? '▶ 全部重跑' : '▶ 开始');
     w.style.display = msgs.length ? 'block' : 'none'; w.innerHTML = msgs.join('<br>'); };
   $('fMode').onchange = upd; upd();
   $('modal').classList.add('show');
 }
 async function startJob() {
-  const env = { CFG: $('fCfg').value, CONSENSUS: $('fCons').value, N_TASKS: $('fN').value.trim(), NPROC: $('fP').value.trim(), TARGET_SAMPLES: $('fT').value.trim(), ROUNDS: $('fR').value.trim(), MIN_GAP_MM: $('fG').value.trim() };
-  const body = JSON.stringify({ fresh: $('fMode').value === 'fresh', env });
+  const mode = $('fMode').value, from = mode === 'from' ? $('fFrom').value : 'kin';
+  const env = { CFG: $('fCfg').value, CONSENSUS: $('fCons').value, N_TASKS: $('fN').value.trim(), NPROC: $('fP').value.trim(), TARGET_SAMPLES: $('fT').value.trim(), ROUNDS: $('fR').value.trim(), MIN_GAP_MM: $('fG').value.trim(), FRESH_FROM: mode === 'from' ? from : '' };
+  const body = JSON.stringify({ fresh: mode === 'fresh', from, to: 'accept', env });
   const r = DEMO ? await api('/api/start', body) : await post('/api/start', body);
   if (r.error) { toast('没能开始：' + r.error); return; }
   $('modal').classList.remove('show'); toast('已开始'); conOff = 0; userPicked = false; poll();
@@ -668,14 +800,42 @@ async function stopJob() {
 $('btnStart').onclick = openStart; $('btnStop').onclick = stopJob;
 $('fCancel').onclick = () => $('modal').classList.remove('show'); $('fGo').onclick = startJob;
 $('modal').onclick = e => { if (e.target === $('modal')) $('modal').classList.remove('show'); };
+/* 记住上次的设置（localStorage，按站点保存）：下次开页面直接是这套参数。
+   注意「运行方式」不记忆——万一记成"全部重跑"，点开始会把数据和模型全归档，风险不对等。 */
+const PREF = 'mlmon.pref.v1', PREF_IDS = ['fFrom', 'fCfg', 'fCons', 'fN', 'fP', 'fT', 'fR', 'fG'];
+function prefSave() {
+  try {
+    const o = {};
+    for (const id of PREF_IDS) o[id] = $(id).value;
+    o.smooth = $('smooth').value; o.logy = logyOn ? 1 : 0;
+    localStorage.setItem(PREF, JSON.stringify(o));
+  } catch (e) { }
+}
+function prefLoad() {
+  let o = null; try { o = JSON.parse(localStorage.getItem(PREF) || 'null'); } catch (e) { }
+  if (!o) return;
+  for (const id of PREF_IDS) {
+    const v = o[id]; if (v == null || v === '') continue;
+    const el = $(id); if (!el) continue;
+    if (el.tagName === 'SELECT') { if ([...el.options].some(x => x.value === v)) el.value = v; }
+    else if (/^[0-9]*\.?[0-9]*$/.test(String(v))) el.value = v;   // 参数框只接受数字，脏值不落地
+  }
+  if (o.smooth != null) { $('smooth').value = o.smooth; $('smoothv').textContent = Number(o.smooth).toFixed(2); }
+  if (o.logy) { logyOn = true; $('logy').classList.add('on'); }
+}
+/* 直接开「重新训练」弹窗：?start=train / ?start=gen…（便于收藏和脚本化截图验证） */
+{ const m = location.search.match(/[?&]start=([a-z0-9]+)/);
+  if (m && SM[m[1]]) setTimeout(() => openStart({ mode: 'from', from: m[1], title: '重新训练' }), 1200); }
 
 /* ===================== 控件 ===================== */
-$('smooth').oninput = () => { $('smoothv').textContent = smoothv().toFixed(2); render(); };
-$('logy').onclick = () => { logyOn = !logyOn; $('logy').classList.toggle('on', logyOn); render(); };
+prefLoad();
+$('smooth').oninput = () => { $('smoothv').textContent = smoothv().toFixed(2); prefSave(); render(); };
+$('logy').onclick = () => { logyOn = !logyOn; $('logy').classList.toggle('on', logyOn); prefSave(); render(); };
+for (const id of PREF_IDS) { $(id).onchange = prefSave; $(id).oninput = prefSave; }
 $('run').onchange = () => { userPicked = true; cur = null; poll(); };
 $('scenario').onchange = () => { api.scenario($('scenario').value); cur = null; userPicked = false; conOff = 0; $('run').innerHTML = ''; poll(); };
-$('auto').onclick = () => { const on = !$('auto').classList.contains('on'); $('auto').classList.toggle('on', on); clearInterval(timer); if (on) timer = setInterval(poll, 5000); };
-timer = setInterval(poll, 5000); poll();
+$('auto').onclick = () => { const on = !$('auto').classList.contains('on'); $('auto').classList.toggle('on', on); clearInterval(timer); if (on) timer = setInterval(poll, 1000); };
+timer = setInterval(poll, 1000); poll();
 
 /* =====================================================================
    示例数据：两种场景，每次刷新让"运行中"的那条日志向前推进。
@@ -696,7 +856,8 @@ function demoApi() {
   function trainEval(x, t0, sps) {
     const q = 1 - Math.exp(-x / 14000);
     return { eval: { step: x, t: t0 + x * 1024 / sps, n: 512, n_ref: 512, success: Math.min(0.975, 0.08 + 0.87 * q + 0.012 * gauss()), collision_rate: Math.max(0.004, 0.31 * (1 - q) + 0.012 + 0.005 * gauss()),
-             time_ok_1p3: Math.min(0.95, 0.05 + 0.8 * q + 0.012 * gauss()), start_fail: Math.max(0, 0.05 * (1 - q) + 0.003 * gauss()) } };
+             time_ok_1p3: Math.min(0.95, 0.05 + 0.8 * q + 0.012 * gauss()), start_fail: Math.max(0, 0.05 * (1 - q) + 0.003 * gauss()),
+             ol_fk_mm: 5.5 * Math.exp(-x / 12000) + 2.0 + 0.25 * gauss(), ol_best_mm: 3.8 * Math.exp(-x / 12000) + 1.7 + 0.16 * gauss(), ol_div: Math.min(0.9, 0.16 + 0.45 * (1 - Math.exp(-x / 9000)) + 0.02 * gauss()) } };
   }
   function trainLog(total, from, to, sps, t0, evalEvery = 2000, wta = false) {
     const L = [];
@@ -715,10 +876,10 @@ function demoApi() {
   }
   let sc, runs, logs, pipe, jobS, con, genAt = 0;
   // 示例流水线：stages 里的 [阶段, 开始距今小时, 用时小时]
-  const mkPipe = (done, cur, curStartH) => { const t = now(); const st = {}; let tt = t - curStartH * 3600;
-    for (let i = done.length - 1; i >= 0; i--) { const [k, dur] = done[i]; st[k] = { start: tt - dur * 3600, end: tt, rc: 0, info: {} }; tt -= dur * 3600; }
-    if (cur) st[cur] = { start: t - curStartH * 3600, end: null, rc: null, info: {} };
-    return { started: tt, plan: ['kin', 'r4', 'gate1', 'gen', 'prep', 'train', 'm5', 'apg', 'mine', 'export', 'bench', 'accept'], stages: st, current: cur }; };
+  const mkPipe = (done, cur, curStartH) => { const t = now(); const st = {}, el = {}; let tt = t - curStartH * 3600;
+    for (let i = done.length - 1; i >= 0; i--) { const [k, dur] = done[i]; st[k] = { start: tt - dur * 3600, end: tt, rc: 0, info: {} }; el[k] = dur * 3600; tt -= dur * 3600; }
+    if (cur) { st[cur] = { start: t - curStartH * 3600, end: null, rc: null, info: {} }; el[cur] = curStartH * 3600; }
+    return { started: tt, plan: ['kin', 'r4', 'gate1', 'gen', 'prep', 'train', 'dagger', 'm5', 'apg', 'mine', 'export', 'bench', 'accept'], stages: st, elapsed: el, current: cur }; };
   const CON = {
     train: '$ FROM=kin TO=accept bash ml/pipeline.sh all\n计划：kin r4 gate1 gen prep train m5 apg mine export bench accept\n== node ml/prep/export_kin.cjs\n== node ml/eval/dump_parity.cjs 2000\n== python -m ml.eval.check_parity\n{"PASS": true, "fk_mm": 0.0004, "gap_mm": 0.0011}\n== node ml/gen/consistency.cjs 300 4242\n{"consistentByGateRule": 0.86}\n一致性门禁结果 → CONSENSUS=1\n== bash ml/gen/run_parallel.sh 1786 28 1 --consensus 4\n样本数 1702000 ≥ 目标，完成\n== bash ml/prep/run_prep.sh 28\n== python -m ml.eval.check_r2 --samples ml/data/samples --out ml/data/r2.json\n{"pairs": 250, "label_std_mean": 0.071, "pass": true}\n== python -m ml.train --samples ml/data/samples --out ml/runs/bench_base --steps 2000 --no-eval\nstep 2000  loss 1.912  6150 samples/s\n== python -m ml.train --samples ml/data/samples --out ml/runs/base\n',
     gen: '$ FROM=kin TO=accept bash ml/pipeline.sh all\n计划：kin r4 gate1 gen prep train m5 apg mine export bench accept\n== node ml/prep/export_kin.cjs\n== python -m ml.eval.check_parity\n{"PASS": true}\n== node ml/gen/consistency.cjs 300 4242\n{"consistentByGateRule": 0.86}\n一致性门禁结果 → CONSENSUS=1\n== bash ml/gen/run_parallel.sh 1786 28 1 --consensus 4\n',
@@ -804,6 +965,7 @@ function demoApi() {
   fn.scenario = setup;
   return fn;
 }
+window.__boot.ok = true;      // 正文脚本跑到了最后一行，看门狗不用再报"脚本没启动"
 </script>
 </body>
 </html>

ml/monitor.py

@@ -17,7 +17,7 @@
   N-11 Windows 子进程用 CREATE_NO_WINDOW 自带隐藏控制台：关掉控制台黑窗口训练照跑，重开控制台可接着看、可停止；
   N-9 生成阶段的行数按文件增量统计（只读新增字节），其他阶段不扫 shard；
   N-12 停止后的状态改写走 ml.pstate（单一写者、原子替换）；N-14 阶段名/估时/权重由 ml.pstate.STAGES 下发。"""
-import argparse, glob, json, os, re, shutil, signal, subprocess, sys, threading, time, webbrowser
+import argparse, glob, json, os, platform, re, shutil, signal, subprocess, sys, threading, time, webbrowser
 sys.path.insert(0, os.path.dirname(os.path.dirname(os.path.abspath(__file__))))
 from ml import pstate
 from http.server import ThreadingHTTPServer, BaseHTTPRequestHandler
@@ -68,7 +68,102 @@ def read_log(name, offset):
     return {'records': recs, 'offset': offset + end, 'size': size, 'reset': offset == 0, 'mtime': os.path.getmtime(f)}
 
 
+_CPU = {'v': {}}
+
+
+def cpu_name():
+    """CPU 型号：psutil 只有核数，型号得自己读——Windows 在注册表，Linux 在 /proc/cpuinfo。"""
+    try:
+        if os.name == 'nt':
+            import winreg
+            with winreg.OpenKey(winreg.HKEY_LOCAL_MACHINE, r'HARDWARE\DESCRIPTION\System\CentralProcessor\0') as k:
+                return re.sub(r'\s+', ' ', winreg.QueryValueEx(k, 'ProcessorNameString')[0]).strip()
+        with open('/proc/cpuinfo') as f:
+            for ln in f:
+                if ln.startswith('model name'):
+                    return ln.split(':', 1)[1].strip()
+    except Exception:
+        pass
+    return platform.processor().strip()
+
+
+class CpuSampler(threading.Thread):
+    """后台每秒阻塞采样一次 CPU。cpu_percent 是"距上次调用"的差值：放在请求里算，窗口取决于两次
+    HTTP 请求的间隔（网页 1 秒轮询 + 手动 curl 会把它压成几毫秒，读数恒为 0）——所以单独一个线程按固定
+    1 秒窗口取，status 只读最近一次。"""
+    def __init__(self): super().__init__(daemon=True); self.start()
+
+    def run(self):
+        try:
+            import psutil
+            name = cpu_name()                                       # 型号只读一次，别每秒翻注册表
+            psutil.cpu_percent(interval=None, percpu=True)          # 打桩：第一次恒为 0，丢掉
+            while True:
+                per = psutil.cpu_percent(interval=1.0, percpu=True)
+                _CPU['v'] = {'total': round(sum(per) / max(1, len(per)), 1), 'per': [round(x) for x in per], 'n': len(per), 'model': name}
+        except Exception:
+            _CPU['v'] = {}
+
+
+def cpu():
+    return {**_CPU['v'], **mahm()}
+
+
+_MAHM = {'t': 0.0, 'v': {}}
+
+
+def mahm():
+    """借 MSI Afterburner 的共享内存（MAHMSharedMemory）读 CPU 温度 / 封装功耗——Windows 上没有别的免驱动口子：
+    psutil 在 Windows 没有 sensors_temperatures；ACPI 热区只有个 27.9 °C 的板温；Power Meter 计数器没有实例。
+    条目布局实测：头 32 字节（签名 MAHM / 版本 / 头大小 / 条目数 / 条目大小 / 时间戳），每条 1324 字节，
+    名字在前 260 字节、单位在其后 260、数值是偏移 1300 的 float（用 GPU1 power 对 nvidia-smi 校准过）。
+    读数比 30 秒旧才当没读到：Afterburner 的硬件轮询周期实测 10~13 秒（不是 1 秒），阈值卡 10 秒会
+    正好落在两次刷新之间、把还在用的读数丢掉（表现为温度和功耗一闪一闪地消失）。"""
+    now = time.time()
+    if now - _MAHM['t'] < 1.0: return _MAHM['v']
+    _MAHM['t'] = now
+    out = {}
+    try:
+        import ctypes, struct
+        k = ctypes.windll.kernel32
+        k.OpenFileMappingW.restype = ctypes.c_void_p
+        k.OpenFileMappingW.argtypes = [ctypes.c_uint32, ctypes.c_int, ctypes.c_wchar_p]
+        k.MapViewOfFile.restype = ctypes.c_void_p
+        k.MapViewOfFile.argtypes = [ctypes.c_void_p, ctypes.c_uint32, ctypes.c_uint32, ctypes.c_uint32, ctypes.c_size_t]
+        h = k.OpenFileMappingW(0x0004, 0, 'MAHMSharedMemory')
+        p = k.MapViewOfFile(h, 0x0004, 0, 0, 0) if h else 0
+        if p:
+            hd = ctypes.string_at(p, 32)
+            num, esize, hsize = (int.from_bytes(hd[i * 4:i * 4 + 4], 'little') for i in (3, 4, 2))
+            upd = int.from_bytes(hd[20:24], 'little')
+            if 0 < num < 5000 and 32 < esize < 65536 and now - upd <= 30:
+                buf = ctypes.string_at(p, hsize + num * esize)
+                core = {}
+                for i in range(num):
+                    e = buf[hsize + i * esize: hsize + (i + 1) * esize]
+                    nm = e[:260].split(b'\x00')[0].decode('latin1')
+                    if not nm: continue
+                    val = struct.unpack('<f', e[1300:1304])[0]
+                    if nm == 'CPU temperature' and 0 < val < 130: out['temp'] = round(val)
+                    elif nm == 'CPU power' and 0 < val < 1000: out['power'] = round(val, 1)
+                    elif nm.startswith('CPU') and nm.endswith(' temperature'):
+                        try:
+                            j = int(nm[3:-12])
+                            if 0 < val < 130: core[j] = round(val)
+                        except ValueError: pass
+                if core: out['coreT'] = [core[k] for k in sorted(core)]
+    except Exception:
+        out = {}
+    _MAHM['v'] = out
+    return out
+
+
+_GPU_CACHE = {'t': 0.0, 'v': []}
+
+
 def gpu():
+    # 网页 1 秒轮询：nvidia-smi 每次要 150–600 ms，缓存 2 秒（GPU 数字不需要更快），避免每轮都起子进程
+    if time.time() - _GPU_CACHE['t'] < 2.0: return _GPU_CACHE['v']
     try:
         q = 'name,utilization.gpu,memory.used,memory.total,temperature.gpu,power.draw'
         r = subprocess.run(['nvidia-smi', f'--query-gpu={q}', '--format=csv,noheader,nounits'], capture_output=True, text=True, timeout=3)
@@ -77,9 +172,10 @@ def gpu():
             n, u, mu, mt, t, p = [x.strip() for x in line.split(',')]
             num = lambda x: float(x) if re.fullmatch(r'[\d.]+', x) else None
             out.append({'name': n, 'util': num(u), 'mem_used': num(mu), 'mem_total': num(mt), 'temp': num(t), 'power': num(p)})
-        return out
     except Exception:
-        return []
+        out = []
+    _GPU_CACHE.update(t=time.time(), v=out)
+    return out
 
 
 def last_rec(name):
@@ -126,47 +222,134 @@ def newer(pattern, t0):
 
 
 def stage_progress(st, s):
-    """当前阶段的进度：返回 {'frac': 0..1 或 None（无法计量）, 'label': 文字}。"""
+    """当前阶段的进度：返回 {'frac': 0..1 或 None（无法计量）, 'label': 文字, 'eta_s': 按实测速率外推的剩余秒数或 None}。"""
     t0, info = s['start'], s.get('info') or {}
     if st == 'gen':
-        n = sum(LC.count(f) for f in newer(f'{DATA}/shard_*.jsonl', t0) + newer(f'{DATA}/shard_*.jsonl.part', t0))
+        # 分子算全部（含之前轮次已完成的分片），分母是累计目标：补量时显示 50,008/79,688 而不是 0/79,688。
+        # 2026-10-18 实测：只统计本轮开始后改过的文件会让"补量"看起来像从零开始。
+        allf = glob.glob(os.path.join(ROOT, DATA, 'shard_*.jsonl')) + glob.glob(os.path.join(ROOT, DATA, 'shard_*.jsonl.part'))
+        n = sum(LC.count(f) for f in allf)
         tgt = info.get('target_tasks') or 0
-        return {'frac': min(1, n / tgt) if tgt else None, 'label': f'已生成 {n:,} / {tgt:,} 条任务'}
+        new = sum(LC.count(f) for f in newer(f'{DATA}/shard_*.jsonl', t0) + newer(f'{DATA}/shard_*.jsonl.part', t0))
+        # 剩余时间按"本轮已写条数 ÷ 本轮已用时"外推（条数是实时数出来的，速率就是实测的），不再用静态估时
+        el = max(1.0, time.time() - t0)
+        rate = new / el if new > 0 else 0
+        eta = ((tgt - n) / rate if rate > 0 else None) if tgt > n else (0.0 if rate > 0 else None)
+        lab = f'已生成 {n:,} / {tgt:,} 条任务' + (f'（本轮补 {new:,} 条 · {rate * 60:.0f} 条/分）' if 0 < new < n else '')
+        return {'frac': min(1, n / tgt) if tgt else None, 'label': lab, 'eta_s': eta}
+    if st == 'gate1':
+        # 一致性门禁每 10 个任务往 stderr 打一行 "k/300"（consistency.cjs:41）。进度只读控制台日志最后 64 KB，
+        # 不跑任何计算、不占 CPU —— 正在生成的节点不受影响。日志里可能还留着上一次门禁的进度行，
+        # 所以只数最后一个 "consistency.cjs" 命令行之后的部分。
+        txt = console(0).get('text') or ''
+        cut = txt.rfind('consistency.cjs')
+        m = re.findall(r'^(\d+)/(\d+)\s*$', txt[cut:] if cut >= 0 else '', re.M)
+        n, N = (int(m[-1][0]), int(m[-1][1])) if m else (0, 300)
+        el = time.time() - t0
+        rate = n / el if n > 0 and el > 2 else 0
+        return {'frac': n / N if N else None,
+                'label': f'门禁 {n} / {N} 个任务' + (f' · {rate * 60:.0f} 个/分' if rate else '') if n else '准备中（日志里还没有进度行）',
+                'eta_s': (N - n) / rate if rate > 0 else None}
     if st == 'prep':
         nsh = len(glob.glob(os.path.join(ROOT, DATA, 'shard_*.jsonl')))
-        done = len(newer(f'{DATA}/samples/*.X.npy', t0))
-        if os.path.exists(os.path.join(ROOT, DATA, 'r2.json')) and newer(f'{DATA}/r2.json', t0): return {'frac': 1, 'label': '打包完成，R2 检查完成'}
-        return {'frac': min(0.95, done / nsh) if nsh else None, 'label': f'已打包 {done} / {nsh} 个分片' + ('，R2 检查中' if nsh and done >= nsh else '')}
+        fin = newer(f'{DATA}/samples/*.X.npy', t0)
+        done = len(fin)
+        if os.path.exists(os.path.join(ROOT, DATA, 'r2.json')) and newer(f'{DATA}/r2.json', t0): return {'frac': 1, 'label': '打包完成，R2 检查完成', 'eta_s': 0}
+        # 2026-10-19：build_dataset 每 10% 打一行 [prep] shard_xxxx a/b；用它把"整片完成"之间的进度和 ETA 算出来
+        fin_n = {os.path.basename(p).split('.')[0] for p in fin}
+        part = {}
+        for ln in console(0)['text'].splitlines()[-800:]:
+            m = re.search(r'\[prep\] (shard_\d+) (\d+)/(\d+)', ln)
+            if m: part[m.group(1)] = int(m.group(2)) / max(1, int(m.group(3)))
+        run = {k: v for k, v in part.items() if k not in fin_n}
+        frac = (done + sum(run.values())) / nsh if nsh else None
+        el = time.time() - t0
+        eta = el * (1 - frac) / frac if frac and 0.02 < frac < 1 and el > 5 else None
+        lab = f'已打包 {done} / {nsh} 个分片'
+        if run: lab += f' · 进行中 {len(run)} 个（平均 {100 * sum(run.values()) / len(run):.0f}%）'
+        elif done == 0: lab += ' · 首波处理中，第一批完成后显示预估'
+        elif nsh and done >= nsh: lab += '，R2 检查中'
+        return {'frac': min(0.95, frac) if frac is not None else None, 'label': lab, 'eta_s': eta}
     if st == 'train':
         tag, bs = info.get('tag', 'base'), info.get('bench_steps', 2000)
         b, m = last_rec(f'bench_{tag}') if newer(f'{RUNS}/bench_{tag}/log.jsonl', t0) else None, last_rec(tag) if newer(f'{RUNS}/{tag}/log.jsonl', t0) else None
         if m and m.get('total'):
-            return {'frac': (bs + m['step']) / (bs + m['total']), 'label': f'正式训练 {m["step"]:,} / {m["total"]:,} 步', 'run': tag}
-        if b: return {'frac': b['step'] / (bs + 60000), 'label': f'测速 {b["step"]:,} / {bs:,} 步', 'run': f'bench_{tag}'}
+            return {'frac': (bs + m['step']) / (bs + m['total']), 'label': f'正式训练 {m["step"]:,} / {m["total"]:,} 步', 'run': tag,
+                    'eta_s': m['eta_h'] * 3600 if m.get('eta_h') else None}   # 训练脚本自己按实测样本/s 算的
+        if b: return {'frac': b['step'] / (bs + 24000),   # 2026-10-19：正式步数按 configs/base.json 的 24000 估
+                       'label': f'测速 {b["step"]:,} / {bs:,} 步', 'run': f'bench_{tag}'}
         return {'frac': 0, 'label': '加载数据中'}
+    if st == 'dagger':     # 2026-10-18 新增：每轮 = 采起点 → 老师重规划 → 打包 → 微调（微调占大头，进度按 0.1/0.25/0.05/0.6 分）
+        tag, R = info.get('tag', 'base'), int(info.get('rounds', 2))
+        k = len(newer(f'{RUNS}/{tag}_dag*/done', t0)); k = min(k, R)
+        base = f'第 {min(k + 1, R)} / {R} 轮'
+        if k >= R: return {'frac': 1, 'label': 'DAgger 完成'}
+        D, run = f'{DATA}/dag_{tag}_r{k + 1}', f'{tag}_dag{k + 1}'
+        m = last_rec(run) if newer(f'{RUNS}/{run}/log.jsonl', t0) else None
+        if m and m.get('total'):
+            return {'frac': (k + 0.4 + 0.6 * m['step'] / m['total']) / R, 'label': f'{base}：微调 {m["step"]:,} / {m["total"]:,} 步', 'run': run,
+                    'eta_s': m['eta_h'] * 3600 if m.get('eta_h') else None}
+        if os.path.exists(os.path.join(ROOT, D, 'collect.json')):
+            nt = sum(LC.count(f) for f in glob.glob(os.path.join(ROOT, D, 'tasks_*.jsonl')))
+            nd = sum(LC.count(f) for f in glob.glob(os.path.join(ROOT, D, 'shard_dag_*.jsonl')) + glob.glob(os.path.join(ROOT, D, 'shard_dag_*.jsonl.part')))
+            return {'frac': (k + 0.1 + 0.25 * (nd / nt if nt else 0)) / R, 'label': f'{base}：老师重新规划 {nd:,} / {nt:,} 个起点'}
+        return {'frac': k / R, 'label': f'{base}：闭环采起点'}
     if st == 'apg':
         r = last_rec('apg') if newer(f'{RUNS}/apg/log.jsonl', t0) else None
-        return {'frac': r['it'] / r['total'] if r and r.get('total') else 0, 'label': f'APG {r["it"]:,} / {r["total"]:,} 步' if r else '准备中', 'run': 'apg'}
+        eta = None
+        if r and r.get('total'):
+            it, mn = r.get('it') or 0, r.get('min') or 0
+            eta = (r['total'] - it) / (it / mn) * 60 if it > 0 and mn > 0.1 else None   # 步/分实测外推
+        return {'frac': r['it'] / r['total'] if r and r.get('total') else 0, 'label': f'APG {r["it"]:,} / {r["total"]:,} 步' if r else '准备中', 'run': 'apg', 'eta_s': eta}
     if st == 'mine':
         R = info.get('rounds', 6)
         k = len(newer(f'{RUNS}/mine/r*/gate.json', t0))
         cur = sorted(newer(f'{RUNS}/apg_r*/log.jsonl', t0), key=os.path.getmtime)
-        frac_in, lab = 0, f'第 {k + 1} 轮：挖错出题'
-        if cur and len(cur) > k:
-            name = os.path.basename(os.path.dirname(cur[-1])); r = last_rec(name)
-            if r and r.get('total'): frac_in = 0.3 + 0.6 * r['it'] / r['total']; lab = f'第 {k + 1} 轮：APG {r["it"]:,} / {r["total"]:,} 步'
-            return {'frac': min(1, (k + frac_in) / R), 'label': f'{lab}（共最多 {R} 轮，提升不足会提前停）', 'run': name}
+        lab = f'第 {k + 1} 轮：挖错出题'
+        if cur:
+            name = os.path.basename(os.path.dirname(cur[-1]))                  # ml/runs/apg_rN
+            rn = re.sub(r'\D', '', name) or '1'
+            gate = os.path.join(ROOT, RUNS, 'mine', f'r{rn}', 'gate.json')
+            r = last_rec(name)
+            if r and r.get('total') and not os.path.exists(gate):               # 这一轮还在跑（还没出 gate）
+                frac_in = 0.3 + 0.6 * r['it'] / r['total']
+                lab = f'第 {k + 1} 轮：APG {r["it"]:,} / {r["total"]:,} 步'
+                it, mn = r.get('it') or 0, r.get('min') or 0
+                eta = (r['total'] - it) / (it / mn) * 60 if it > 0 and mn > 0.1 else None
+                if eta is not None and k >= 1:                                  # 剩余轮次按已完成轮次的平均时长外推
+                    eta += max(0, R - k - 1) * (time.time() - t0) / k
+                return {'frac': min(1, (k + frac_in) / R), 'label': f'{lab}（共最多 {R} 轮，提升不足会提前停）', 'run': name, 'eta_s': eta}
         return {'frac': min(1, k / R), 'label': f'{lab}（共最多 {R} 轮，提升不足会提前停）'}
     if st == 'm5':
         tag = info.get('tag', 'base')
         n = len(newer(f'{RUNS}/m5_{tag}_policy.json', t0)) + len(newer(f'{RUNS}/m5_{tag}_safety.json', t0))
-        return {'frac': n / 2, 'label': ['纯策略评估中', '加安全层评估中', '汇总'][min(n, 2)]}
+        el = time.time() - t0
+        eta = (2 - n) * (el / n) if n == 1 else (0.0 if n >= 2 else None)   # 两次评估（纯策略 / 加安全层）按已完成的平均耗时外推
+        return {'frac': n / 2, 'label': ['纯策略评估中', '加安全层评估中', '汇总'][min(n, 2)], 'eta_s': eta}
     return {'frac': None, 'label': '进行中'}
 
 
+def stage_elapsed(pl, now=None):
+    """每个阶段的累计用时（秒）：pipeline.json 的 time{阶段: 秒} 是不含当前段的累计，运行中的阶段
+    再把"这一段"实时加上。老记录（没有 time 字段）用 start/end 的差值兜底。
+    网页的「总用时」＝各阶段之和，「本步用时」＝当前阶段这条 —— 确定/续跑都不归零。"""
+    now = now or time.time()
+    acc = pl.get('time') or {}
+    cur = pl.get('current')
+    out = {}
+    for k, r in (pl.get('stages') or {}).items():
+        t = acc.get(k)
+        if t is None and r.get('start') and r.get('end'): t = r['end'] - r['start']
+        t = t or 0
+        if k == cur and r.get('start') and r.get('end') is None: t += max(0.0, now - r['start'])
+        out[k] = round(t, 1)
+    return out
+
+
 def pipeline():
     d = jload(os.path.join(ROOT, RUNS, 'pipeline.json'))
     if not d: return None
+    d['elapsed'] = stage_elapsed(d)
     cur = d.get('current')
     if cur and cur in d['stages']:
         try: d['progress'] = stage_progress(cur, d['stages'][cur])
@@ -192,8 +375,10 @@ def status():
     pb = jload(P(RUNS, 'policy_bench.json'))
     if pb: pb = {k: {kk: v.get(kk) for kk in ('n', 'ok', 'reached', 'collisionFrames', 'brakeRate', 'recoveryRate', 'livelock', 'inferMsP99', 'safetyMsP99')}
                  for k, v in pb.items() if isinstance(v, dict) and 'n' in v}
-    return {'now': time.time(), 'gpu': gpu(),
-            'vram_budget_gb': float(os.environ.get('VRAM_BUDGET_GB', 20)),      # 本机桌面常驻占 4–5 GB，给训练的预算 19–20 GB 'pipeline': pl, 'check': CHECK.get(), 'lock': lock_info(),
+    return {'now': time.time(), 'gpu': gpu(), 'cpu': cpu(),
+            'vram_reserve_gb': float(os.environ.get('VRAM_RESERVE_GIB', 1)),   # 给系统留的余量（GB）：训练进程上限 = 整卡 − 已用 − 这个余量（浮动，见 ml/common/vram.py）
+            'vram_budget_gb': float(os.environ['VRAM_BUDGET_GB']) if os.environ.get('VRAM_BUDGET_GB') else None,   # 只有显式指定才覆盖上面的口径
+            'pipeline': pl, 'check': CHECK.get(), 'lock': lock_info(),   # 2026-10-18 第八轮修：上一版这三项被行尾注释吞掉，网页步骤条/锁状态拿不到
             'stage_meta': [{'id': k, 'name': n, 'est_h': h, 'timeout_h': pstate.TIMEOUT_H[k]} for k, n, h in pstate.STAGES],
             'r4': jload(P(RUNS, 'r4.json')),
             'data': {'consistency': (jload(P(DATA, 'consistency.json')) or {}).get('consistentByGateRule'),
@@ -207,7 +392,7 @@ def status():
 STAGES = pstate.ORDER
 ENV_KEYS = {'N_TASKS': r'\d+', 'NPROC': r'\d+', 'TARGET_SAMPLES': r'\d+', 'CFG': r'ml/configs/(base|wta|small)\.json',
             'CONSENSUS': r'[01]?', 'ROUNDS': r'\d+', 'APG_STEPS': r'\d+', 'MINE_N': r'\d+', 'MIN_GAP_MM': r'\d+(\.\d+)?',
-            'FRESH': r'[01]', 'R2_STRICT': r'[01]', 'AUTO_WTA': r'[01]'}
+            'FRESH': r'[01]', 'FRESH_FROM': r'(setup|kin|r4|gate1|gen|prep|train|dagger|m5|apg|mine|export|bench|accept)', 'R2_STRICT': r'[01]', 'AUTO_WTA': r'[01]'}
 CONSOLE = os.path.join(ROOT, RUNS, 'console.log')
 
 
@@ -263,6 +448,29 @@ def lock_info():
     return dict(lk, alive=pstate.lock_alive(lk), age_s=time.time() - lk.get('beat', 0))
 
 
+NT_NAMES = "'node.exe','xargs.exe','bash.exe','sh.exe','timeout.exe'"
+NT_SWEEP = (r"pipeline\.sh|run_prep\.sh|run_parallel\.sh|build_dataset\.cjs|"
+            r"gen_dataset\.cjs|teacher\.cjs|policy_bench\.cjs")
+
+
+def sweep_nt(keep_pid):
+    """taskkill /T 在 Git Bash 下只杀到 bash，xargs/node 孙进程会逃（10-18 实测：停止后还有 28 个
+    gen_dataset 在跑；当晚二次踩到：两批 build_dataset 抢同一批 shard）。按命令行补扫整条流水线，
+    keep_pid 的祖先链（= 控制台自己拉起的 monitor bash）不动。先杀包装再杀 node，否则 node 一死
+    xargs 会立刻补下一个 shard。返回仍存活个数，-1 = pwsh 没跑成。"""
+    q = ("$anc=@(); $c=%d; while ($c -gt 0 -and ($p=Get-CimInstance Win32_Process -Filter \"ProcessId=$c\" "
+         "-ErrorAction SilentlyContinue)) { $anc+=$p.ProcessId; $c=$p.ParentProcessId }; "
+         "$m={ $_.Name -in %s -and $_.CommandLine -match '%s' -and $anc -notcontains $_.ProcessId }; "
+         "foreach ($x in @(Get-CimInstance Win32_Process | Where-Object $m | "
+         "Sort-Object { if ($_.Name -eq 'node.exe') { 1 } else { 0 } })) "
+         "{ Stop-Process -Id $x.ProcessId -Force -ErrorAction SilentlyContinue }; "
+         "Start-Sleep -Seconds 2; "
+         "@(Get-CimInstance Win32_Process | Where-Object $m).Count" % (int(keep_pid), NT_NAMES, NT_SWEEP))
+    r = subprocess.run(['pwsh', '-NoProfile', '-Command', q], capture_output=True, text=True, timeout=90)
+    lines = [s for s in (r.stdout or '').split() if s.isdigit()]
+    return int(lines[-1]) if lines else -1
+
+
 def kill_session(sid):
     """POSIX：结束会话 sid 里的所有进程（含 timeout 另起的进程组）。"""
     pids = []
@@ -330,7 +538,7 @@ class Job:
             pid = self.p.pid if ours else int(lk.get('pid') or 0)
             if not pid: return {'error': '锁里没有 pid，无法停止'}
         cur = (pstate.load().get('current') or '')
-        if cur in ('train', 'm5', 'apg', 'mine'):
+        if cur in ('train', 'dagger', 'm5', 'apg', 'mine'):
             open(STOPF, 'w').write(time.strftime('%H:%M:%S'))
             with open(CONSOLE, 'a', encoding='utf-8') as f: f.write(f'\n[停止请求已发出，等待 {cur} 存档 last.pt…]\n')
             for _ in range(180):
@@ -340,6 +548,14 @@ class Job:
         with self.lock:
             if os.name == 'nt':
                 subprocess.run(['taskkill', '/T', '/F', '/PID', str(pid)], capture_output=True)
+                # 补扫漏网的子孙；有残留就写进网页日志，别让用户以为停干净了
+                try:
+                    left = sweep_nt(os.getpid())
+                except Exception:
+                    left = -1
+                if left != 0:
+                    with open(CONSOLE, 'a', encoding='utf-8') as f:
+                        f.write(f'\n[停止补扫：仍有 {left} 个流水线子进程存活（-1=补扫没跑成），把这条发我]\n')
             else:
                 if ours:
                     kill_session(pid)
@@ -428,6 +644,7 @@ def main():
     a = ap.parse_args()
     global CHECK
     CHECK = SelfCheck()
+    CPUS = CpuSampler()          # 每秒采一次 CPU（线程常驻，status 只读最近一次）
     srv = ThreadingHTTPServer((a.host, a.port), H); srv.remote_control = a.remote_control
     url = f'http://localhost:{a.port}/'
     print(f'训练控制台：{url}  （关闭本窗口只关控制台，已开始的训练继续跑；重新打开控制台即可接着看、可停止）', flush=True)

ml/pipeline.sh

@@ -7,6 +7,7 @@
 #   gen     生成老师轨迹（NPROC 进程；CONSENSUS=1 时加共识过滤；样本不足 TARGET_SAMPLES 自动补生成）
 #   prep    打包训练样本 + R2 标签一致性检查
 #   train   预训练（先 2000 步摸吞吐，再正式训练）；输出目录随头分开：ml/runs/<CFG 名>
+#   dagger  DAgger 纠偏（2026-10-18 新增）：策略闭环走到的状态请老师重新规划、并入数据微调 DAG_ROUNDS 轮（ml/dagger/run.sh）
 #   m5      头门禁：贴立柱集穿柱率 ≤ 2%（纯策略口径），同时报仿真安全层口径；通过则记为选定模型，不过自动训 WTA 头再判
 #   apg     APG 首轮微调（从选定模型开始）
 #   mine    挖错循环（3–6 轮，含门禁回滚）
@@ -44,11 +45,12 @@ TAG=$(basename "$CFG" .json)
 SEL=ml/runs/selected_ckpt
 ckpt() { if [ -n "${CKPT:-}" ]; then echo "$CKPT"; elif [ -f $SEL ]; then cat $SEL; else echo ml/runs/$TAG/best.pt; fi; }
 stage=${1:-help}
-run() { echo "== $*"; "$@"; }
-ALL_STAGES="setup kin r4 gate1 gen prep train m5 apg mine export bench accept"
+run() { echo "== $*" >&2; "$@"; }   # 回显走 stderr：gate1 用 tee 把 stdout 存成 consistency.json，回显混进去会让后面读它时 JSONDecodeError
+ALL_STAGES="setup kin r4 gate1 gen prep train dagger m5 apg mine export bench accept"
 stage_info() { case $1 in
   gen)   echo "target_tasks=$(( (N_TASKS + NPROC - 1) / NPROC * NPROC ))" ;;
   train) echo "tag=$TAG bench_steps=2000" ;;
+  dagger) echo "tag=$TAG rounds=${DAG_ROUNDS:-2}" ;;
   m5)    echo "tag=$TAG" ;;
   mine)  echo "rounds=$ROUNDS apg_steps=$APG_STEPS" ;;
 esac; }
@@ -76,15 +78,37 @@ on_exit() {
 trap on_exit EXIT
 trap 'exit 143' TERM INT HUP      # 被停止 / 超时：先走 on_exit 记返回码、放锁
 # ---- 训练与门禁的单元（m5 自动分支要对两种头各调一次）
+replay_ok() {   # 回放自检结果有效：pass 为真、版本含 oracle 滚动（ver ≥ 2）、指纹 = 当前 kin.json 且 = 数据 shard 的指纹
+  $PY - <<'PY'
+import json, sys
+try:
+    r = json.load(open('ml/runs/replay_teacher.json', encoding='utf-8')); k = json.load(open('ml/assets/kin.json', encoding='utf-8'))['fp']
+except Exception: sys.exit(1)
+sys.exit(0 if r.get('pass') is True and r.get('ver', 1) >= 2 and r.get('fp') == k and r.get('data_fp') in (None, k) else 1)
+PY
+}
 train_one() {   # $1 = 配置文件
   local cfg=$1 tag; tag=$(basename "$1" .json)
+  # 2026-10-18：开训前先把老师轨迹放进 PyTorch 仿真口径里回放——口径对不上时闭环指标不可信，训多少步都白训（rc 5 停）
+  # 2026-10-19（审查 review_closedloop F6）：原来只看文件在不在——replay 失败时也写了文件（pass=false）再 rc 5，用户直接重跑 train 门禁就被跳过。
+  #   现在读 pass 字段 + 指纹（kin.json、数据 shard），不过就重跑一次，仍不过 rc 5；回放同时走完整 rollout()（老师 oracle），覆盖滚动路径。
+  replay_ok || run $PY -m ml.eval.replay_teacher --n 512 --out ml/runs/replay_teacher.json || true
+  replay_ok || { echo "老师回放自检未通过（ml/runs/replay_teacher.json 的 pass / 指纹），闭环指标不可信，不开训"; exit 5; }
   if [ -f ml/runs/bench_$tag/last.pt ]; then echo "吞吐摸底 ml/runs/bench_$tag 已有，跳过"
   else run $PY -m ml.train --samples ml/data/samples --out ml/runs/bench_$tag --steps ${BENCH_STEPS:-2000} --no-eval --config $cfg; fi
   local res=""; [ -f ml/runs/$tag/last.pt ] && { res="--resume ml/runs/$tag/last.pt"; echo "发现 ml/runs/$tag/last.pt → 续训"; }
   run $PY -m ml.train --samples ml/data/samples --out ml/runs/$tag --config $cfg $res
 }
-m5_one() {      # $1 = 头标签；返回 0 通过 / 3 不通过
-  local tag=$1 ck=${CKPT:-ml/runs/$1/best.pt} o
+dagger_one() {  # $1 = 头标签：从该头的预训练结果起做 DAgger，最终模型路径写进 ml/runs/<tag>_dagger.ckpt
+  local tag=$1 ck
+  [ -f ml/runs/$tag/best.pt ] || [ -f ml/runs/$tag/last.pt ] || { echo "DAgger：ml/runs/$tag/ 下没有 checkpoint（预训练没完成）"; return 3; }
+  # 2026-10-19（审查 P0-2）：闭环 success > 0 用 best.pt，否则 last.pt（都取 EMA 权重）
+  ck=$($PY -m ml.common.ckpt pick ml/runs/$tag)
+  run bash ml/dagger/run.sh $tag $ck
+}
+m5_one() {      # $1 = 头标签；返回 0 通过 / 3 不通过。起点模型：CKPT > DAgger 结果 > 预训练 best.pt
+  local tag=$1 ck o
+  if [ -n "${CKPT:-}" ]; then ck=$CKPT; elif [ -f ml/runs/${1}_dagger.ckpt ]; then ck=$(cat ml/runs/${1}_dagger.ckpt); else ck=ml/runs/$1/best.pt; fi
   [ -f "$ck" ] || { echo "M5：$ck 不存在（训练发散或没训完）→ 按不通过处理"; return 3; }
   # 断点续跑：结果文件比检查点新 → 这一半已经评过，跳过
   o=ml/runs/m5_${tag}_policy.json; [ -f $o ] && [ $o -nt "$ck" ] && echo "M5：$o 已有，跳过" || run $PY -m ml.sim.closed_loop --ckpt $ck --tasks ml/runs/nc_gate.jsonl --n ${M5_N:-1000} --out $o
@@ -110,7 +134,7 @@ case $stage in
   kin)    run node ml/prep/export_kin.cjs; run node ml/eval/dump_parity.cjs 2000; run $PY -m ml.eval.check_parity ;;
   r4)     # 浏览器推理延迟（方案 R4）：随机初始化模型导出到独立文件（不碰 webapp/models，审查 N-5），无头浏览器自动测
           mkdir -p ml/runs/r4
-          bash ml/prep/vendor_ort.sh || echo "本地 ort 没放好（npm 不通？），探针改用 CDN"
+          [ -f webapp/vendor/ort/ort.min.js ] || [ "${ORT_LOCAL:-1}" = 0 ] || { echo "webapp/vendor/ort 缺失（ort 已入库，先 git pull）；确要用 CDN 设 ORT_LOCAL=0"; exit 3; }   # 第八轮：不再静默退回 CDN
           run $PY -m ml.export_onnx --random $CFG --out ml/runs/r4/traj_policy_r4.onnx
           run $PY -m ml.eval.r4_probe --model ml/runs/r4/traj_policy_r4.onnx --out ml/runs/r4.json ${R4_ARGS:-}
           r=$($PY -c "import json;p=json.load(open('ml/runs/r4.json', encoding='utf-8')).get('pass');print({True:'pass',False:'fail'}.get(p,'null'))")
@@ -127,19 +151,21 @@ case $stage in
           extra=""; [ "${CONSENSUS:-0}" = "1" ] && extra="--consensus 4"
           run bash ml/gen/run_parallel.sh $per $NPROC 1 "$extra"
           # 补量：共识过滤与间隙过滤都会降低保留率，样本不足 TARGET_SAMPLES 时按实测"样本/任务"补生成。
-          # 最多 4 次（第五轮由 2 改 4：两种过滤叠加时 2 次可能补不满）；已写完的补量 shard 续跑时跳过。
+          # 最多 5 次（第五轮由 2 改 4；2026-10-18 应用户要求 4 改 5：共识 + 间隙两道过滤叠加时余量更足）；已写完的补量 shard 续跑时跳过。
           s0=$((1 + NPROC))
-          for k in 1 2 3 4; do
+          for k in 1 2 3 4 5; do
             need=$($PY -c "import json,math;s=json.load(open('ml/data/stats.json', encoding='utf-8'));d=$TARGET_SAMPLES-s['samplesEvery3'];print(0 if d<=0 else math.ceil(d/(s['samplesEvery3']/max(1,s['tasks']))*1.05))")
             [ "$need" = "0" ] && break
             echo "样本不足目标 $TARGET_SAMPLES，补生成 $need 条任务（第 $k 次）"
             per2=$(( (need + NPROC - 1) / NPROC ))
-            old=$($PY -m ml.pstate get gen target_tasks)          # 读不到直接失败（审查 N-13：此前空值会被算成 56 这类数）
-            $PY -m ml.pstate set gen target_tasks=$(( old + per2 * NPROC ))
+            # 目标 = 已写完的分片条数 + 本轮要补的；不能用 pstate 里上次的 target_tasks 累加，
+            # 那样每次续跑（点停止后再「继续训练」）分母都加一截，进度条会越续越少（2026-10-18 实测 67368→84728）。
+            done_n=$($PY -c "import json;print(json.load(open('ml/data/stats.json', encoding='utf-8'))['tasks'])")
+            $PY -m ml.pstate set gen target_tasks=$(( done_n + per2 * NPROC ))
             run bash ml/gen/run_parallel.sh $per2 $NPROC $s0 "$extra"
             s0=$((s0 + NPROC))
           done
-          $PY -c "import json;s=json.load(open('ml/data/stats.json', encoding='utf-8'));import sys;sys.exit(0 if s['samplesEvery3']>=0.9*$TARGET_SAMPLES else 7)" || echo "警告：补 4 次后样本仍不足目标的 90%，按现有样本继续（stats.json 见 samplesEvery3）" ;;
+          $PY -c "import json;s=json.load(open('ml/data/stats.json', encoding='utf-8'));import sys;sys.exit(0 if s['samplesEvery3']>=0.9*$TARGET_SAMPLES else 7)" || echo "警告：补 5 次后样本仍不足目标的 90%，按现有样本继续（stats.json 见 samplesEvery3）" ;;
   prep)   # 间隙过滤口径必须与生成时一致（审查 N-1）
           $PY -c "import json,sys;m=json.load(open('ml/data/stats.json', encoding='utf-8')).get('minGapFilterMm');sys.exit(0 if m is None or float(m)==float($MIN_GAP_MM) else 8)" \
             || { echo "MIN_GAP_MM=$MIN_GAP_MM 与生成阶段 stats.json 的 minGapFilterMm 不一致：补量口径与训练集会分叉，请用同一值重跑 gen 或 prep"; exit 8; }
@@ -152,6 +178,7 @@ case $stage in
             echo "警告：R2 不通过（近邻标签不自洽，见 ml/data/r2.json）。按默认继续训练，验收汇总会列出"
           fi ;;
   train)  train_one $CFG ;;
+  dagger) dagger_one $TAG ;;
   m5)     [ -f ml/runs/nc_gate.jsonl ] || run $PY -m ml.mining.mine_round --make-gate ${M5_N:-1000} --seed 4321 --mix 0,0,1,0 --name nc_gate.jsonl --out ml/runs
           if m5_one $TAG; then :
           elif [ "$TAG" != wta ] && [ "${AUTO_WTA:-1}" = 1 ] && [ -z "${CKPT:-}" ]; then
@@ -159,11 +186,12 @@ case $stage in
             echo "M5：$TAG 头不通过 → 自动训练 WTA 回退头（约 3 小时）"
             $PY -m ml.pstate set m5 branch=wta
             train_one ml/configs/wta.json
+            dagger_one wta
             m5_one wta || { echo "M5：两种头都未通过，把 ml/runs/m5_gate_*.json 发我"; exit 3; }
           elif [ "${M5_STRICT:-1}" = 0 ]; then echo "M5：不通过，M5_STRICT=0（冒烟）→ 照常继续"; echo ml/runs/$TAG/best.pt > $SEL
           else echo "M5：不通过，把 ml/runs/m5_gate_*.json 发我"; exit 3; fi ;;
   apg)    ck=$(ckpt); res=""; [ -f ml/runs/apg/last.pt ] && { res="--resume ml/runs/apg/last.pt"; echo "发现 ml/runs/apg/last.pt → 续跑"; }
-          run $PY -m ml.apg.apg_finetune --init $ck --samples ml/data/samples --out ml/runs/apg ${APG_FIRST_STEPS:+--steps $APG_FIRST_STEPS} $res; cp ml/runs/apg/best.pt ml/runs/current.pt ;;
+          run $PY -m ml.apg.apg_finetune --init $ck --samples ml/data/samples $(ls -d ml/data/samples_dag_* 2>/dev/null | tr '\n' ' ') --out ml/runs/apg ${APG_FIRST_STEPS:+--steps $APG_FIRST_STEPS} $res; cp ml/runs/apg/best.pt ml/runs/current.pt ;;
   mine)   run bash ml/mining/loop.sh $ROUNDS $APG_STEPS $MINE_N ;;
   monitor) run $PY -m ml.monitor ${MONITOR_ARGS:-} ;;
   selftest) run bash ml/selftest.sh ;;
@@ -184,7 +212,7 @@ case $stage in
           # 启动前自检（审查 N-10：不能等到 train 才发现这个 Python 没有 torch）
           $PY -c "import torch" 2>/dev/null || { echo "当前 Python（$($PY -c 'import sys;print(sys.executable)')）没有 torch：请先激活训练环境或设 PYTHON=..."; exit 1; }
           command -v node >/dev/null || { echo "找不到 node"; exit 1; }
-          fl=""; [ "${FRESH:-0}" = 1 ] && fl="--fresh"
+          fl=""; [ "${FRESH:-0}" = 1 ] && fl="--fresh"; [ -n "${FRESH_FROM:-}" ] && fl="--fresh-from=$FRESH_FROM"
           $PY -m ml.pstate reset ${PLAN// /,} $fl     # 续跑 / 参数变了作废受影响阶段（旧产物移到 ml/archive/<时间>/）
           TODO=$($PY -m ml.pstate todo)
           echo "计划：$PLAN"; echo "待跑：${TODO:-（全部已完成）}"

ml/prep/build_dataset.cjs

@@ -2,16 +2,33 @@
  *   node ml/prep/build_dataset.cjs ml/data/shard_0001.jsonl [outDir=ml/data/samples]
  * 每条 keep=true 的轨迹按 50 Hz 时间律重放，每 3 步取一个样本：
  *   X  [N,83]   特征（webapp/js/ik-policy.js features()，与部署同一份代码）
- *   Y  [N,16,6] 未来 16 步每步增量 / STEP（到终点后补 0）
+ *   Y  [N,16,6] 未来 16 步每步增量 / (ACT_SCALE·STEP)，夹在 ±1（到终点后补 0）
  *   V  [N]      剩余时间（s）/ 5
  *   SG [N,13]   子目标标签：剩余两个途经点相对当前 q 的差 / 180（不足用终点补）+ 是否需要
  *   TID[N]      任务编号（tasks.jsonl 行号所在的全局 id，用于划分与闭环验证）
- * 增广：30% 样本对 q_t 加 σ=1° 噪声，标签改为 8 步内线性收回老师轨迹（噪声态须无干涉且间隙 > 1 mm）；
- *       已提交前缀长度 r ∈ {0..3} 均匀随机，前缀取老师接下来 r 步的增量。 */
+ * 增广（2026-10-18 首次正式预训练后加大）：40% 样本对 q_t 加 σ=AUG_SIGMA（默认 3°）噪声，标签改为 AUG_BACK（默认 12）步内线性收回老师轨迹；
+ *   噪声态须无干涉且间隙 > MIN_GAP_MM，收回途中第 3/6/9/12 步也须无干涉（σ 加大后直接线性拉回可能穿过障碍）。
+ *   原为 30%、σ=1°、8 步：闭环一偏出 1° 就是没见过的状态，首次 21850 步闭环到达 0%。更大的偏离由 DAgger 阶段补（ml/dagger）。
+ *       已提交前缀长度 r ∈ {0..3} 均匀随机，前缀取老师接下来 r 步的增量。
+ *   meta [<shard>.meta.json] 打包参数：data_ver、act_scale、增广参数、sig（run_prep.sh 据 sig 判断要不要重新打包）。
+ * 2026-10-19（审查 review_data_actions C2）：
+ *   - 标签按 ACT_SCALE·STEP 归一化（默认 1.25，DATA_VER 2）。原来按 STEP 归一化，巡航时主导轴标签恰好 = ±1、执行端又夹在 ±1，
+ *     模型在 ±1 附近的对称误差有一半被截掉，主导轴系统性偏慢；留 25% 余量后老师标签最大 0.8，执行端的 ±1 只防越界。
+ *     运行时 inc = clamp(act, ±1)·act_scale·STEP（closed_loop.py / apg / ik-policy.js 同口径，act_scale 经 checkpoint 与 ONNX meta 传递）；
+ *   - 增广收回标签的亏空结转：被 ±1 截掉的部分记在 prevP 里、下一步补，原来 prevP = 目标点，截掉就丢了（教的是「落后了别追」）；
+ *   - DAgger 任务带 qPrev / v0（gen_dataset.cjs 写入）：t=0 样本用真实上一帧，时间律从当前速度起步。
+ *   特征（83 维）定义不变，FEAT_VER 不变；数据版本由 meta.data_ver 区分，旧打包没有 meta → 训练按 act_scale 1.0 读。 */
 'use strict';
 const fs = require('fs'), path = require('path');
+/* 打包参数（环境变量）与签名：run_prep.sh 用 `node build_dataset.cjs --sig` 取当前签名，与已打包 shard 的 meta.sig 不同就重新打包 */
+const DATA_VER = 2;
+const MIN_GAP_MM = +(process.env.MIN_GAP_MM || 3);
+const AUG_P = +(process.env.AUG_P || 0.4), AUG_SIGMA = +(process.env.AUG_SIGMA || 3), AUG_BACK = +(process.env.AUG_BACK || 12);
+const ACT_SCALE = +(process.env.ACT_SCALE || 1.25);
+const SIG = ['v' + DATA_VER, 's' + ACT_SCALE, 'p' + AUG_P, 'sg' + AUG_SIGMA, 'b' + AUG_BACK, 'g' + MIN_GAP_MM].join('|');
+if (process.argv[2] === '--sig') { console.log(SIG); process.exit(0); }
 const IN = process.argv[2], OUTDIR = process.argv[3] || path.join(__dirname, '../data/samples');
-if (!IN) { console.error('usage: build_dataset.cjs <shard.jsonl> [outDir]'); process.exit(1); }
+if (!IN) { console.error('usage: build_dataset.cjs <shard.jsonl> [outDir] | --sig'); process.exit(1); }
 const { S } = require('../../tests/route_bench_setup.cjs')();
 const POL = require('../../webapp/js/ik-policy.js');
 const { timeParam } = require('../gen/timelaw.cjs');
@@ -26,35 +43,45 @@ const hash = s => { let h = 2166136261; for (const c of s) h = Math.imul(h ^ c.c
 const X = [], Y = [], V = [], SG = [], TID = [], tasks = [];
 const lines = fs.readFileSync(IN, 'utf8').split('\n').filter(Boolean);
 let nAug = 0, nAugRej = 0, nGapDrop = 0;
-/* 2026-10-18：认证最小间隙 < 3 mm 的老师轨迹不进训练集；噪声增广接受地板同步为 3 mm（原 1 mm）。 */
-const MIN_GAP_MM = +(process.env.MIN_GAP_MM || 3);
-for (const line of lines) {
+/* 2026-10-18：认证最小间隙 < 3 mm 的老师轨迹不进训练集（MIN_GAP_MM）；噪声增广接受地板同步为 3 mm（原 1 mm）。 */
+const ASTEP = STEP.map(v => v * ACT_SCALE);           // 每单位动作对应的度数
+const NT = lines.length, PSTEP = Math.max(1, Math.floor(NT / 10));
+for (let li = 0; li < NT; li++) {
+  if (li % PSTEP === 0) console.log(`[prep] ${base} ${li}/${NT}`);   // 每 10% 一行，28 个分片并行也看得见进度
+  const line = lines[li];
   const r = JSON.parse(line);
   if (!r.keep) continue;
   if (r.cert && r.cert.minGap != null && r.cert.minGap < MIN_GAP_MM) { nGapDrop++; continue; }   // 与 stats.cjs 同一过滤
   const tid = hash(r.id) & 0x7fffffff;
   const split = (hash(r.id + '#split') % 100) < 5 ? 'val' : 'train';
   const P = r.path;
-  const tp = timeParam(P);
+  const tp = timeParam(P, { v0: r.v0 || 0 });          // DAgger 起点带速度：时间律从 v0 起步（gen_dataset.cjs 写 v0）
   const traj = tp.traj, taus = tp.taus, N = traj.length - 1;
-  tasks.push({ tid, id: r.id, cat: r.cat, mode: r.mode, q0: r.q0, T: r.T, R: r.R, exec_s: N * POL.DT, travel: r.travel_deg, reached: r.reached, err: r.err, split });
+  tasks.push({ tid, id: r.id, cat: r.cat, mode: r.mode, q0: r.q0, qp0: r.qPrev || null, T: r.T, R: r.R, exec_s: N * POL.DT, travel: r.travel_deg, reached: r.reached, err: r.err, split });
   const vt = tp.cum;                                   // 顶点 τ
   const inter = P.slice(1, -1).map((p, i) => ({ p, tau: vt[i + 1] }));
   for (let t = 0; t <= N; t += 3) {
-    let q = traj[t].slice(), qPrev = (t > 0 ? traj[t - 1] : traj[0]).slice();
+    let q = traj[t].slice(), qPrev = (t > 0 ? traj[t - 1] : (r.qPrev || traj[0])).slice();
     let off = [0, 0, 0, 0, 0, 0], aug = false;
-    if (rnd() < 0.3) {
-      const qn = q.map((v, j) => { let x = v + gauss(); const t2 = L[O[j]]; if (!t2.cont) x = Math.max(t2.lo, Math.min(t2.hi, x)); return x; });
+    if (rnd() < AUG_P) {
+      const qn = q.map((v, j) => { let x = v + AUG_SIGMA * gauss(); const t2 = L[O[j]]; if (!t2.cont) x = Math.max(t2.lo, Math.min(t2.hi, x)); return x; });
       nAug++;
-      if (S.collideFree(qn) && S.clearance(qn, 5) > MIN_GAP_MM) { off = qn.map((v, j) => v - q[j]); q = qn; qPrev = qPrev.map((v, j) => v + off[j]); aug = true; }
-      else nAugRej++;
+      const o2 = qn.map((v, j) => v - q[j]);
+      const back = k => traj[Math.min(N, t + k)].map((v, j) => v + o2[j] * Math.max(0, 1 - k / AUG_BACK));
+      if (S.collideFree(qn) && S.clearance(qn, 5) > MIN_GAP_MM && [3, 6, 9, 12].every(k => k >= AUG_BACK || S.collideFree(back(k)))) {
+        off = o2; q = qn; qPrev = qPrev.map((v, j) => v + off[j]); aug = true;
+      } else nAugRej++;
     }
-    const pos = k => { const i = Math.min(N, t + k); const w = aug ? Math.max(0, 1 - k / 8) : 0; return traj[i].map((v, j) => v + off[j] * w); };
+    const pos = k => { const i = Math.min(N, t + k); const w = aug ? Math.max(0, 1 - k / AUG_BACK) : 0; return traj[i].map((v, j) => v + off[j] * w); };
     const y = new Float32Array(H * 6);
-    let prevP = q;
-    for (let k = 1; k <= H; k++) { const pk = pos(k); for (let j = 0; j < 6; j++) y[(k - 1) * 6 + j] = Math.max(-1, Math.min(1, (pk[j] - prevP[j]) / STEP[j])); prevP = pk; }
+    /* prevP = 按标签实际会走到的位置：被 ±1 截掉的亏空留在 prevP 与目标之差里，下一步接着补（2026-10-19，C2） */
+    let prevP = q.slice();
+    for (let k = 1; k <= H; k++) {
+      const pk = pos(k);
+      for (let j = 0; j < 6; j++) { const v = Math.max(-1, Math.min(1, (pk[j] - prevP[j]) / ASTEP[j])); y[(k - 1) * 6 + j] = v; prevP[j] += v * ASTEP[j]; }
+    }
     const rr = Math.floor(rnd() * 4), prefix = [];
-    for (let k = 0; k < rr; k++) { const row = []; for (let j = 0; j < 6; j++) row.push(y[k * 6 + j] * STEP[j]); prefix.push(row); }
+    for (let k = 0; k < rr; k++) { const row = []; for (let j = 0; j < 6; j++) row.push(y[k * 6 + j] * ASTEP[j]); prefix.push(row); }
     const remain = inter.filter(v => v.tau > taus[t] + 0.02);
     const sub = remain.length && rnd() < 0.8 ? remain[0].p : null;
     const gm = S.gapMatrix(q, POL.GAP_CAP);
@@ -74,7 +101,10 @@ writeNpy(path.join(OUTDIR, base + '.Y.npy'), cat(Y, H * 6), [n, H, 6]);
 writeNpy(path.join(OUTDIR, base + '.V.npy'), Float32Array.from(V), [n]);
 writeNpy(path.join(OUTDIR, base + '.SG.npy'), cat(SG, 13), [n, 13]);
 writeNpy(path.join(OUTDIR, base + '.TID.npy'), TID, [n], 'int32');
+/* meta 在 tasks.jsonl 之前写：tasks.jsonl 仍是「本 shard 打包完成」的标记 */
+fs.writeFileSync(path.join(OUTDIR, base + '.meta.json'), JSON.stringify({ data_ver: DATA_VER, act_scale: ACT_SCALE, aug_p: AUG_P, aug_sigma: AUG_SIGMA,
+  aug_back: AUG_BACK, min_gap_mm: MIN_GAP_MM, aug_carry: true, sig: SIG }));
 // 2026-10-18 断点续跑：tasks.jsonl 最后写、先写 .tmp 再改名 —— 它存在就代表这个 shard 的 5 个 npy 都已写完，run_prep.sh 据此跳过
 const tf = path.join(OUTDIR, base + '.tasks.jsonl');
 fs.writeFileSync(tf + '.tmp', tasks.map(t => JSON.stringify(t)).join('\n') + '\n'); fs.renameSync(tf + '.tmp', tf);
-console.log(JSON.stringify({ shard: base, tasks: tasks.length, samples: n, aug: nAug, augRejected: nAugRej, gapDrop: nGapDrop, featVer: POL.FEAT_VER }));
+console.log(JSON.stringify({ shard: base, tasks: tasks.length, samples: n, aug: nAug, augRejected: nAugRej, gapDrop: nGapDrop, featVer: POL.FEAT_VER, dataVer: DATA_VER, actScale: ACT_SCALE }));

ml/prep/run_prep.sh

@@ -2,6 +2,8 @@
 # 并行打包样本：bash ml/prep/run_prep.sh [进程数=CPU 核数]
 # 2026-10-18 断点续跑：samples/<shard>.tasks.jsonl 存在且比 shard 新 → 该 shard 已打包完，跳过；
 #   shard 已不存在的旧打包结果删掉（不让上一批数据混进来）。中断后重跑只补没打完的 shard。
+# 2026-10-19（审查 review_closedloop F11）：打包参数（数据版本、ACT_SCALE、AUG_P/AUG_SIGMA/AUG_BACK、MIN_GAP_MM）变了也要重打：
+#   build_dataset.cjs --sig 给出当前签名，已打包 shard 的 <shard>.meta.json 里 sig 不同（或没有 meta 的旧打包）→ 重新打包。
 set -e
 cd "$(dirname "$0")/../.."
 P=${1:-$(nproc)}
@@ -11,10 +13,13 @@ for t in $D/*.tasks.jsonl; do
   [ -e "$t" ] || continue; b=$(basename "$t" .tasks.jsonl)
   [ -f ml/data/$b.jsonl ] || { echo "[prep] 删除旧打包 $b（对应 shard 已不存在）"; rm -f $D/$b.*; }
 done
+SIG=$(node ml/prep/build_dataset.cjs --sig)
+echo "[prep] 打包签名 $SIG"
 todo=()
 for f in ml/data/shard_*.jsonl; do
   b=$(basename "$f" .jsonl)
-  if [ -f $D/$b.tasks.jsonl ] && [ $D/$b.tasks.jsonl -nt "$f" ]; then continue; fi
+  if [ -f $D/$b.tasks.jsonl ] && [ $D/$b.tasks.jsonl -nt "$f" ] && grep -qF "\"sig\":\"$SIG\"" $D/$b.meta.json 2>/dev/null; then continue; fi
+  rm -f $D/$b.tasks.jsonl                      # 先撤完成标记：重打中途断了不会被当成已完成
   todo+=("$f")
 done
 echo "[prep] 共 $(ls ml/data/shard_*.jsonl | wc -l) 个 shard，待打包 ${#todo[@]} 个"

ml/pstate.py

@@ -1,6 +1,6 @@
 """流水线状态与互斥锁（单一写者：所有对 ml/runs/pipeline.json / pipeline.lock 的写都经过本模块，原子替换）。
 pipeline.sh 自动调用，一般不需要手动运行：
-  python -m ml.pstate reset <阶段1,...> [--fresh]     # `all` 开始：保留 rc=0 的已完成阶段（续跑）；参数变了只作废受影响的阶段；--fresh 全部作废
+  python -m ml.pstate reset <阶段1,...> [--fresh]     # `all` 开始：保留 rc=0 的已完成阶段（续跑）；参数变了只作废受影响的阶段；--fresh 全部作废；--fresh-from=<阶段> 只作废该阶段及之后
   python -m ml.pstate todo                             # 打印计划中尚未完成的阶段（空格分隔）
   python -m ml.pstate begin <阶段> [键=值 ...]          # 阶段开始
   python -m ml.pstate set <阶段> 键=值 ...              # 阶段中途更新
@@ -13,7 +13,9 @@ pipeline.sh 自动调用，一般不需要手动运行：
     心跳超过 LOCK_STALE_S 未刷新视为陈旧（进程被强杀），可接管。
   - 续跑（缺口 1）：reset 默认保留已完成阶段；参数变了只作废受它影响的阶段（AFFECTS），其产物移到 ml/archive/，避免新旧参数混用。
   - 阶段表 STAGES 是估时 / 超时 / 网页进度权重的唯一来源（审查 N-14：网页权重与耗时表同源）。
-  - 停止也走本模块（审查 N-12：此前 monitor 直写 pipeline.json，与子进程竞态）。"""
+  - 停止也走本模块（审查 N-12：此前 monitor 直写 pipeline.json，与子进程竞态）。
+  - 累计用时（2026-10-18）：每个阶段跑过的时间并进顶部 time{阶段: 秒}，跨「停止 → 继续训练」累加，
+    网页的「总用时 / 本步用时」据此显示；产物被归档（要重做）的阶段清零，其余保留。"""
 import glob, json, os, shutil, socket, sys, time
 
 ROOT = os.path.dirname(os.path.dirname(os.path.abspath(__file__)))
@@ -24,24 +26,32 @@ LOCK_STALE_S = 300          # 心跳每 60 s 一次；5 分钟没刷新 = 持锁
 # 阶段顺序、名称、估时（小时，按 README §耗时表的共识分支上界；网页进度权重即此值）
 STAGES = [
     ('setup', '安装依赖', 0.2), ('kin', '对拍', 0.2), ('r4', '推理延迟', 0.2), ('gate1', '一致性门禁', 0.5),
-    ('gen', '生成老师轨迹', 5.0), ('prep', '打包样本', 0.5), ('train', '预训练', 3.0), ('m5', '头门禁', 0.5),
+    ('gen', '生成老师轨迹', 5.0), ('prep', '打包样本', 2.0), ('train', '预训练', 4.5), ('dagger', 'DAgger 纠偏', 3.5), ('m5', '头门禁', 0.5),
     ('apg', 'APG 微调', 4.0), ('mine', '挖错循环', 9.0), ('export', '导出', 0.1), ('bench', '部署评测', 1.0),
     ('accept', '验收汇总', 0.5)]
 ORDER = [s[0] for s in STAGES]
 EST_H = {s[0]: s[2] for s in STAGES}
 # m5 不过时流程内自动训 WTA 头（训练 3 h + 门禁），超时按分支后的总量给
 TIMEOUT_H = {k: max(1.0, 3 * v) for k, v in EST_H.items()}
-TIMEOUT_H['m5'] = 3 * (EST_H['train'] + 2 * EST_H['m5'])
+TIMEOUT_H['m5'] = 3 * (EST_H['train'] + EST_H['dagger'] + 2 * EST_H['m5'])
 # 参数 → 受它影响的阶段（这些阶段即使上次完成也要重跑，其产物先挪进 ml/archive/）。只改挖错轮数不会让 5 小时的生成作废。
 _from = lambda st: ORDER[ORDER.index(st):]
-AFFECTS = {**{k: _from('gen') for k in ('N_TASKS', 'NPROC', 'TARGET_SAMPLES', 'CONSENSUS', 'MIN_GAP_MM')},
-           'CFG': ['r4'] + _from('train'), **{k: _from('mine') for k in ('ROUNDS', 'APG_STEPS', 'MINE_N')}}
+AFFECTS = {**{k: _from('gen') for k in ('N_TASKS', 'NPROC', 'CONSENSUS', 'MIN_GAP_MM')},
+           # TARGET_SAMPLES 只决定"补量到多少"：不作废 gen 的已有分片（重跑 gen 会跳过写完的 shard、按差额补量），
+           # 但样本集会变，所以 prep 及之后作废。2026-10-18 实测：把它当"从 gen 作废"会让 5 小时的 5 万条分片白跑。
+           'TARGET_SAMPLES': ['gen'] + _from('prep'),
+           # 2026-10-19：打包参数（标签尺度、增广）变了 → prep 起作废；run_prep.sh 另按 meta.sig 只重打参数不符的 shard
+           **{k: _from('prep') for k in ('ACT_SCALE', 'AUG_P', 'AUG_SIGMA', 'AUG_BACK')},
+           'CFG': ['r4'] + _from('train'), **{k: _from('dagger') for k in ('DAG_ROUNDS', 'DAG_N', 'DAG_STEPS')},
+           **{k: _from('mine') for k in ('ROUNDS', 'APG_STEPS', 'MINE_N')}}
 PARAM_KEYS = list(AFFECTS)
 # 各阶段产物（相对仓库根，可含通配）；作废 / 从头重跑时整体移到 ml/archive/<时间>/，不删除
 PRODUCTS = {
     'r4': ['ml/runs/r4', 'ml/runs/r4.json'], 'gate1': ['ml/data/consistency.json'],
     'gen': ['ml/data/shard_*', 'ml/data/log_*', 'ml/data/stats.json'], 'prep': ['ml/data/samples', 'ml/data/r2.json'],
-    'train': ['ml/runs/base', 'ml/runs/wta', 'ml/runs/small', 'ml/runs/bench_*'],
+    'train': ['ml/runs/base', 'ml/runs/wta', 'ml/runs/small', 'ml/runs/bench_*', 'ml/runs/replay_teacher.json',
+              'ml/runs/review_*'],   # 评审快照包（_review_pack.py 从 base 打的，内含 log.jsonl 会被监控页当成一条"预训练"运行）；重做 train 时一并归档
+    'dagger': ['ml/runs/*_dag[0-9]*', 'ml/runs/*_dagger.ckpt', 'ml/data/dag_*', 'ml/data/samples_dag_*'],
     'm5': ['ml/runs/m5_*', 'ml/runs/selected_ckpt'], 'apg': ['ml/runs/apg', 'ml/runs/current.pt'],
     'mine': ['ml/runs/mine', 'ml/runs/apg_r*', 'ml/data/e2', 'ml/data/samples_e2'],
     'export': ['webapp/models/traj_policy.onnx', 'webapp/models/traj_policy.meta.json'],
@@ -66,7 +76,7 @@ def load():
     try:
         with open(P, encoding='utf-8') as f: return json.load(f)
     except Exception:
-        return {'started': time.time(), 'plan': None, 'stages': {}, 'current': None, 'params': {}}
+        return {'started': time.time(), 'plan': None, 'stages': {}, 'current': None, 'params': {}, 'time': {}}
 
 
 def save(d):
@@ -143,11 +153,21 @@ def todo(d=None):
     return [s for s in (d.get('plan') or []) if (d['stages'].get(s) or {}).get('rc') != 0]
 
 
+def _acc_time(d, st, now):
+    """把"这一段"的用时并进累计 time{阶段: 秒}。幂等：stage.end 已写就不再加，停止（mark_stopped）
+    与流水线的 end 都会调，重复调用不会双记。"""
+    s = d['stages'].get(st)
+    if s and s.get('start') and s.get('end') is None:
+        t = d.setdefault('time', {})
+        t[st] = round(t.get(st, 0) + max(0.0, now - s['start']), 1)
+
+
 def mark_stopped(rc=-15):
-    """网页「停止」后调用：当前阶段记为被停止，释放锁。"""
-    d = load(); st = d.get('current')
+    """网页「停止」后调用：当前阶段记为被停止、这段用时并进累计，释放锁。"""
+    d = load(); st = d.get('current'); now = time.time()
     if st and st in d['stages'] and d['stages'][st].get('end') is None:
-        d['stages'][st].update(end=time.time(), rc=rc)
+        _acc_time(d, st, now)
+        d['stages'][st].update(end=now, rc=rc)
     d['current'] = None
     save(d); lock_release()
 
@@ -179,22 +199,34 @@ def main():
     if cmd == 'reset':
         plan = rest[0].split(',') if rest and rest[0] else []
         pn = params_now(); prev = d.get('params') or {}
+        changed = [k for k in PARAM_KEYS if prev and prev.get(k) != pn[k]]
+        ff = next((r.split('=', 1)[1] for r in rest if r.startswith('--fresh-from=')), '')
         if '--fresh' in rest: bad = set(ORDER)
         else:
-            changed = [k for k in PARAM_KEYS if prev and prev.get(k) != pn[k]]
             bad = {st for k in changed for st in AFFECTS[k]}
+            if ff in ORDER: bad |= set(ORDER[ORDER.index(ff):])
             if changed: print('参数与上次不同：' + json.dumps({k: (prev.get(k), pn[k]) for k in changed}, ensure_ascii=False)
                               + '；受影响的阶段重跑：' + ' '.join(st for st in ORDER if st in bad), file=sys.stderr)
         keep = {k: v for k, v in d.get('stages', {}).items() if v.get('rc') == 0 and k not in bad}
-        # 受影响 / 未完成的阶段：旧产物挪走，免得续训、跳过 shard 时把旧参数的东西接上
-        arc = archive([st for st in ORDER if st in bad]) if bad else None
+        # 受影响 / 未完成的阶段：旧产物挪走，免得续训、跳过 shard 时把旧参数的东西接上。
+        # 例外：只改了目标样本量时，gen 要重跑补量，但已有分片必须留着（run_parallel 跳过写完的 shard、
+        # 按差额补量），否则 5 小时的生成白跑。
+        no_archive = {'gen'} if 'TARGET_SAMPLES' in changed else set()
+        arch = [st for st in ORDER if st in bad and st not in no_archive]
+        arc = archive(arch) if arch else None
         if arc: print(f'旧产物已移到 {arc}/（未删除）', file=sys.stderr)
-        d = {'started': now, 'plan': plan, 'stages': keep, 'current': None, 'params': pn}
+        # 累计用时跨续跑保留；只有产物被挪走的阶段（要从头重做）才清零
+        tm = {k: v for k, v in (d.get('time') or {}).items() if k not in arch}
+        d = {'started': now, 'plan': plan, 'stages': keep, 'current': None, 'params': pn, 'time': tm}
         done = [s for s in plan if s in keep]
         if done: print('跳过已完成的 %d 个阶段：%s' % (len(done), ' '.join(done)), file=sys.stderr)
         save(d); return
     elif cmd == 'begin':
         st = rest[0]
+        prev = d['stages'].get(st) or {}
+        # 老记录（本次改动之前完成的）没有累计字段：用上一次的整段补上，免得续跑时用时从 0 起
+        if prev.get('start') and prev.get('end') and st not in (d.get('time') or {}):
+            d.setdefault('time', {})[st] = round(prev['end'] - prev['start'], 1)
         d['stages'][st] = {'start': now, 'end': None, 'rc': None, 'info': kv(rest[1:]), 'timeout_h': TIMEOUT_H.get(st)}
         d['current'] = st
     elif cmd == 'set':
@@ -203,6 +235,7 @@ def main():
     elif cmd == 'end':
         st, rc = rest[0], int(rest[1]) if len(rest) > 1 else 0
         s = d['stages'].setdefault(st, {'start': now, 'info': {}})
+        _acc_time(d, st, now)
         s['end'], s['rc'] = now, rc
         if d.get('current') == st: d['current'] = None
     else:

ml/selftest.sh

@@ -13,7 +13,8 @@ cd "$(dirname "$0")/.."
 SRC=$(pwd); PY=${PYTHON:-python}; export PYTHONUTF8=1
 D=${SELFTEST_DIR:-$(dirname "$SRC")/$(basename "$SRC")_selftest}
 rm -rf "$D"; mkdir -p "$D"
-git ls-files -z | tar --null -T - -cf - | (cd "$D" && tar xf -)
+# 第八轮：连同未跟踪的新文件一起复制（本机实测：新加 vram.py 未 add 时三项假失败）
+git ls-files -z -co --exclude-standard | tar --null -T - -cf - | (cd "$D" && tar xf -)
 [ -d ml/node_modules ] && cp -r ml/node_modules "$D/ml/node_modules"
 cd "$D"; mkdir -p ml/runs ml/data
 R=ml/runs/selftest_items.jsonl; : > $R

ml/sim/closed_loop.py

@@ -1,19 +1,23 @@
 """闭环仿真（验证 / 挖错 / 门禁共用，PyTorch 批量，无梯度）——按部署节奏运行：
 50 Hz 执行；队列 ≤ 3 步时推理一次（已提交前缀 r = 队列长度），提交接下来 3 步；
-冷启动用价值头对候选末态打分（短前瞻），之后按与上一计划的一致性选候选；
-接近目标 < 5 mm 时用局部 DLS 精修；子目标头在新目标时给出途经点（到达 < 5° 或 1.5 s 超时后切下一个）。
+冷启动用价值头对候选末态打分（短前瞻），之后按与上一条**真正提交**的计划的一致性选候选；
+接近目标 < 5 mm 时用局部 DLS 精修；子目标头在新目标时给出途经点，按「越过顶点」规则切下一个（与标签同口径，见 sub_advance）。
 safety=False 时不做任何碰撞拦截（暴露真实错误，挖错用）；safety=True 时近似部署安全层（候选提交步有干涉则换下一条，全不过则停一步）。
+动作反归一化：inc = clamp(act, −1, 1) · act_scale · STEP；act_scale 来自 checkpoint（旧模型缺省 1.0，见 ml/common/ckpt.load_policy）。
+碰撞与到达只在每题自己的时限内计（短题与长题同批时不把超时后的部分算进去）。
   python -m ml.sim.closed_loop --ckpt ml/runs/base/best.pt --samples ml/data/samples --split val --n 1000 [--safety]"""
 import argparse, json, math, os
 import torch
 
 from ml.common.kin_torch import Kin
-from ml.common.features import features, STEP, H, GAP_CAP, D2R, wrap180
+from ml.common.features import features, STEP, VMAX, H, GAP_CAP, D2R, wrap180
 
 DT = 0.02
 
 
 FIRST_DEG = 5.0   # R7 首次方向判定阈值（度）：小于它的抖动不算选边
+SUB_LEAD_S = 0.02  # 子目标「越过顶点」提前量（s）：标签在老师 τ > τ_顶点 − 0.02 时就换到下一个顶点（build_dataset.cjs remain 过滤）
+SUB_REACH_DEG, SUB_TIMEOUT_S = 5.0, 1.5   # 旧规则（sub_rule='timeout'）：到达 < 5° 或 1.5 s 超时
 
 def tasks_to_tensors(tasks, device):
     q0 = torch.tensor([t['q0'] for t in tasks], dtype=torch.float32, device=device)
@@ -28,6 +32,12 @@ def tasks_to_tensors(tasks, device):
 NOREF_SEC = 6.0      # 无老师参考题的定长时限（s）
 
 
+def time_limit(ex, max_sec=None):
+    """每题时限（s）：有老师 = 老师时长 × 2（至少 3 s）；无老师 = NOREF_SEC；max_sec 覆盖全部。"""
+    if max_sec is not None: return torch.full_like(ex, max_sec)
+    return torch.where(torch.isfinite(ex), torch.clamp(2 * ex, min=3.0), torch.full_like(ex, NOREF_SEC))
+
+
 def goal_err(kin, q, T, R):
     xf = kin.cum_xf(q)
     p = kin.fk(q, xf); Rq = kin.orient(q, xf).reshape(-1, 9)
@@ -64,53 +74,139 @@ def dls_steps(kin, q, T, R, n=3, scale=0.3, lam=0.5):
     return torch.stack(out, 1)
 
 
+def jdiff(kin, a, b):
+    """a − b（度），连续轴取最短弧。"""
+    d = a - b
+    return torch.where(kin.cont, wrap180(d), d)
+
+
+def sub_advance(kin, subs, nsub, sub_prev, sub_t, qe, tnow, rule='cross'):
+    """子目标推进（每次规划前调用，每次最多推进一个）。subs [B,M,6] 待走途经点（绝对角），nsub [B] 剩余个数，
+    sub_prev [B,6] 上一个已越过的点（冷启动时 = 起点），sub_t [B] 当前子目标开始时刻。返回 (subs, nsub, sub_prev, sub_t)。
+    rule='cross'（默认）：qe 沿拐角平分面法向越过当前顶点（提前 SUB_LEAD_S 秒）即切到下一个。
+      2026-10-19（审查 review_data_actions C5 / review_model_train P0-1）：标签里 sub = 老师「下一个尚未经过的顶点」，
+      老师 τ 一过顶点（−0.02 s）立刻换；旧规则要等最大关节差 < 5° 或 1.5 s 超时，策略在顶点附近 5–10° 进不去时
+      sub 一直指着身后的点，这种「sub 已在身后」的特征序列训练里从未出现。运行时没有老师 τ，用几何等价物：
+      进入方向 a = 顶点 − 上一点、离开方向 b = 下一顶点 − 顶点（最后一个顶点取 a），各轴按 VMAX 折成秒（与 τ 同量纲），
+      法向 n = â + b̂；(qe − 顶点)·n̂ ≥ −SUB_LEAD_S 判为越过。没有超时（标签也没有）。
+    rule='timeout'：旧部署口径，到达 < 5° 或 1.5 s 超时（诊断对照用）。
+    ik-policy.js Runner（subRule）与 apg_finetune.py 用同一规则，三处同步改。"""
+    has = nsub > 0
+    if not bool(has.any()): return subs, nsub, sub_prev, sub_t
+    cur = subs[:, 0]
+    if rule == 'timeout':
+        dd = jdiff(kin, cur, qe).abs().max(-1).values
+        adv = has & ((dd < SUB_REACH_DEG) | (tnow - sub_t > SUB_TIMEOUT_S))
+    elif rule == 'cross':
+        vmax = torch.tensor(VMAX, device=qe.device, dtype=qe.dtype)
+        un = lambda v: v / v.norm(dim=-1, keepdim=True).clamp(min=1e-9)
+        a = jdiff(kin, cur, sub_prev) / vmax
+        nxt = subs[:, 1] if subs.shape[1] > 1 else cur
+        b = torch.where((nsub > 1)[:, None], jdiff(kin, nxt, cur) / vmax, a)
+        n = un(un(a) + un(b))
+        proj = (jdiff(kin, qe, cur) / vmax * n).sum(-1)
+        adv = has & (proj >= -SUB_LEAD_S)
+    else:
+        raise ValueError('sub_rule: ' + str(rule))
+    subs = torch.where(adv[:, None, None], torch.cat([subs[:, 1:], subs[:, -1:]], 1), subs)
+    sub_prev = torch.where(adv[:, None], cur, sub_prev)
+    nsub = torch.where(adv, nsub - 1, nsub); sub_t = torch.where(adv, torch.full_like(sub_t, tnow), sub_t)
+    return subs, nsub, sub_prev, sub_t
+
+
+class TeacherOracle:
+    """老师当策略（2026-10-19，审查 review_closedloop D1 / review_data_actions §4.1）：
+    规划时从当前时间下标 it 取老师 50 Hz 轨迹的 16 步增量，按与 build_dataset.cjs 相同的标签口径
+    act = clamp(Δ / (act_scale·STEP), −1, 1) 交给 rollout()，其余（队列、前缀、提交、qe、DLS、done、碰撞、时限）一行不改。
+    traj [B,Tmax,6]：每题老师轨迹，末帧重复补齐（按 id 从 ml/data/shard_*.jsonl 取）。
+    sigma > 0：每次规划给 act 加 N(0, σ²)（σ 以 STEP 为单位，各候选独立），测闭环对残差噪声的敏感度。
+    跟随时第 it 步的 q 应等于 traj[:, it]（DLS 接管或到达冻结之后除外）。"""
+    head = 'oracle'
+
+    def __init__(self, traj, act_scale=1.0, sigma=0.0):
+        self.traj, self.act_scale, self.sigma = traj, float(act_scale), float(sigma)
+
+    def plan(self, it, K, g):
+        B, Tm, _ = self.traj.shape
+        dev = self.traj.device
+        idx = (it + torch.arange(H + 1, device=dev)).clamp(max=Tm - 1)
+        seg = self.traj[:, idx]
+        astep = torch.tensor(STEP, device=dev) * self.act_scale
+        act = ((seg[:, 1:] - seg[:, :-1]) / astep).clamp(-1, 1)
+        act = act[:, None].expand(B, K, H, 6).contiguous()
+        if self.sigma > 0:
+            act = act + torch.randn(B, K, H, 6, device=dev, generator=g) * (self.sigma / self.act_scale)
+        return act
+
+
 @torch.no_grad()
-def rollout(model, kin, tasks, device, K=8, safety=False, seed=0, max_sec=None, return_traj=False):
+def rollout(model, kin, tasks, device, K=8, safety=False, seed=0, max_sec=None, return_traj=False, use_sub=True, sub_override=None,
+            qp0=None, steps=1, z_scale=1.0, select='consist', oracle=None, replan='r3', sub_rule='cross'):
+    """use_sub=False：不用子目标（sf=0）；sub_override=(subs [B,M,6] 绝对关节角, n [B] 个数 或 need [B] bool)：冷启动时用给定途经点代替子目标头；
+    qp0 [B,6]：起点的上一帧（默认 = q0，即静止起步）。steps：MeanFlow 采样段数；z_scale：噪声缩放；
+    select：consist（部署口径：冷启动价值前瞻、之后与上一条已提交计划的一致性）/ value（每次都价值前瞻）/ first（不选，取第 0 条）。
+    oracle：TeacherOracle，代替 model 出动作（model 可为 None，须配 select='first'、use_sub=False）。
+    replan：'r3'（部署：队列 ≤ 3 步就规划，稳态 r=3）/ 'empty'（队列空了才规划，每次 r=0，前缀消融用）。
+    sub_rule：子目标推进规则，见 sub_advance。除默认值外均为诊断用。"""
     g = torch.Generator(device=device); g.manual_seed(seed)
     q0, T, R, ex, tr = tasks_to_tensors(tasks, device)
     B = q0.shape[0]
     step = torch.tensor(STEP, device=device)
+    act_scale = oracle.act_scale if oracle is not None else float(getattr(model, 'act_scale', 1.0))
+    astep = step * act_scale                         # 动作反归一化：每单位 act 对应的度数
     has_ref = torch.isfinite(ex)
-    limit = torch.where(has_ref, torch.clamp(2 * ex, min=3.0), torch.full_like(ex, NOREF_SEC)) if max_sec is None else torch.full_like(ex, max_sec)
+    limit = time_limit(ex, max_sec)
     nmax = int(math.ceil(limit.max().item() / DT))
-    q, qp = q0.clone(), q0.clone()
+    q, qp = q0.clone(), (qp0.to(device) if qp0 is not None else q0.clone())
     queue = torch.zeros(B, 0, 6, device=device)
-    last = None
-    subs = torch.zeros(B, 2, 6, device=device); nsub = torch.zeros(B, dtype=torch.long, device=device); sub_t = torch.zeros(B, device=device)
+    last = None; last_ok = torch.zeros(B, dtype=torch.bool, device=device)
+    subs = torch.zeros(B, 2, 6, device=device); nsub = torch.zeros(B, dtype=torch.long, device=device)
+    sub_t = torch.zeros(B, device=device); sub_prev = q0.clone()
     done = torch.zeros(B, dtype=torch.bool, device=device); t_done = torch.full((B,), float('nan'), device=device)
     col = torch.zeros(B, device=device); travel = torch.zeros(B, device=device); brakes = torch.zeros(B, device=device)
+    first_hit = torch.full((B,), float('nan'), device=device); dls_it = torch.full((B,), -1, dtype=torch.long, device=device)
     traj = [q.clone()] if return_traj else None
     n_start = int(round(0.5 / DT)); moved_start = None          # R2 起步失败：0.5 s 内关节总行程 < 1°
+    k2s = int(round(2.0 / DT)); e2 = None
+    e0, _ = goal_err(kin, q0, T, R)
     j1_acc = torch.zeros(B, device=device); j1_max = torch.zeros(B, device=device); j1_min = torch.zeros(B, device=device)
     j1_first = torch.zeros(B, device=device)   # 2026-10-18 第五轮（审查 N-3）：J1 累计偏离首次超过 FIRST_DEG 时的方向（真正的"首次方向"）
     cold = True
+    ar = torch.arange(B, device=device)
     for it in range(nmax):
         tnow = it * DT
-        if queue.shape[1] <= 3:
+        if (queue.shape[1] <= 3) if replan == 'r3' else (queue.shape[1] == 0):
             r = queue.shape[1]
             pre = torch.zeros(B, 3, 6, device=device); pre[:, :r] = queue[:, :r]
             qe = q + queue.sum(1)
             e, oe = goal_err(kin, qe, T, R)
             near = (e < 5) & ((R.abs().sum(-1) == 0) | (oe < 5))
-            # 子目标推进
-            if (nsub > 0).any():
-                cur = subs[:, 0]
-                dd = torch.where(kin.cont, wrap180(cur - qe), cur - qe).abs().max(-1).values
-                adv = (nsub > 0) & ((dd < 5) | (tnow - sub_t > 1.5))
-                subs = torch.where(adv[:, None, None], torch.cat([subs[:, 1:], subs[:, 1:]], 1), subs)
-                nsub = torch.where(adv, nsub - 1, nsub); sub_t = torch.where(adv, torch.full_like(sub_t, tnow), sub_t)
+            subs, nsub, sub_prev, sub_t = sub_advance(kin, subs, nsub, sub_prev, sub_t, qe, tnow, sub_rule)
             sf = (nsub > 0).float()
             feat = features(kin, q, qp, T, R, pre, torch.full((B,), r, device=device), subs[:, 0], sf)
-            z = torch.randn(B * K, H, 6, device=device, generator=g)
-            act, val, sub = model.sample_k(feat, K, z)
-            inc = act.clamp(-1, 1) * step
+            if oracle is not None:
+                act = oracle.plan(it, K, g); sub = torch.zeros(B, 13, device=device)
+            else:
+                z = torch.randn(B * K, H, 6, device=device, generator=g) * z_scale
+                act, val, sub = model.sample_k(feat, K, z, steps=steps)
+            inc = act.float().clamp(-1, 1) * astep
             if cold:
-                sub0 = sub
-                need = sub0[:, 12] > 0.5
-                subs = q[:, None] + sub0[:, :12].view(B, 2, 6) * 180
-                nsub = torch.where(need, torch.full_like(nsub, 2), torch.zeros_like(nsub)); sub_t.fill_(tnow)
+                need = sub[:, 12] > 0.5
+                subs = q[:, None] + sub[:, :12].float().view(B, 2, 6) * 180
+                if sub_override is not None:
+                    subs = sub_override[0].to(device).float()
+                    n_ov = sub_override[1].to(device)
+                    nsub_ov = n_ov.long() if n_ov.dtype != torch.bool else n_ov.long() * subs.shape[1]
+                    need = nsub_ov > 0
+                    nsub = nsub_ov
+                else:
+                    nsub = torch.where(need, torch.full_like(nsub, 2), torch.zeros_like(nsub))
+                if not use_sub: nsub = torch.zeros_like(nsub)
+                sub_t.fill_(tnow); sub_prev = q.clone()
             fut = qe[:, None, None] + torch.cumsum(inc[:, :, r:], 2)          # [B,K,H-r,6]
-            if last is None:
+            if select == 'first':
+                score = torch.zeros(B, K, device=device); score[:, 0] = 1
+            elif cold or select == 'value':
                 # 短前瞻：候选末态的价值
                 qa = fut[:, :, -1].reshape(B * K, 6); qb = fut[:, :, -2].reshape(B * K, 6)
                 f2 = features(kin, qa, qb, T.repeat_interleave(K, 0), R.repeat_interleave(K, 0), torch.zeros(B * K, 3, 6, device=device),
@@ -118,30 +214,39 @@ def rollout(model, kin, tasks, device, K=8, safety=False, seed=0, max_sec=None,
                 v2, _ = model.heads(model.encode(f2))
                 score = -v2.view(B, K)
             else:
-                n = min(fut.shape[2], last.shape[1] - 3)
+                # 2026-10-19 修错位：last[i] = 上一计划从 qe_old 走 i 步后的位置；提交 3 步后 qe_new = last[3]，
+                # 新候选 fut[0] 是 qe_new 再走 1 步 = 对应 last[4]。JS 部署（ik-policy.js）同一处同样修正。
+                n = min(fut.shape[2], last.shape[1] - 4)
                 w = 0.85 ** torch.arange(n, device=device, dtype=torch.float32)
-                d2 = (((fut[:, :, :n] - last[:, None, 3:3 + n]) / step) ** 2).sum(-1)
-                score = -(d2 * w).sum(-1)
-            order = score.argsort(-1, descending=True)
+                d2 = (((fut[:, :, :n] - last[:, None, 4:4 + n]) / step) ** 2).sum(-1)
+                # 2026-10-19（审查 review_closedloop F5）：上一次是刹停或 DLS 接管的行没有「已提交计划」，
+                # 与 JS（lastPlan = null → 一致性项缺席、各候选同分 → 取第 0 条）一致：同分，稳定排序取第 0 条
+                score = torch.where(last_ok[:, None], -(d2 * w).sum(-1), torch.zeros_like(d2[..., 0]))
+            order = torch.sort(score, dim=-1, descending=True, stable=True).indices
             pick = order[:, 0]
-            commit = inc[torch.arange(B), pick, r:r + 3]
+            commit = inc[ar, pick, r:r + 3]
+            committed = torch.ones(B, dtype=torch.bool, device=device)
             if safety:
                 ok_any = torch.zeros(B, dtype=torch.bool, device=device)
-                chosen = torch.zeros(B, 3, 6, device=device)
+                chosen = torch.zeros(B, 3, 6, device=device); chosen_k = pick.clone()
                 for kk in range(K):
-                    ck = inc[torch.arange(B), order[:, kk], r:r + 3]
+                    ck = inc[ar, order[:, kk], r:r + 3]
                     pts = qe[:, None] + torch.cumsum(ck, 1)
                     mids = torch.cat([qe[:, None], pts[:, :-1]], 1) + 0.5 * ck
                     allq = torch.cat([pts, mids], 1).reshape(-1, 6)
                     okk = (kin.gaps(allq, 0.5)['gm'].min(-1).values > 0).view(B, 6).all(-1)
                     take = okk & ~ok_any
-                    chosen = torch.where(take[:, None, None], ck, chosen); ok_any |= okk
+                    chosen = torch.where(take[:, None, None], ck, chosen); chosen_k = torch.where(take, order[:, kk], chosen_k); ok_any |= okk
                 commit = torch.where(ok_any[:, None, None], chosen, torch.zeros_like(chosen))
                 brakes += (~ok_any).float()
+                pick = chosen_k; committed = ok_any
             if near.any():
                 ref = dls_steps(kin, qe, T, R)
                 commit = torch.where(near[:, None, None], ref, commit)
-            last = torch.cat([qe[:, None], fut[torch.arange(B), pick]], 1)
+                dls_it = torch.where(near & (dls_it < 0), torch.full_like(dls_it, it), dls_it)
+                committed = committed & ~near
+            # 2026-10-19（F5）：last 记真正提交的那条候选（安全层换了候选时是换后的那条）；刹停 / DLS 接管的行无效
+            last = torch.cat([qe[:, None], fut[ar, pick]], 1); last_ok = committed
             queue = torch.cat([queue, commit], 1)
             cold = False
         d = queue[:, 0]; queue = queue[:, 1:]
@@ -154,15 +259,21 @@ def rollout(model, kin, tasks, device, K=8, safety=False, seed=0, max_sec=None,
         if return_traj: traj.append(q.clone())
         mid = qp + 0.5 * (q - qp)
         gm = kin.gaps(torch.cat([q, mid], 0), 0.5)['gm'].min(-1).values
-        hit = ((gm[:B] <= 0) | (gm[B:] <= 0)) & ~done
+        tn = (it + 1) * DT
+        # 2026-10-19（审查 review_closedloop F4）：只计每题自己时限内的碰撞（同批长题会把短题多仿真几秒）
+        hit = ((gm[:B] <= 0) | (gm[B:] <= 0)) & ~done & (tn <= limit + 1e-6)
         col += hit.float()
+        first_hit = torch.where(hit & torch.isnan(first_hit), torch.full_like(first_hit, tn), first_hit)
         e, oe = goal_err(kin, q, T, R)
+        if it + 1 == k2s: e2 = e.clone()
         newly = (~done) & (e < 1) & (oe < 0.5)
-        t_done = torch.where(newly, torch.full_like(t_done, (it + 1) * DT), t_done); done |= newly
+        t_done = torch.where(newly, torch.full_like(t_done, tn), t_done); done |= newly
         if done.all(): break
-    ok = done & (t_done <= limit)
+    ok = done & (t_done <= limit + 1e-6)
     if moved_start is None: moved_start = travel.clone()
     e_end, _ = goal_err(kin, q, T, R)
+    if e2 is None: e2 = e_end
+    ratio2 = e2 / e0.clamp(min=1e-3)
     start_fail = (moved_start < 1.0) & ~(done & (t_done <= 0.5))
     okr = ok & has_ref & torch.isfinite(tr)
     res = {'n': B, 'n_ref': int(has_ref.sum()), 'success': ok.float().mean().item(),
@@ -170,20 +281,22 @@ def rollout(model, kin, tasks, device, K=8, safety=False, seed=0, max_sec=None,
            'collision_rate': (col > 0).float().mean().item(), 'collision_steps_mean': col.mean().item(),
            'travel_ratio_median': (travel[okr] / tr[okr].clamp(min=1)).median().item() if okr.any() else None,
            'time_mean_s': t_done[ok].mean().item() if ok.any() else None, 'brakes_mean': brakes.mean().item(),
-           'start_fail': start_fail.float().mean().item(),
+           'start_fail': start_fail.float().mean().item(), 'goal_ratio_2s': ratio2.median().item(),
            'time_budget': 'teacher×2(≥3 s)' if bool(has_ref.all()) else ('fixed %.0f s' % (max_sec or NOREF_SEC) if not has_ref.any() else 'mixed')}
     # 绕行侧：J1 累计位移的正向/负向极值哪个更大（+1 / −1），供 R7 左右比例门禁
     # 首次方向；全程没偏离到 FIRST_DEG 的（基本不绕 J1）退回净方向
     side = torch.where(j1_first != 0, j1_first, torch.where(j1_max >= -j1_min, torch.ones_like(j1_max), -torch.ones_like(j1_max)))
-    per = {'done': done.cpu(), 't_done': t_done.cpu(), 'col': col.cpu(), 'travel': travel.cpu(), 'err': e_end.cpu(),
-           'side': side.cpu(), 'start_fail': start_fail.cpu(), 'brakes': brakes.cpu()}
+    per = {'done': done.cpu(), 'ok': ok.cpu(), 't_done': t_done.cpu(), 'limit': limit.cpu(), 'col': col.cpu(), 'travel': travel.cpu(), 'err': e_end.cpu(),
+           'side': side.cpu(), 'start_fail': start_fail.cpu(), 'brakes': brakes.cpu(), 'first_hit': first_hit.cpu(), 'dls_it': dls_it.cpu(),
+           'goal_ratio_2s': ratio2.cpu()}
     if return_traj: per['traj'] = torch.stack(traj, 1).cpu()
     return res, per
 
 
 def evaluate(model, kin, tasks, device, K=8, safety=False, bs=256, seed=0):
     if not tasks:     # 小样本摸底时 val 可能为空
-        return {'n': 0, 'success': float('nan'), 'collision_rate': float('nan'), 'start_fail': float('nan'), 'brakes_mean': float('nan')}, []
+        return {'n': 0, 'success': float('nan'), 'collision_rate': float('nan'), 'start_fail': float('nan'), 'brakes_mean': float('nan'),
+                'goal_ratio_2s': float('nan')}, []
     agg, pers = {}, []
     for i in range(0, len(tasks), bs):
         r, p = rollout(model, kin, tasks[i:i + bs], device, K=K, safety=safety, seed=seed + i)
@@ -194,12 +307,14 @@ def evaluate(model, kin, tasks, device, K=8, safety=False, bs=256, seed=0):
     n = sum(r['n'] for r, _ in pers)
     out = {k: v / n for k, v in agg.items()}; out['n'] = n
     out['n_ref'] = sum(r['n_ref'] for r, _ in pers)
+    # 中位数不能按批加权平均：全体任务重算（2026-10-19，选模分数用它）
+    out['goal_ratio_2s'] = torch.cat([p['goal_ratio_2s'] for _, p in pers]).median().item()
     out['time_budget'] = pers[0][0]['time_budget'] if len({r['time_budget'] for r, _ in pers}) == 1 else 'mixed'
     return out, pers
 
 
 def main():
-    from ml.model.policy import build
+    from ml.common.ckpt import load_policy
     from ml.data import load_tasks
     ap = argparse.ArgumentParser()
     ap.add_argument('--ckpt', required=True); ap.add_argument('--samples', default='ml/data/samples')
@@ -208,8 +323,7 @@ def main():
     ap.add_argument('--safety', action='store_true'); ap.add_argument('--K', type=int, default=8)
     ap.add_argument('--device', default='cuda' if torch.cuda.is_available() else 'cpu'); ap.add_argument('--out', default=None)
     a = ap.parse_args()
-    ck = torch.load(a.ckpt, map_location=a.device)
-    model = build(ck['cfg']).to(a.device); model.load_state_dict(ck['model']); model.eval()
+    model, ck = load_policy(a.ckpt, a.device)
     kin = Kin(device=a.device)
     assert ck.get('fp') in (None, kin.fp), '碰撞模型指纹与 checkpoint 不符'
     if a.tasks: tasks = [json.loads(l) for l in open(a.tasks, encoding='utf-8') if l.strip()]
@@ -217,8 +331,8 @@ def main():
     tasks = tasks[:a.n]
     res, pers = evaluate(model, kin, tasks, a.device, K=a.K, safety=a.safety)
     by = {}
-    flat_done = torch.cat([p['done'] for _, p in pers]); flat_col = torch.cat([p['col'] for _, p in pers])
-    for t, d, c in zip(tasks, flat_done.tolist(), flat_col.tolist()):
+    flat_ok = torch.cat([p['ok'] for _, p in pers]); flat_col = torch.cat([p['col'] for _, p in pers])
+    for t, d, c in zip(tasks, flat_ok.tolist(), flat_col.tolist()):
         k = t.get('cat', '?') + '/' + t.get('mode', '?'); b = by.setdefault(k, [0, 0, 0]); b[0] += 1; b[1] += int(d); b[2] += int(c > 0)
     res['by_cat_mode'] = {k: {'n': v[0], 'success': v[1] / v[0], 'collision': v[2] / v[0]} for k, v in by.items()}
     s = json.dumps(res, indent=1); print(s)

ml/train.py

@@ -1,9 +1,27 @@
 """预训练（方案 §6）：MeanFlow 一步头 + FK 损失 + 平滑 + 价值头 + 子目标头。
   python -m ml.train --samples ml/data/samples --out ml/runs/base [--config ml/configs/base.json]
   吞吐摸底：python -m ml.train --samples ml/data/samples --out ml/runs/bench_base --steps 2000 --no-eval
-  通过线（方案 R10）：全程 60000 步 ≤ 3.5 h，即 samples_per_s ≥ 5000（3090 实测 6.2 k/s ≈ 2.8 h）；日志 eta_h 为剩余小时数。
-每 eval_every 步做一次闭环验证（ml/sim/closed_loop.py，部署节奏），按 success 存 best.pt；连续 patience_evals 次不升即停。"""
-import argparse, json, math, os, sys, time
+  通过线（方案 R10）：samples_per_s ≥ 5000；日志 eta_h 为剩余小时数。
+每 eval_every 步用 EMA 权重做一次闭环验证（ml/sim/closed_loop.py，部署节奏），按选模分数存 best.pt；min_step 之后连续 patience_evals 次不升即停。
+2026-10-18 首次正式预训练（21850 步，闭环到达 0–0.2%、穿柱 77–97%）后改：
+  - FK / 平滑损失不再加在 one_step(随机噪声) 上（那样等于对任意噪声回归同一个 Y → 条件均值，多峰头塌成单峰），
+    改加在 MF 分支里 r==t 且 t ≤ fk_tmax 的样本的配对去噪估计 x̂ = z − t·u 上（见 ml/model/meanflow.py）；
+  - p_neq 前 p_neq_warm 步为 0（纯 flow matching 先把瞬时速度场学稳，再开 r≠t 的自举目标）；
+  - 每次评估加开环指标（val 样本上一步采样的 16 步末端 FK 误差 mm、K 个候选的多样性），
+    塌缩或学偏当场可见。
+2026-10-19（审查 review_model_train P0-2/P0-3、review_data_actions C3）：
+  - EMA（train.ema，默认 0.999，前期按 (1+s)/(10+s) 放宽）：评估、best/last 里的 'ema' 都是 EMA 权重；下游一律经 ckpt.load_policy 取 ck.get('ema', ck['model'])；
+  - 选模：p_neq 预热期内及预热后第一次评估之前不存 best.pt（那时一步映射 u(z,0,1) 还没训过）；
+    分数 = success + 0.05·(1 − collision_rate) + 0.05·(1 − min(1, goal_ratio_2s)) − 1e-4·min(ol_best_mm, 500)，success 全 0 时闭环指标仍能排序；
+    早停只在 min_step = max(预热 + 2·eval_every, steps/2) 之后计数；
+  - 余弦学习率按真实预算走完（configs 的 steps 改为 24000，原 60000 从来跑不到，14k 步早停时学习率还有 0.87×）；
+  - MeanFlow 采样：p_neq 0.5、p_edge 0.1（固定 (r=0,t=1) 的部署点，见 meanflow.sample_rt）；
+  - 子目标头只看 sub 特征（68:75）置零的输入：sub 存在时 SG[0:6] 与输入 sd 是同一个量，原来 80% 的样本可以直接抄（标签泄露）；
+    运行时子目标头只在冷启动 sf=0 时用，这样训练与使用同口径。价值头仍用完整输入（稳态推理时带 sub）；
+  - 条件输入增广 aug_pre_drop / aug_pre_sigma / aug_dq_sigma（见 ml/data.Samples.augment）；
+  - 动作尺度 act_scale 取自数据（ml/data.read_meta），存进 checkpoint；续训 / 微调起点与数据不一致直接报错。
+  - DAgger 微调（--init）：只有起点 checkpoint 已走过自己的 p_neq 预热时才把预热置 0；起点优先取 EMA 权重。"""
+import argparse, copy, json, math, os, sys, time
 import torch
 
 from ml.common.kin_torch import Kin
@@ -12,7 +30,7 @@ from ml.common.ckpt import Saver, atomic_save, rng_state, set_rng_state
 from ml.common import vram
 from ml.data import Samples, load_tasks
 from ml.model.policy import build, wta_loss
-from ml.model.meanflow import meanflow_loss, one_step
+from ml.model.meanflow import meanflow_loss
 from ml.sim.closed_loop import evaluate
 
 
@@ -28,46 +46,105 @@ def q_from_feat(X):
     return torch.atan2(s, c) / D2R
 
 
+@torch.no_grad()
+def open_loop(model, kin, vdata, stepv, fk_idx, n=1024, K=8):
+    """stepv：每单位动作对应的度数（= act_scale·STEP）。"""
+    """开环指标（val 样本，老师状态上）：
+    ol_fk_mm  候选 0 的 16 步末端与老师 Y 末端的胶囊点平均距离（mm）；
+    ol_best_mm K 个候选里最接近老师的那条的同一误差（多峰时它应明显小于 ol_fk_mm）；
+    ol_div    K 个候选间标准差 / 动作平均幅度（塌成单峰时接近 0；首次正式预训练 last.pt 实测 0.20）。"""
+    g = torch.Generator(device=vdata.X.device); g.manual_seed(123)
+    X, Y, _, _ = vdata.batch(min(n, vdata.n), gen=g)
+    act, _, _ = model.sample_k(X, K)
+    act = act.float().clamp(-1, 1)
+    q = q_from_feat(X)
+    qt = q + (Y * stepv).sum(1)
+    qh = q[:, None] + (act * stepv).sum(2)                                   # [B,K,6]
+    pt = fk_points(kin, qt, fk_idx)[:, None]
+    ph = fk_points(kin, qh.reshape(-1, 6), fk_idx).view(X.shape[0], K, -1, 3)
+    err = (ph - pt).norm(dim=-1).mean(-1)                                     # [B,K] mm
+    div = (act.std(1).mean() / act.abs().mean().clamp(min=1e-6)).item()
+    return {'ol_fk_mm': err[:, 0].mean().item(), 'ol_best_mm': err.min(1).values.mean().item(), 'ol_div': div}
+
+
 def main():
     ap = argparse.ArgumentParser()
     ap.add_argument('--samples', nargs='+', default=['ml/data/samples']); ap.add_argument('--out', default='ml/runs/base')
     ap.add_argument('--config', default='ml/configs/base.json'); ap.add_argument('--steps', type=int, default=None)
     ap.add_argument('--resume', default=None); ap.add_argument('--no-eval', action='store_true')
+    ap.add_argument('--init', default=None, help='只载入权重（优先 EMA）、优化器与步数从 0 开始（DAgger 微调用）')
+    ap.add_argument('--lr', type=float, default=None); ap.add_argument('--warmup', type=int, default=None)
     ap.add_argument('--stop-at', type=int, default=0, help='自检用：跑到第 N 步按停止请求处理（存 last.pt、rc 143）')
     ap.add_argument('--device', default='cuda' if torch.cuda.is_available() else 'cpu'); ap.add_argument('--seed', type=int, default=0)
     a = ap.parse_args()
     cfg = json.load(open(a.config)); tc = cfg['train']
     if a.steps: tc['steps'] = a.steps
+    if a.lr: tc['lr'] = a.lr
+    if a.warmup is not None: tc['warmup'] = a.warmup
+    init_ck = None
+    if a.init:
+        init_ck = torch.load(a.init, map_location='cpu')
+        # 2026-10-19（审查 P0-2）：原来 --init 一律置 p_neq_warm=0，前提「起点已训过 r≠t」；best.pt 落在预热期（第 4000 步）时前提不成立，
+        # DAgger 一上来就用没训过的场做 JVP 自举。现在只有起点已走过它自己的预热才置 0。
+        init_warm = (init_ck.get('cfg') or {}).get('train', {}).get('p_neq_warm', 5000)
+        if init_ck.get('step', 0) >= init_warm: tc['p_neq_warm'] = 0
+        print(f'微调起点第 {init_ck.get("step")} 步（其预热 {init_warm} 步）→ 本次 p_neq_warm = {tc.get("p_neq_warm", 5000)}', flush=True)
     os.makedirs(a.out, exist_ok=True)
     torch.manual_seed(a.seed)
     dev = a.device
     vram.limit()
+    if dev.startswith('cuda'):
+        torch.backends.cuda.matmul.allow_tf32 = True; torch.backends.cudnn.allow_tf32 = True   # MF 分支改 fp32 后用 TF32 保吞吐
     kin = Kin(device=dev)
-    data = Samples(a.samples, device=dev, split='train')
-    val_tasks = [t for t in load_tasks(a.samples) if t['split'] == 'val'][:tc['eval_tasks']]
-    print(f'train samples {data.n}, val tasks {len(val_tasks)}, device {dev}', flush=True)
-    model = build(cfg).to(dev)
+    # 2026-10-19（审查 F11）：val 只取主数据目录（第一个 --samples）；DAgger 目录的样本全部当 train
+    data = Samples(a.samples, device=dev, split='train', val_dirs=a.samples[:1])
+    act_scale = data.act_scale
+    val_tasks = [t for t in load_tasks(a.samples[:1]) if t['split'] == 'val'][:tc['eval_tasks']]
+    try: vdata = Samples(a.samples[:1], device=dev, split='val')
+    except SystemExit: vdata = None
+    if vdata is not None and vdata.n == 0: vdata = None
+    print(f'train samples {data.n}, val tasks {len(val_tasks)}, act_scale {act_scale}, data_ver {data.data_ver}, device {dev}', flush=True)
+    model = build(cfg).to(dev); model.act_scale = act_scale
     print(f'params {sum(p.numel() for p in model.parameters()) / 1e6:.2f} M', flush=True)
     opt = torch.optim.AdamW(model.parameters(), lr=tc['lr'], betas=tuple(tc['betas']), weight_decay=tc['wd'])
     step0, best, bad_evals = 0, -1.0, 0
+    def check_scale(ck, src):
+        s0 = float(ck.get('act_scale', 1.0))
+        if abs(s0 - act_scale) > 1e-9:
+            raise SystemExit(f'{src} 的 act_scale={s0} 与样本 act_scale={act_scale} 不一致：标签尺度变了，须从头训练（FRESH_FROM=prep）')
+    if init_ck is not None and not a.resume:
+        check_scale(init_ck, a.init)
+        model.load_state_dict(init_ck.get('ema') if init_ck.get('ema') is not None else init_ck['model'])
+        print(f'微调：权重取自 {a.init}（{"EMA" if init_ck.get("ema") is not None else "原始"}权重），优化器重置', flush=True)
+    ema = copy.deepcopy(model).eval(); ema.act_scale = act_scale
+    for p_ in ema.parameters(): p_.requires_grad_(False)
     if a.resume:
-        ck = torch.load(a.resume, map_location=dev); model.load_state_dict(ck['model'])
+        ck = torch.load(a.resume, map_location=dev); check_scale(ck, a.resume)
+        model.load_state_dict(ck['model'])
+        ema.load_state_dict(ck['ema'] if ck.get('ema') is not None else ck['model'])
         if 'opt' in ck: opt.load_state_dict(ck['opt'])
         step0, best, bad_evals = ck.get('step', 0), ck.get('best', -1.0), ck.get('bad_evals', 0)
         if set_rng_state(ck.get('rng')): print('续训：随机数状态已恢复（batch 顺序与不断点一致）', flush=True)
-        print(f'续训：从第 {step0} 步继续（共 {tc["steps"]} 步），当前最好 success {best:.4f}', flush=True)
+        print(f'续训：从第 {step0} 步继续（共 {tc["steps"]} 步），当前最好分数 {best:.4f}', flush=True)
+    del init_ck
     total = tc['steps']
     lr_at = lambda s: tc['lr'] * (s / tc['warmup'] if s < tc['warmup'] else 0.5 * (1 + math.cos(math.pi * (s - tc['warmup']) / max(1, total - tc['warmup']))))
     amp = dev.startswith('cuda') and tc.get('amp') == 'bf16'
     stepv = torch.tensor(STEP, device=dev)
+    astep = stepv * act_scale                        # 动作 → 度
     fk_idx = torch.linspace(0, kin.cap_a.shape[0] - 1, tc['fk_caps'], device=dev).long()
+    ema_d = float(tc.get('ema', 0.999))
+    warm = 0 if model.head == 'wta' else int(tc.get('p_neq_warm', 5000))
+    sel_from = warm + tc['eval_every']                       # 第一次可以存 best.pt 的步数：预热结束后的第一次评估
+    min_step = max(warm + 2 * tc['eval_every'], total // 2)  # 早停计数起点
     log = open(os.path.join(a.out, 'log.jsonl'), 'a' if a.resume else 'w')   # 新训练覆盖旧日志，续训才追加
     if not val_tasks and not a.no_eval:
         print('没有 val 任务（样本太少），本次跳过闭环验证', flush=True); a.no_eval = True
     t0, seen, diverged = time.time(), 0, False
     saver = Saver(tc.get('ckpt_min', 10))            # 2026-10-18：每 10 分钟 + 收到停止请求时存 last.pt（原子写）
     def save(name, step, extra=None):
-        d = {'model': model.state_dict(), 'opt': opt.state_dict(), 'cfg': cfg, 'step': step, 'best': best, 'bad_evals': bad_evals, 'fp': kin.fp}
+        d = {'model': model.state_dict(), 'ema': ema.state_dict(), 'opt': opt.state_dict(), 'cfg': cfg, 'step': step, 'best': best,
+             'bad_evals': bad_evals, 'fp': kin.fp, 'act_scale': act_scale, 'data_ver': data.data_ver}
         if name == 'last.pt': d['rng'] = rng_state()
         if extra: d.update(extra)
         atomic_save(d, os.path.join(a.out, name))
@@ -75,26 +152,32 @@ def main():
     step = step0 - 1                                 # 续训时已训满：循环一次不跑，下面照常收尾
     for step in range(step0, total):
         for gpar in opt.param_groups: gpar['lr'] = lr_at(step)
-        X, Y, V, SG = data.batch(tc['batch'])
+        X, Y, V, SG = data.batch(tc['batch'], aug=tc)
         model.train()
         with torch.autocast('cuda', dtype=torch.bfloat16, enabled=amp):
             mem = model.encode(X)
             if model.head == 'wta':
                 l_mf, xh = wta_loss(model, mem, Y); mf_raw = l_mf.detach(); xh = xh.float()
             else:
-                l_mf, mf_raw = meanflow_loss(model, mem, Y, p_neq=tc['p_neq'])
-                e = torch.randn_like(Y)
-                xh = one_step(model, mem, e).float()
-            v, s = model.heads(mem)
+                p_neq = tc['p_neq'] if step >= warm else 0.0
+                l_mf, mf_raw, aux = meanflow_loss(model, mem, Y, p_neq=p_neq, return_aux=True, p_edge=tc.get('p_edge', 0.0))
+                sel = ((aux['r'] == aux['t']) & (aux['t'] <= tc.get('fk_tmax', 0.3))).nonzero(as_tuple=True)[0]
+                tt = aux['t'][sel][:, None, None]
+                xh = aux['z'][sel] - tt * aux['u'][sel]          # 配对去噪估计（fp32）
+            v, _ = model.heads(mem)
+            Xs = X.clone(); Xs[:, 68:75] = 0                     # 子目标头：sub 特征置零（切断抄输入的捷径，见文件头）
+            _, s = model.heads(model.encode(Xs))
         l_val = (v.float() - V).abs().mean(); l_sub = (s.float() - SG).abs().mean()
+        Xf, Yf = (X, Y) if model.head == 'wta' else (X[sel], Y[sel])
+        l_sm = torch.zeros((), device=dev); l_fk = torch.zeros((), device=dev)
+        if xh.shape[0] > 0:
             d2 = xh[:, 2:] - 2 * xh[:, 1:-1] + xh[:, :-2]
             l_sm = d2.pow(2).mean()
-        l_fk = torch.zeros((), device=dev)
-        if tc['w_fk'] > 0:
-            q = q_from_feat(X)
+        if tc['w_fk'] > 0 and xh.shape[0] > 0:
+            q = q_from_feat(Xf)
             ks = torch.tensor([3, 7, 11, 15], device=dev)
-            qh = q[:, None] + torch.cumsum(xh.clamp(-1, 1) * stepv, 1)[:, ks]
-            qt = q[:, None] + torch.cumsum(Y * stepv, 1)[:, ks]
+            qh = q[:, None] + torch.cumsum(xh.clamp(-1, 1) * astep, 1)[:, ks]
+            qt = q[:, None] + torch.cumsum(Yf * astep, 1)[:, ks]
             B4 = qh.shape[0] * 4
             ph = fk_points(kin, qh.reshape(B4, 6), fk_idx); pt = fk_points(kin, qt.reshape(B4, 6), fk_idx)
             l_fk = ((ph - pt).norm(dim=-1) / 10).mean()
@@ -105,6 +188,9 @@ def main():
         if not torch.isfinite(loss):
             print('非有限损失 → 训练发散（M5 门禁：触发 WTA 回退条件）', flush=True); save('diverged.pt', step); diverged = True; break
         opt.step(); seen += X.shape[0]
+        with torch.no_grad():                         # EMA；前期按 (1+s)/(10+s) 放宽，避免随机初值占权重
+            dk = min(ema_d, (1 + step) / (10 + step))
+            for pe, pm in zip(ema.parameters(), model.parameters()): pe.lerp_(pm.detach(), 1 - dk)
         if saver.stop() or (a.stop_at and step + 1 >= a.stop_at):
             save('last.pt', step + 1); log.close()
             print(f'收到停止请求：已存档 last.pt（第 {step + 1} 步），下次运行自动续训', flush=True); sys.exit(143)
@@ -116,21 +202,25 @@ def main():
                    'eta_h': (total - step - 1) * tc['batch'] / max(seen / max(el, 1e-6), 1e-6) / 3600, 'vram': vram.peak_gib()}
             print(json.dumps(rec), flush=True); log.write(json.dumps(rec) + '\n'); log.flush()
         if not a.no_eval and (step + 1) % tc['eval_every'] == 0:
-            model.eval()
-            res, _ = evaluate(model, kin, val_tasks, dev)
-            res['step'] = step + 1; res['t'] = time.time()
+            # bs=64 + 归还缓存池：WDDM 卡满时 15.9 GiB 的评估峰值会被驱动换出到内存，eval 从 2 分钟变 1 小时
+            res, _ = evaluate(ema, kin, val_tasks, dev, bs=64)
+            if vdata is not None: res.update(open_loop(ema, kin, vdata, astep, fk_idx))
+            torch.cuda.empty_cache()
+            sc = res['success'] + 0.05 * (1 - res['collision_rate']) + 0.05 * (1 - min(1.0, res.get('goal_ratio_2s', 1.0))) \
+                - 1e-4 * min(res.get('ol_best_mm', 0.0), 500.0)
+            res['step'] = step + 1; res['t'] = time.time(); res['score'] = sc; res['weights'] = 'ema'
             print('EVAL', json.dumps(res), flush=True); log.write(json.dumps({'eval': res}) + '\n'); log.flush()
-            save('last.pt', step + 1)
-            if res['success'] > best + 1e-4:
-                best = res['success']; bad_evals = 0; save('best.pt', step + 1, {'eval': res})
-            else:
+            if step + 1 >= sel_from and sc > best + 1e-5:
+                best = sc; bad_evals = 0; save('best.pt', step + 1, {'eval': res})
+            elif step + 1 >= min_step:
                 bad_evals += 1
-                if bad_evals >= tc['patience_evals']: print('闭环到达率不再上升，停止', flush=True); break
+                if bad_evals >= tc['patience_evals']: save('last.pt', step + 1); print('闭环分数不再上升，停止', flush=True); break
+            save('last.pt', step + 1)
     if diverged:      # 发散的权重不能覆盖 last.pt / best.pt：last.pt 保留发散前最后一次存档，M5 门禁会因此判不过 → 自动 WTA
         print('训练发散，last.pt / best.pt 保留发散前的存档', flush=True); return
     save('last.pt', step + 1)
-    if a.no_eval: save('best.pt', step + 1)
-    print(f'done, best success {best:.4f}, {(time.time() - t0) / 3600:.2f} h', flush=True)
+    if a.no_eval or best <= -1.0: save('best.pt', step + 1)   # 没评估过 / 总步数不到 sel_from：best = last
+    print(f'done, best score {best:.4f}, {(time.time() - t0) / 3600:.2f} h', flush=True)
 
 
 if __name__ == '__main__':

tests/policy_bench.cjs

@@ -67,11 +67,11 @@ const pct = (a, p) => { if (!a.length) return null; const s = a.slice().sort((x,
   const out = { model: MODEL, meta: { fp: meta.fp, eval: meta.eval } };
   const runSet = async (name, cases, mode) => {
     let ok = 0, reached = 0, colTasks = 0, colFrames = 0, uncert = 0, brakes = 0, locks = 0, plans = 0, recovered = 0, lockTasks = 0, livelock = 0;
-    const inf = [], saf = [], look = [], planT = [], cq = [], times = [], fails = []; let hits = 0; const why = {};
+    const inf = [], saf = [], look = [], planT = [], planW = [], cq = [], times = [], fails = []; let hits = 0; const why = {};
     for (let ci = 0; ci < cases.length; ci++) {
       const c = cases[ci];
       const R = mode === 'pose' ? c.R : null;
-      const r = new POL.Runner(S, infer, { seed: 1000 + ci });
+      const r = new POL.Runner(S, infer, { seed: 1000 + ci, actScale: meta.act_scale || 1 });   // 2026-10-19：动作尺度随模型
       r.reset(c.q0); r.setGoal(c.T, R);
       let prev = c.q0.slice(), cf = 0, tLock = null;
       for (let k = 0; k < 500 && !r.done; k++) {
@@ -86,7 +86,7 @@ const pct = (a, p) => { if (!a.length) return null; const s = a.slice().sort((x,
       const { e, oe } = r.err(r.q);
       const rc = r.done && e < 1 && oe < 0.5;
       if (rc) reached++; if (cf) { colTasks++; colFrames += cf; } if (rc && !cf) { ok++; times.push(r.t); } else fails.push({ ci, err: +e.toFixed(1), oerr: +oe.toFixed(1), colFrames: cf, brakes: r.stats.brakes });
-      inf.push(...r.stats.inferMs); saf.push(...r.stats.safetyMs); look.push(...r.stats.lookaheadMs); planT.push(...r.stats.planMs); cq.push(...r.stats.certQ); hits += r.stats.certHit;
+      inf.push(...r.stats.inferMs); saf.push(...r.stats.safetyMs); look.push(...r.stats.lookaheadMs); planT.push(...r.stats.planMs); planW.push(...r.stats.planWarmMs); cq.push(...r.stats.certQ); hits += r.stats.certHit;
       for (const k in r.stats.certWhy) why[k] = (why[k] || 0) + r.stats.certWhy[k]; brakes += r.stats.brakes; locks += r.stats.locks; plans += r.stats.plans;
       if (tLock != null) { lockTasks++; if (rc && !cf && r.t - tLock <= 3.0) recovered++; } else if (rc && !cf) recovered++;
       if (!rc && r.stats.locks >= 2) livelock++;
@@ -96,7 +96,7 @@ const pct = (a, p) => { if (!a.length) return null; const s = a.slice().sort((x,
       plans, brakeRate: plans ? +(brakes / plans).toFixed(4) : null, lockTasks, recovered3s: recovered, recoveryRate: cases.length ? +(recovered / cases.length).toFixed(4) : null, livelock,
       timeP50: pct(times, 0.5), inferMsP50: pct(inf, 0.5), inferMsP99: pct(inf, 0.99), safetyMsP50: pct(saf, 0.5), safetyMsP99: pct(saf, 0.99),
       // 2026-10-18 第六轮（审查 B-1/B-2）：前瞻、整次规划耗时，每次规划的距离查询数与记忆命中率，认证失败原因——与查看器 autotest 同口径对照
-      lookaheadMsP99: pct(look, 0.99), planMsP50: pct(planT, 0.5), planMsP99: pct(planT, 0.99), certQueriesP50: pct(cq, 0.5), certQueriesP99: pct(cq, 0.99),
+      lookaheadMsP99: pct(look, 0.99), planMsP50: pct(planT, 0.5), planMsP99: pct(planT, 0.99), planWarmMsP99: pct(planW, 0.99), certQueriesP50: pct(cq, 0.5), certQueriesP99: pct(cq, 0.99),
       certMemoHitRate: (() => { const q = cq.reduce((a, b) => a + b, 0); return q + hits ? +(hits / (q + hits)).toFixed(3) : null; })(), certFailWhy: why, fails: fails.slice(0, 15) };
     console.error(name, JSON.stringify({ ok, n: cases.length, collisionFrames: colFrames }));
   };

webapp/js/ik-policy-glue.js

@@ -55,7 +55,7 @@ async function boot() {
     }
     if (!sess) sess = await ort.InferenceSession.create(MODEL, { executionProviders: ep, graphOptimizationLevel: 'all' });
     const infer = ArmPolicy.ortInfer(ort, sess, { encOnce: !!meta.enc_once, featDyn: !!meta.feat_dyn });
-    runner = new ArmPolicy.Runner(S, infer, {});
+    runner = new ArmPolicy.Runner(S, infer, { actScale: meta.act_scale || 1 });   // 2026-10-19：动作尺度随模型（旧模型无此字段 = 1）
     /* 预热：首次推理有编译开销 */
     await infer(new Float32Array(8 * ArmPolicy.F_DIM), new Float32Array(8 * ArmPolicy.H * 6), 8);
     const tick = URL.createObjectURL(new Blob(['let h=null;onmessage=e=>{clearInterval(h);if(e.data>0)h=setInterval(()=>postMessage(0),e.data)}'], { type: 'text/javascript' }));
@@ -72,7 +72,7 @@ async function boot() {
       latency: () => { const p = (a, x) => { const s = a.slice().sort((u, v) => u - v); return s.length ? s[Math.min(s.length - 1, Math.floor(s.length * x))] : null; };
         const st = runner.stats;
         return { inferP50: p(st.inferMs, .5), inferP99: p(st.inferMs, .99), safetyP50: p(st.safetyMs, .5), safetyP99: p(st.safetyMs, .99),
-          lookaheadP99: p(st.lookaheadMs, .99), planP50: p(st.planMs, .5), planP99: p(st.planMs, .99), certQP99: p(st.certQ, .99),
+          lookaheadP99: p(st.lookaheadMs, .99), planP50: p(st.planMs, .5), planP99: p(st.planMs, .99), planWarmP99: p(st.planWarmMs, .99), planColdP99: p(st.planColdMs, .99), coldPlans: st.planColdMs.length, certQP99: p(st.certQ, .99),
           tickGapP99: p(TICKS.gaps, .99), tickGapMax: TICKS.gaps.length ? Math.max(...TICKS.gaps) : null, starve: TICKS.starve, ticks: TICKS.n,
           threads: ort.env.wasm.numThreads, ep: ep[0], proxy, encOnce: !!meta.enc_once, featDyn: !!meta.feat_dyn, probe }; }
     };
@@ -118,7 +118,8 @@ function onTick() {
   if (!running) return;
   const tn = performance.now(); if (TICKS.last) TICKS.gaps.push(tn - TICKS.last); TICKS.last = tn; TICKS.n++;
   if (TICKS.gaps.length > 20000) TICKS.gaps.splice(0, 10000);
-  if (!runner.queue.length && !runner.done && runner.goal) TICKS.starve++;
+  /* 第八轮：冷启动（静止起步、首次规划含前瞻）时队列本就为空、机械臂没在动，不算丢步；只统计运动中断粮 */
+  if (!runner.queue.length && !runner.done && runner.goal && !runner.cold) TICKS.starve++;
   if (runner.needPlan()) runner.plan().catch(e => { console.error(e); stop(); say('策略推理出错：' + e.message, 'badb'); });
   const q = runner.tick();
   if (q) window.IK.setJoints(q, false);

webapp/js/ik-policy.js

@@ -178,19 +178,21 @@ class Runner {
     this.S = S; this.infer = infer;
     this.o = Object.assign({ K: 8, commit: 3, margin: 5,   /* 2026-10-18：运行时投影余量保持 5 mm（真机护栏，不迁就数据分布）；数据侧另行过滤认证间隙 < 3 mm 的老师轨迹，APG 训练余量 3 mm */
        projMax: 0.5, refineMm: 5, arriveMm: 1, arriveDeg: 0.5,
-      stuckPlans: 5, lockSec: 1.0, subReachDeg: 5, subTimeout: 1.5, seed: 12345, lookahead: true,
-      certBudget: 40, safetyMs: 30, firstMs: 45 }, opts || {});   // 每条候选最多 40 次距离查询；安全层总预算 30 ms，第 1 条候选可用到 45 ms（超出按刹停处理）
+      stuckPlans: 5, lockSec: 1.0, subReachDeg: 5, subTimeout: 1.5, subRule: 'cross', subLeadSec: 0.02, seed: 12345, lookahead: true,
+      actScale: 1, certBudget: 40, safetyMs: 30, firstMs: 45 }, opts || {});
+    /* 2026-10-19：actScale = 模型 meta.act_scale（动作标签按 act_scale·STEP 归一化，旧模型 1）；增量 = clamp(act, ±1)·actScale·STEP，
+       与 ml/sim/closed_loop.py 同口径。subRule：'cross'（默认，越过顶点即切，与训练标签同口径；见 _subAdvance）/ 'timeout'（旧：< subReachDeg 或 subTimeout 超时）。 */   // 每条候选最多 40 次距离查询；安全层总预算 30 ms，第 1 条候选可用到 45 ms（超出按刹停处理）
     this.cert = makeCert(S, { leverTable: this.o.leverTable, cap: 20 });
     this.rng = makeRng(this.o.seed);
     /* 2026-10-18 第六轮（审查 B-1/B-2）：耗时拆开记——inferMs 主推理、lookaheadMs 前瞻（第二次推理 + 8 份特征）、safetyMs 只含认证、
        planMs 整次规划（R9 口径：必须 < 60 ms 周期）；certQ 每次规划新增的距离查询数，certHit 记忆命中数，certWhy 认证失败原因计数 */
-    this.stats = { plans: 0, inferMs: [], lookaheadMs: [], safetyMs: [], planMs: [], certQ: [], certHit: 0, certWhy: {}, brakes: 0, refine: 0, lookahead: 0, locks: 0, projected: 0 };
+    this.stats = { plans: 0, inferMs: [], lookaheadMs: [], safetyMs: [], planMs: [], planWarmMs: [], planColdMs: [], certQ: [], certHit: 0, certWhy: {}, brakes: 0, refine: 0, lookahead: 0, locks: 0, projected: 0 };
     this.reset(null);
   }
   reset(q0) {
     this.q = q0 ? q0.slice() : null; this.qPrev = this.q ? this.q.slice() : null;
     this.queue = []; this.brakeTail = []; this.lastPlan = null; this.goal = null;
-    this.subs = []; this.subT = 0; this.vals = []; this.brakeRun = 0; this.lock = null; this.t = 0; this.cold = true; this.done = false;
+    this.subs = []; this.subT = 0; this.subPrev = null; this.vals = []; this.brakeRun = 0; this.lock = null; this.t = 0; this.cold = true; this.done = false;
   }
   setGoal(T, R) {
     const jump = !this.goal || Math.hypot(T[0] - this.goal.T[0], T[1] - this.goal.T[1], T[2] - this.goal.T[2]) > 50 || (!!R !== !!this.goal.R);
@@ -220,10 +222,34 @@ class Runner {
     return this.q;
   }
   _cand(act, k, r) {   // 第 k 条候选：增量（°），丢掉模型的前 r 步（已提交前缀），取接下来的步
-    const inc = [];
-    for (let s = 0; s < H; s++) { const row = []; for (let j = 0; j < 6; j++) row.push(Math.max(-1, Math.min(1, act[(k * H + s) * 6 + j])) * STEP[j]); inc.push(row); }
+    const inc = [], sc = this.o.actScale || 1;
+    for (let s = 0; s < H; s++) { const row = []; for (let j = 0; j < 6; j++) row.push(Math.max(-1, Math.min(1, act[(k * H + s) * 6 + j])) * sc * STEP[j]); inc.push(row); }
     return inc;
   }
+  /* 子目标推进（与 ml/sim/closed_loop.py sub_advance 同一规则，三处同步改）。
+     2026-10-19（审查 C5 / P0-1）：训练标签里 sub = 老师「下一个尚未经过的顶点」，老师 τ 一过顶点（−0.02 s）就换；
+     旧规则要 < 5° 或 1.5 s 超时，策略在顶点附近进不去时 sub 一直指着身后的点（训练里从未出现的特征序列）。
+     'cross'：进入方向 a = 顶点 − 上一点，离开方向 b = 下一顶点 − 顶点（最后一个取 a），各轴 /VMAX 折成秒；
+     法向 n = â + b̂，(qe − 顶点)·n̂ ≥ −subLeadSec 即越过。没有超时（标签也没有）。 */
+  _subAdvance(qe) {
+    if (!this.subs.length) return;
+    const S = this.S, o = this.o, sg = this.subs[0];
+    const df = (a, b, j) => (S.LIM[S.ORDER[j]].cont ? wrap180(a - b) : a - b);
+    let adv = false;
+    if (o.subRule === 'timeout') {
+      let m = 0; for (let j = 0; j < 6; j++) m = Math.max(m, Math.abs(df(sg[j], qe[j], j)));
+      adv = m < o.subReachDeg || this.t - this.subT > o.subTimeout;
+    } else {
+      const unit = v => { const n = Math.hypot.apply(null, v); return n > 1e-9 ? v.map(x => x / n) : v.map(() => 0); };
+      const prev = this.subPrev || this.q;
+      const a = [0, 1, 2, 3, 4, 5].map(j => df(sg[j], prev[j], j) / VMAX[j]);
+      const b = this.subs.length > 1 ? [0, 1, 2, 3, 4, 5].map(j => df(this.subs[1][j], sg[j], j) / VMAX[j]) : a;
+      const ua = unit(a), ub = unit(b), n = unit(ua.map((x, j) => x + ub[j]));
+      let proj = 0; for (let j = 0; j < 6; j++) proj += df(qe[j], sg[j], j) / VMAX[j] * n[j];
+      adv = proj >= -o.subLeadSec;
+    }
+    if (adv) { this.subPrev = this.subs.shift(); this.subT = this.t; }
+  }
   _certCommit(qe, steps) {   // 认证：提交步 + 刹停段（先用离散判定快速剔除，再做距离下界认证）
     const pts = [qe.slice()]; let q = qe.slice();
     for (const d of steps) { q = q.map((v, j) => v + d[j]); pts.push(q.slice()); }
@@ -238,11 +264,11 @@ class Runner {
   async plan() {
     if (!this.needPlan()) return;
     this.planning = true;
-    const t = now(), c0 = this.cert.counters();
+    const t = now(), c0 = this.cert.counters(), wasCold = this.cold;   // 第八轮：冷启动（含前瞻）与稳态分开记，R9 判稳态
     try { await this._plan(); } finally {
       this.planning = false; this._until = undefined;
       const c1 = this.cert.counters();
-      this.stats.planMs.push(now() - t); this.stats.certQ.push(c1.queries - c0.queries); this.stats.certHit += c1.hits - c0.hits;
+      const dt = now() - t; this.stats.planMs.push(dt); (wasCold ? this.stats.planColdMs : this.stats.planWarmMs).push(dt); this.stats.certQ.push(c1.queries - c0.queries); this.stats.certHit += c1.hits - c0.hits;
     }
   }
   async _plan() {
@@ -257,13 +283,11 @@ class Runner {
       const steps = []; let q = qe.slice();
       for (let k = 0; k < o.commit; k++) { const rs = refineStep(S, q, this.goal.T, this.goal.R, 0.3); steps.push(rs.dq); q = q.map((v, j) => v + rs.dq[j]); }
       const c = this._certCommit(qe, steps);
-      if (c.ok) { this.queue.push(...steps); this.brakeTail = c.tail; this.stats.refine++; return; }
+      /* 2026-10-19（审查 F5）：DLS 接管时没有「已提交的模型计划」，lastPlan 置空（原来保留上一条，下次一致性去对齐一条没执行的轨迹；仿真同步） */
+      if (c.ok) { this.queue.push(...steps); this.brakeTail = c.tail; this.stats.refine++; this.lastPlan = null; return; }
     }
     /* 子目标推进 */
-    if (this.subs.length) {
-      const sg = this.subs[0]; let m = 0; for (let j = 0; j < 6; j++) m = Math.max(m, Math.abs((S.LIM[S.ORDER[j]].cont ? wrap180(sg[j] - qe[j]) : sg[j] - qe[j])));
-      if (m < o.subReachDeg || this.t - this.subT > o.subTimeout) { this.subs.shift(); this.subT = this.t; }
-    }
+    this._subAdvance(qe);
     const gm = S.gapMatrix(this.q, GAP_CAP);
     const st = { q: this.q, qPrev: this.qPrev, T: this.goal.T, R: this.goal.R, prefix, sub: this.subs[0] || null };
     const f = features(S, st, gm);
@@ -279,7 +303,7 @@ class Runner {
     if (this.needSub) {
       this.needSub = false; this.subT = this.t;
       const sb = out.sub.subarray(best * 13, best * 13 + 13);
-      if (sb[12] > 0.5) this.subs = [0, 1].map(v => this.q.map((x, j) => x + sb[v * 6 + j] * 180));
+      if (sb[12] > 0.5) { this.subs = [0, 1].map(v => this.q.map((x, j) => x + sb[v * 6 + j] * 180)); this.subPrev = this.q.slice(); }
     }
     /* 候选：去掉前缀后的提交步，投影，打分 */
     const cands = [], near = S.criticalPairs(qe, o.margin + 10).slice(0, 64);
@@ -297,10 +321,11 @@ class Runner {
       const fut = []; let qq = qe.slice(); for (let s = r; s < H; s++) { qq = qq.map((v, j) => v + inc[s][j]); fut.push(qq); }
       let j1 = 0; for (let s = 0; s < H; s++) j1 += inc[s][0];
       let score = -2.0 * out.value[k];
-      if (this.lastPlan) {   // 与上一条已选计划的未来重叠步对齐（时间平移 3 步）
+      if (this.lastPlan) {   // 与上一条已选计划的未来重叠步对齐：lastPlan[i] = 旧 qe 走 i 步，新 qe = lastPlan[commit]，fut[s] 对应 lastPlan[s+commit+1]
+        // 2026-10-19 修错位（原对齐 lastPlan[s+commit]，奖励比上一计划慢一步的候选；Python closed_loop.py 同步修正）
         let c = 0, w = 1;
-        for (let s = 0; s < fut.length && s + o.commit < this.lastPlan.length; s++, w *= 0.85) {
-          let d2 = 0; for (let j = 0; j < 6; j++) d2 += Math.pow((fut[s][j] - this.lastPlan[s + o.commit][j]) / STEP[j], 2);
+        for (let s = 0; s < fut.length && s + o.commit + 1 < this.lastPlan.length; s++, w *= 0.85) {
+          let d2 = 0; for (let j = 0; j < 6; j++) d2 += Math.pow((fut[s][j] - this.lastPlan[s + o.commit + 1][j]) / STEP[j], 2);
           c += w * d2;
         }
         score -= 0.02 * c;