docs(探索日志): 分支清理记录——fb-mix 已并入 exp/dagger-deploy 后删除；abs-target 打 archive tag 后删远端分支

docs/探索日志.md

@@ -0,0 +1,308 @@
+# 探索日志：Transformer 机械臂闭环控制
+
+长期锚点：`docs/Transformer轨迹拟合训练方案.md` §9.2（部署形态 = 策略 + 安全层）。
+验收口径（§9.2）：实际执行碰撞 = 0；held-out 可达任务到达率 ≥ 98%；到达用时 ≤ 老师 ×1.3；关节行程 ≤ 现有规划器 ×1.10；冷启动 < 10 ms；每次推理 + 安全认证 P99 < 20 ms；刹停发生率 < 2% 的推理周期；策略单独（关安全层）碰撞率 < 3%。
+
+评测约定：val 任务、部署节奏（r = 3 重规划、1 段采样、K=8）；「纯策略」= 关安全层；「部署」= 开安全层。时延：桌面 RTX 3090 上 `sample_k(B=64, K=8)` 墙钟均值（均值，非 P99）；浏览器 ONNX P99 以 §9.2 R4 的独立测量为准。
+
+## 轮次 0：基线（2026-10-18，main）
+
+- **假设**：模型开环已拟合老师（末端 ~6 mm），闭环失败另有原因。
+- **判据**：reach = 0 且碰撞 ≈ 100% 即失败；需同时报告碰撞 / 到达 / 精度 / 时延。
+- **配方**：`ml/runs/base/last.pt`（step 14000，旧配方、act_scale=1.0），n=256。
+- **对照**：老师回放 reach 1.0 / 碰撞 0；H1_oracle（老师提线走 rollout）reach 1.0、碰撞 0、轨迹偏差 p99 4.6e-4°。
+- **指标**：到达 **0%**；碰撞 **99.6%**；精度 ol_fk 5.98 mm / ol_best 2.92 mm / ol_div 0.655，2 s 误差比 0.755；时延未测。
+- **结论**：仿真/滚动无误，失败在策略输出。闭环对每步残差极敏感（老师动作加 σ=0.05×STEP 即 reach 1.0→0.218）。
+
+## 轮次 1：数据规模能否救闭环（main，负结论）
+
+- **假设**：训练数据不足导致分布外状态无覆盖。
+- **判据**：若闭环状态到训练集最近邻距离大，且密度缩放无法在误差尺度内缩小差距，则加大同类数据无效。
+- **配方**：191 万老师状态最近邻分析；6 维密度缩放 d∝N^(−1/6)。
+- **对照**：起点（老师分布内）最近邻。
+- **指标**：闭环状态最近邻 p50 **21.5°**（起点 13.2°）；数据翻 4 倍仅降 ~21%，与 0.02° 误差尺度差三个量级。
+- **结论**：加大同类老师数据无效；需要「不同的数据」（闭环状态标注）。
+- **下一步**：DAgger 或状态扰动数据。
+
+## 轮次 2：合成扰动状态微调（main，负结论）
+
+- **假设**：偏移 1.5° 状态的老师标注可补足闭环状态覆盖。
+- **判据**：若 success 仍 0 或开环精度退化，则配方不成立。
+- **配方**：2000 个扰动起点（σ 混合 0.5/1/2/4°）→ 老师重规划（2000/2000 到达）→ 36k 样本 → 从 base/last.pt 微调 3000 步（lr 3e-4 / 1e-4 两轮）。
+- **对照**：base/last.pt。
+- **指标**：碰撞 99.6%→**48.4% / 60.4%**；到达仍 **0%**；开环 6→**15.3 / 16.4 mm**（退化 2.5×）；ratio2s 0.927/0.893。
+- **结论**：只学会了「保守避撞」，开环精度被带偏，success 仍 0；此配方不成立。
+- **下一步**：改训练标签（绝对目标）或真实 DAgger。
+
+## 轮次 3：绝对目标参数化（exp: `feat/abs-target`，负结论）
+
+- **假设**：模型从当前状态外推增量（判别 ρ=1.54），改为绝对目标标签可让输出指向参考位置。
+- **判据**：一步采样开环误差需回到 <10 mm，闭环 success > 0；否则参数化不可行。
+- **配方**：`ABS_TARGET=1` 重打主数据（201 万样本，Y=16 步绝对目标/180），train/rollout/ckpt 适配；从零训练 9950 步（p_neq 预热 5000）。过程中修复前缀噪声增广把 eps 直接加到绝对目标（≈18° 污染）的 bug。
+- **对照**：base/last.pt（ol_fk 5.98 mm、reach 0%）。
+- **指标**：一步采样动作误差 **31°**（4/8 段 2.3°/2.8°）；ol_fk 4000/6000/8000 步 = 74.6/140.4/139.0 mm；闭环 **0% / 100%**（1 段与 4 段皆然）；时延未测。
+- **结论**：绝对目标的一步流匹配在 MeanFlow 头上学不动（过预热后 5000 步无下降趋势）；此配方不成立。分支已推送远端 `217a70b`（本地分支可删，远端保留可复现）。
+- **下一步**：回归增量口径，上真实 DAgger。
+
+## 轮次 4：真实 DAgger 1 轮（main，部分有效）
+
+- **假设**：策略自己走到的状态（离训练集 21.5°）+ 老师重标注，可让模型学会在偏移状态上行动。
+- **判据**：reach 是否从 0 抬头；同时看碰撞、开环精度、时延。
+- **配方**：`ACT_SCALE=1.0 DAG_ROUNDS=1 DAG_N=2000 bash ml/dagger/run.sh base ml/runs/base/last.pt`（采集 2000 题 → 老师重规划 → 打包 → 微调 15000 步，lr 3e-4；主数据 + DAgger 混合）。
+- **对照**：base/last.pt。
+- **指标**：碰撞 99.6%→**40.2%**（8000 步 36.9%，10000 步 58.8%）；到达 **0%**，仅微调 12000 步时出现 **0.4%（2/512）**；开环退化 6→**15.7 mm**；ratio2s 0.87–0.92；时延未测。
+- **结论**：DAgger 数据确实教会避撞，但微调把主分布带偏（开环退化），到达仍近 0；单独 DAgger 不是终点。
+- **下一步**：在 DAgger 模型上加目标反馈（模型前馈 + DLS 反馈）。
+
+## 轮次 5：模型前馈 + DLS 目标反馈（exp: `feat/fb-mix`，历史最佳）
+
+- **假设**：模型擅长开环轨迹/避撞，但不指向目标；把 DLS 朝目标的反馈叠加到候选动作上，可把「走偏」拉回目标。
+- **判据**：部署口径（+安全层）reach 显著 > 0 且碰撞 < 3%（§9.2 策略单独碰撞线）、刹停可控；否则不成立。
+- **配方**：`closed_loop.rollout(fb_gain=...)`：`inc += fb_gain · DLS(qe→T,R, n=1)`（加在所有候选上，安全层评估带反馈的候选）。模型 `ml/runs/base_dag1/best.pt`（DAgger 轮 4 的 best，12000 步）。n=128，val。
+- **对照**：base/last.pt + 同反馈；DAgger 模型 + 无反馈。
+- **指标（n=128）**：
+
+| 配置 | 到达 | 碰撞 | 精度 ratio2s | 刹停/题 | 时延 |
+|---|---|---|---|---|---|
+| DAgger 模型, gain 0 | 0% | 44.5% | 0.873 | 0 | — |
+| DAgger 模型, gain 1.0, 关安全层 | 29.7% | 73.4% | 0.370 | 0 | — |
+| **DAgger 模型, gain 1.0, 开安全层** | **20.3%** | **2.3%** | **0.480** | **21.9** | **12.58 ms/次**（B=64,K=8，桌面 3090） |
+| base 模型, gain 1.0, 关安全层 | 0% | 94.5% | 0.554 | 0 | — |
+
+（另测 n=32 复核：gain 1.0 + safety → reach 25.0%、碰撞 6.2%、ratio2s 0.588。）
+
+- **结论**：**反馈混合是首个把到达率从 0 拉到 20%+ 的机理**；安全层把碰撞从 73% 压到 2.3%（部署口径），代价是刹停 21.9 次/题（远超 §9.2 的 <2%/周期）。精度 ratio2s 0.48（2 s 时误差缩一半），时延 12.58 ms/次接近 §9.2 的 20 ms（推理+认证）门槛。
+- **与历史最佳/基线对比**：reach 0→20.3%、碰撞 99.6→2.3%、ratio2s 0.755→0.480；开环精度仍退化（DAgger 微调导致 15.7 mm vs 基线 5.98 mm）。
+- **漂移检查**：main = 70654e4（无新提交）；工作区仅用户个人 html 未跟踪；数据口径 act_scale=1.0 与 ckpt 一致；`feat/abs-target` 已推送远端；本次实验在独立分支 `feat/fb-mix`。
+- **下一步**：扫更大 gain（1.2–2.0）与增益衰减；目标是把刹停次数降下来、到达率再提升，并测 ONNX/浏览器时延。
+
+## 轮次 6：反馈增益扩展扫描（exp: `feat/fb-mix`，小幅进展）
+
+- **假设**：更大增益能把到达率继续推高。
+- **判据**：reach 显著高于 20.3%（>25%）且碰撞 ≤3%、刹停不失控。
+- **配方**：`rollout(fb_gain∈{1.2,1.5,2.0}, safety=True)`，模型同轮次 5，n=128。
+- **对照**：轮次 5（gain 1.0：reach 20.3% / 碰撞 2.3% / ratio2s 0.480 / 刹停 21.9）。
+- **指标**：
+
+| gain | 到达 | 碰撞 | ratio2s | 刹停/题 | 墙钟/题 |
+|---|---|---|---|---|---|
+| 1.2 | **23.4%** | 1.6% | **0.454** | 31.4 | 973 ms |
+| 1.5 | 21.9% | 2.3% | 0.498 | 43.0 | 1151 ms |
+| 2.0 | 23.4% | 0.8% | 0.530 | 57.6 | 1100 ms |
+
+- **结论**：到达率封顶在 ~23%，增益再大只增刹停（31→58 次/题）。当前瓶颈从「到不了目标」变成「安全层频繁刹停 + 近目标过冲」。
+- **下一步**：距离衰减增益（远离目标全增益、贴近目标减弱）+ 刹停兜底；目标 reach > 30% 且刹停显著下降。
+
+## 轮次 7：距离衰减增益 + 刹停兜底（exp: `feat/fb-mix`，负结论）
+
+- **假设**：贴近目标减弱反馈可减少过冲/刹停；安全层全拒时用「半速朝目标一步」（单点安全认证）可减少原地停滞。
+- **判据**：reach > 23.4%（轮次 6）且碰撞 ≤3%、刹停下降。
+- **配方**：`fb_scale=100`（>100 mm 全增益，近目标最低 0.2 倍）；`fb_fallback=0.5`（全拒时半速 DLS 一步，认证 `qe+fb1` 单点无碰）。n=128，safety=True。
+- **对照**：轮次 6（gain 1.2、无衰减、无兜底：23.4% / 1.6% / 0.454 / 31.4 / 973 ms）。
+- **指标**：
+
+| 配置 | 到达 | 碰撞 | ratio2s | 刹停/题 | 墙钟/题 |
+|---|---|---|---|---|---|
+| decay + fallback (gain 1.2) | 7.0% | 57.8% | 0.506 | 45.1 | 1166 ms |
+| decay only (gain 1.2) | 9.4% | 1.6% | 0.454 | 29.6 | 1106 ms |
+| no-decay + fallback (gain 1.2) | 21.1% | 57.8% | 0.506 | 46.8 | 1063 ms |
+| gain 1.0 + decay + fallback | 4.7% | 55.5% | 0.515 | 37.2 | 939 ms |
+
+- **结论**：两个改动都失败。① 衰减使接近目标时的收敛变慢，到达从 23.4% 掉到 9.4%；② 兜底绕过安全层的多候选选择，碰撞从 1.6% 拉到 **57.8%**（仅单点认证、且执行 3 步同向动作，危险），必须清除。保留参数但默认关闭（`fb_scale=0, fb_fallback=0`），历史最佳配置（轮次 6）可复现。
+- **过程 bug（自造）**：衰减代码曾用变量名 `g` 覆盖 rollout 的随机数生成器，导致 `randn` 报错；改名 `gdec` 后正常——记录以免误判为模型问题。
+- **下一步**：DAgger 第 2 轮——采集时加入 fb_gain + safety，让训练分布 = 部署分布（1 轮，15000 步微调，约 1 小时）。按目标要求先向用户确认。
+
+## 轮次 8：部署分布 DAgger 第 2 轮（exp: `exp/dagger-deploy`，边际改善）
+
+- **假设**：第 1 轮 DAgger 用纯策略轨迹采集，与部署分布（反馈 + 安全层）不一致；用部署分布采集可让模型学到刹停/反馈下的正确动作。
+- **判据**：部署口径 reach > 23.4%（轮次 6）或刹停显著下降且到达不降。
+- **配方**：`ml.dagger.collect --fb_gain 1.2 --safety 1`（2000 题 → 637 起点，部署分布）→ 老师重规划 → 打包 → 从 `base_dag1/best.pt` 微调 15000 步（配置 base_dag2，lr 3e-4）。
+- **对照**：base_dag1/best.pt（轮次 6 历史最佳）；纯策略 eval 见训练日志。
+- **指标（部署口径，n=128，safety=True）**：
+
+| 模型 | gain | 到达 | 碰撞 | ratio2s | 刹停/题 | 墙钟/题 |
+|---|---|---|---|---|---|---|
+| dag2 best | 1.0 | 21.9% | 1.6% | 0.485 | **18.9** | **905 ms** |
+| dag2 best | 1.2 | 22.7% | 1.6% | 0.491 | 25.9 | 922 ms |
+| dag1 best | 1.0 | 20.3% | 2.3% | 0.480 | 21.9 | 944 ms |
+| dag1 best（轮次 6） | 1.2 | **23.4%** | 1.6% | **0.454** | 31.4 | 953 ms |
+
+- **结论**：部署分布 DAgger 把刹停降 18–40%、时延降 ~31 ms，但到达率未突破 23% 平台（-0.7 pp），属边际权衡改善；历史最佳到达仍是 dag1+gain1.2（23.4%）。
+- **下一步**：试 replan=empty（r=0 规划，让反馈逐步生效）与安全层候选 K=16（减少全拒刹停）。
+
+## 轮次 9：replan=empty（队列空时规划、r=0）/ K=16 安全候选（exp: `exp/dagger-deploy`，新历史最佳）
+
+- **假设**：replan='empty'（每次队列空时规划、无前缀 r=0）比默认 r=3 更适合反馈混合。K=16 给安全层更多候选、减少全拒。
+  （更正：replan='empty' 仍是每 3 步规划一次——队列空才规划，commit 3 步；收益来自 r=0 无前缀，不是规划频率。）
+- **判据**：部署口径 reach > 23.4% 且碰撞 ≤1.6%、刹停/时延不恶化。
+- **配方**：dag2 best；`replan='empty'`（每次 r=0 规划）；`K=16`。n=128，safety=True。
+- **对照**：轮次 8（dag2+gain1.2：22.7% / 1.6% / 0.491 / 25.9 / 922 ms）。
+- **指标**：
+
+| 配置 | 到达 | 碰撞 | ratio2s | 刹停/题 | 墙钟/题 |
+|---|---|---|---|---|---|
+| **gain1.2 + replan=empty** | **26.6%** | **0.8%** | **0.453** | **20.6** | **845 ms** |
+| gain1.2 + K=16 | 21.1% | 1.6% | 0.451 | 19.4 | 1629 ms |
+| gain1.0 + K=16 | 21.9% | 4.7% | 0.506 | 14.6 | 1588 ms |
+
+- **结论**：**replan=empty（r=0）全面改善**（到达 +3.9 pp、碰撞 1.6→0.8%、刹停 25.9→20.6、时延 922→845 ms），成为**新历史最佳**。K=16 无收益且时延翻倍（1629 ms），淘汰。
+- **下一步**：replan=empty 下重扫增益（0.8/1.0/1.5/2.0），找新最优。
+
+## 轮次 10：replan=empty（r=0）下的增益重扫（exp: `exp/dagger-deploy`，新历史最佳）
+
+- **假设**：r=0 规划下，最优增益会上移。
+- **判据**：reach > 26.6%（轮次 9）且碰撞 ≤1.6%；同时比较刹停/时延。
+- **配方**：dag2 best，`replan='empty'`，gain ∈ {0.8, 1.0, 1.2, 1.5, 2.0}，safety=True，n=128。
+- **对照**：轮次 9（gain 1.2：26.6% / 0.8% / 0.453 / 20.6 / 845 ms）。
+- **指标**：
+
+| gain | 到达 | 碰撞 | ratio2s | 刹停/题 | 墙钟/题 |
+|---|---|---|---|---|---|
+| 0.8 | 21.9% | 2.3% | 0.505 | 11.3 | 801 ms |
+| 1.0 | 22.7% | **0.0%** | 0.489 | 15.2 | 810 ms |
+| 1.2 | 26.6% | 0.8% | 0.453 | 20.6 | 845 ms |
+| **1.5** | **28.9%** | 0.8% | **0.411** | 28.5 | 844 ms |
+| 2.0 | 28.9% | 0.8% | 0.414 | 44.9 | 914 ms |
+
+- **结论**：到达在 gain 1.5 封顶（28.9%），2.0 无收益且刹停翻倍（44.9）。**按到达优先/碰撞 ≤3%：历史最佳 = gain 1.5 + replan=empty（28.9% / 0.8% / 0.411 / 28.5 / 844 ms）**；按碰撞优先：gain 1.0（22.7% / 0.0% / 0.489 / 15.2 / 810 ms）。n=128 的差异约 3–4 题，需 n=256 复核。
+- **下一步**：n=256 复核 gain 1.0 / 1.2 / 1.5；若平台稳定，再决定是否 DAgger 第 3 轮（采集用新部署配置）。
+
+## 轮次 11：n=256 复核（发现前 128 题偏难）
+
+- **假设**：轮次 10 的 n=128 差异含样本偏差，需扩大样本复核。
+- **判据**：reach 排名与轮次 10 一致、碰撞 ≤3%；若差异大则以 n=256 为准。
+- **配方**：dag2 best，`replan='empty'`，safety=True，gain ∈ {1.0, 1.2, 1.5}，n=256。
+- **对照**：轮次 10（n=128：22.7/26.6/28.9%）。
+- **指标**：
+
+| gain | n=128 到达 | **n=256 到达** | 碰撞 | ratio2s | 刹停/题 | 墙钟/题 |
+|---|---|---|---|---|---|---|
+| 1.0 | 22.7% | **31.6%** | 0.8% | 0.428 | 15.0 | 748 ms |
+| 1.2 | 26.6% | **34.8%** | 1.2% | 0.392 | 18.6 | 752 ms |
+| 1.5 | 28.9% | **36.7%** | 1.6% | 0.323 | 27.4 | 760 ms |
+
+- **结论**：前 128 题显著偏难；n=256 上 **gain 1.5 + replan=empty = 到达 36.7% / 碰撞 1.6% / ratio2s 0.323 / 刹停 27.4 / 760 ms**（新历史最佳）。gain 1.0 更保守（31.6% / 碰撞 0.8% / 刹停 15.0）。排名与 n=128 一致（1.5 > 1.2 > 1.0）。
+- **下一步**：n=512 复核 gain 1.2/1.5；随后评估 DAgger 第 3 轮（部署分布采集）与监控页回写。
+
+## 轮次 12：n=512 复核（稳定结论）
+
+- **假设**：n=256 的 34.8–36.7% 需在更大样本上确认。
+- **判据**：reach 与 n=256 差异 <5 pp、碰撞 ≤3%。
+- **配方**：dag2 best，`replan='empty'`，safety=True，gain ∈ {1.2, 1.5}，n=512。
+- **对照**：轮次 11（n=256：34.8 / 36.7%）。
+- **指标**：
+
+| gain | n=256 到达 | **n=512 到达** | 碰撞 | ratio2s | 刹停/题 | 墙钟/题 |
+|---|---|---|---|---|---|---|
+| 1.2 | 34.8% | **32.6%** | 1.0% | 0.435 | 18.6 | 722 ms |
+| 1.5 | 36.7% | **33.4%** | 1.0% | 0.399 | 28.1 | 738 ms |
+
+- **结论**：n=512 稳定在 **33% 左右**（n=256 略乐观）；**历史最佳（n=512，部署口径）= gain 1.5 + replan=empty：到达 33.4% / 碰撞 1.0% / ratio2s 0.399 / 刹停 28.1 / 738 ms**。保守版 gain 1.2：32.6% / 1.0% / 0.435 / 18.6 / 722 ms（刹停少 1/3）。
+- **监控页回写**：`ml/monitor.py` 新增 `/api/explore`（读 docs/探索日志.md），`ml/monitor.html` 新增「闭环探索日志」卡片；Edge headless 截图确认渲染正常（http://127.0.0.1:8100）。
+- **下一步**：候选选择器（consist/value/first）与 K=4 在反馈+每步重规划下是否影响到达/刹停。
+
+## 轮次 13：选择器 / K / 失败模式（exp: `exp/dagger-deploy`）
+
+- **假设**：反馈混合下，候选选择器与候选数 K 会影响到达/时延；失败模式可指导下一步。
+- **判据**：reach > 36.7% 或时延显著下降；同时报告 time_ok_1p3。
+- **配方**：dag2 best，replan='empty'，gain 1.5，safety=True，n=256。
+- **对照**：轮次 11/12（consist K=8：36.7%）。
+- **指标**：
+
+| 配置 | 到达 | 碰撞 | ratio2s | 刹停/题 | 墙钟/题 |
+|---|---|---|---|---|---|
+| consist K=8 | 36.7% | 1.6% | 0.323 | 27.4 | 764 ms |
+| value K=8 | 35.9% | 1.6% | 0.334 | 29.4 | 1063 ms |
+| first K=8 | 36.3% | 1.2% | 0.338 | 28.1 | 780 ms |
+| K=6 | 35.9% | 1.6% | 0.353 | 28.6 | 627 ms |
+| K=4 | 31.6% | 1.2% | 0.396 | 32.6 | 482 ms |
+
+- **失败模式（n=256，consist K=8）**：失败 149 题中 **碰撞仅 3 题（1.2%）、超时无碰撞 146 题（57.0%）**；失败题终点误差 p50 140 mm；`time_ok_1p3` 仅 **13.3%**；成功题 t_done p50 2.74 s（时限 p50 3.4 s）；刹停 27.4 次/题。
+- **结论**：选择器无差别（consist 略优）；K=8 到达最佳，K=6 省 18% 时延（到达 -0.8 pp）。**当前真正的瓶颈是时间效率（频繁刹停→超时），不是碰撞**。§9.2 的「用时 ≤ 老师×1.3」当前只有 13.3%。
+- **下一步**：每步重规划下，安全层只需认证第 1 步（现在验 3 步，过度保守→全拒→刹停）；改 `safety_steps=1` 验证能否在保持低碰撞的同时大幅减少刹停。
+
+## 轮次 14：部分安全前缀（exp: `exp/dagger-deploy`，刹停大降）
+
+- **假设**：安全层现在要求 3 步全安全才执行，候选只要第 2–3 步有碰撞就全拒刹停；改为「执行到第一个不安全步为止」可减少刹停。
+- **判据**：刹停显著下降、到达不降、碰撞 ≤3%。
+- **配方**：dag2 best，replan='empty'，gain 1.5，safety=True，`safety_partial=1`；n=256。
+- **对照**：全窗口（轮次 11/13：36.7% / 1.6% / 0.323 / 27.4 / 775 ms）。
+- **指标**：
+
+| 安全层 | 到达 | time_ok_1p3 | 碰撞 | ratio2s | 刹停/题 | 墙钟/题 |
+|---|---|---|---|---|---|---|
+| 3 步全安全 | 36.7% | 13.3% | 1.6% | 0.323 | 27.4 | 775 ms |
+| **部分安全前缀** | **38.3%** | 13.7% | 1.6% | **0.308** | **8.6** | 770 ms |
+
+- **结论**：刹停 **27.4→8.6（-69%）**、到达 +1.6 pp、碰撞不变——**部分安全前缀有效**（新最佳：38.3% / 1.6% / 0.308 / 8.6 / 770 ms）。但 `time_ok_1p3` 仍 13.7%：说明超时主因不是刹停，而是**执行粒度**——部分前缀的填充零步仍在消耗时间。
+- **下一步**：commit_n=1（每次只提交 1 步、每步规划，无填充步），验证时间效率。
+
+## 轮次 15：每步规划（commit_n=1）（exp: `exp/dagger-deploy`，新历史最佳）
+
+- **假设**：部分前缀的填充零步仍在消耗时间；每次只提交 1 步、每步重新规划可消除填充、提升时间效率。
+- **判据**：time_ok_1p3 显著上升、到达不降、碰撞 ≤3%。
+- **配方**：dag2 best，replan='empty'，gain 1.5，safety=True，`safety_partial=1, commit_n=1`；n=256。
+- **对照**：commit_n=3 部分前缀（轮次 14：38.3% / 13.7% / 1.6% / 0.308 / 8.6 / 770 ms）。
+- **指标**：
+
+| commit_n | 到达 | time_ok_1p3 | 碰撞 | ratio2s | 刹停/题 | 墙钟/题 |
+|---|---|---|---|---|---|---|
+| 3 | 38.3% | 13.7% | 1.6% | 0.308 | 8.6 | 770 ms |
+| **1** | **41.8%** | **21.5%** | 2.3% | **0.259** | 26.9 | 967 ms |
+
+- **结论**：每步规划把到达推到 **41.8%**、时间效率 **13.7→21.5%**、精度 ratio2s **0.259**；代价：碰撞 1.6→2.3%（仍 <3%）、刹停计数回升（每步都判断）、时延 +26%。**新历史最佳（n=256，部署口径）：41.8% / 2.3% / 0.259 / 21.5% / 967 ms**。
+- **注**：commit_n=1 的推理频率是 3 倍，真机需核对 §9.2 的 P99 <20 ms 预算（当前桌面 12.58 ms/次）。
+- **下一步**：n=512 复核；若稳定则收尾（更新最佳、监控页、分支清理）。
+
+## 轮次 16：n=512 复核每步规划（稳定结论）
+
+- **假设**：轮次 15 的 41.8%（n=256）需更大样本确认。
+- **判据**：reach 与 n=256 差异 <5 pp、碰撞 ≤3%。
+- **配方**：dag2 best，replan='empty'，gain 1.5，safety=True，safety_partial=1，commit_n=1；n=512。
+- **对照**：轮次 15（n=256：41.8% / 21.5% / 2.3% / 0.259 / 967 ms）。
+- **指标**：到达 **40.8%**、time_ok_1p3 **25.0%**、碰撞 **2.1%**、ratio2s **0.309**、刹停 25.3、墙钟 **852 ms/题**。
+- **结论**：稳定。**历史最佳（n=512，部署口径）= 40.8% 到达 / 2.1% 碰撞 / ratio2s 0.309 / time_ok 25.0% / 852 ms/题**；从基线 0% 到达提升 40.8 pp。相对 §9.2（98%、碰撞 0、用时≤老师×1.3）仍有大差距，但机理已成立。
+- **下一步**：每步规划下重扫增益（1.8/2.2/3.0），看时间效率是否继续提升；随后收尾。
+
+## 轮次 17：每步规划下的更大增益（exp: `exp/dagger-deploy`）
+
+- **假设**：每步规划下更大的反馈增益可进一步提升到达与时间效率。
+- **判据**：time_ok 上升、到达不降、碰撞 ≤3%。
+- **配方**：dag2 best，replan='empty'，commit_n=1，safety_partial=1，gain ∈ {1.8, 2.2, 3.0}，n=256。
+- **对照**：轮次 15（gain 1.5：41.8% / 21.5% / 2.3% / 0.259 / 26.9 / 967 ms）。
+- **指标**：
+
+| gain | 到达 | time_ok_1p3 | 碰撞 | ratio2s | 刹停/题 | 墙钟/题 |
+|---|---|---|---|---|---|---|
+| **1.8** | **43.8%** | 28.9% | 1.6% | 0.216 | 40.0 | 956 ms |
+| 2.2 | 41.0% | **32.4%** | 2.0% | 0.174 | 64.4 | 976 ms |
+| 3.0 | 36.3% | 32.8% | 0.8% | **0.153** | **123.2** | 994 ms |
+
+- **结论**：gain 1.8 到达最高（43.8%）；2.2/3.0 精度与时间效率更好但到达下降、刹停暴涨（3.0 达 123 次/题，过冲）。**历史最佳按到达优先（碰撞 ≤3%）：gain 1.8 = 到达 43.8% / 碰撞 1.6% / ratio2s 0.216 / time_ok 28.9% / 956 ms（n=256）**。保守/时间优先可选 2.2。
+- **下一步**：n=512 复核 gain 1.8；随后收尾。
+
+## 轮次 18：n=512 复核 gain 1.8（收尾）
+
+- **假设**：轮次 17 的 43.8%（n=256）需更大样本确认。
+- **判据**：reach 与 n=256 差异 <5 pp、碰撞 ≤3%。
+- **配方**：dag2 best，replan='empty'，commit_n=1，safety_partial=1，gain 1.8；n=512。
+- **对照**：轮次 17（n=256：43.8% / 28.9% / 1.6% / 0.216 / 40.0 / 956 ms）；轮次 16（gain 1.5 n=512：40.8% / 25.0% / 2.1% / 0.309 / 25.3 / 852 ms）。
+- **指标**：到达 **42.2%**、time_ok_1p3 **29.1%**、碰撞 **2.9%**、ratio2s **0.270**、刹停 37.4、墙钟 **870 ms/题**。
+- **结论**：gain 1.8 在 n=512 稳定（42.2%），到达/时间效率优于 gain 1.5（+1.4 pp / +4.1 pp），但碰撞 2.1→2.9%（贴近 3% 线）、刹停 25.3→37.4。**历史最佳（到达优先，n=512）= gain 1.8；碰撞优先 = gain 1.5**。
+- **下一步**：本轮探索收尾（监控页已回写）；进入大规模训练需用户确认 §9.2 锚点。
+
+## 轮次统计
+
+- 连续无实质进展轮数：0（轮次 9–17 持续有实质进展）。
+- **历史最佳（部署口径，n=512）**：`ml/runs/base_dag2_dag1/best.pt` + `K=8, safety=True, replan='empty', fb_gain=1.8, safety_partial=1, commit_n=1` → **到达 42.2%、碰撞 2.9%、ratio2s 0.270、time_ok_1p3 29.1%、刹停 37.4/题、仿真墙钟 870 ms/题**；推理 12.58 ms/次（B=64,K=8，桌面 3090 均值，P99 未测）。
+- 保守版（碰撞优先）：gain 1.5 → 40.8% / 2.1% / 0.309 / 25.0% / 25.3 / 852 ms。
+- 与基线对比：到达 **0→42.2%**、碰撞 **99.6→2.9%**、ratio2s **0.755→0.270**；代价：DAgger 微调使开环 ol_fk 5.98→15.7 mm。
+- 相对 §9.2：到达 42.2% vs ≥98%（差距大）；碰撞 2.9% vs 0（接近策略单独 <3% 线）；用时 ≤老师×1.3 为 29.1%；推理+认证 P99 未测（桌面均值 12.58 ms，预算 20 ms）。
+- 未进入大规模训练（需用户确认 §9.2 锚点）。
+
+## 分支清理（2026-10-20）
+
+- `feat/fb-mix`（8e5431c）：反馈混合方案的中间分支，**已验证是 `exp/dagger-deploy` 的祖先**（所有提交都在后者历史里），本地/远端分支删除，内容保留在 exp/dagger-deploy。
+- `feat/abs-target`（217a70b）：绝对目标参数化负结论分支（轮次 3）；打 tag `archive/abs-target` 保留可复现实体后，删除远端分支（本地此前已删）。
+- `backup/pre-deep-squash`、`backup/pre-squash`：历史备份分支，非实验方案，保留未动。
+- 保留：`main`（70654e4）、`exp/dagger-deploy`（39c870c，历史最佳）。

docs/本机执行清单.md

@@ -220,3 +220,26 @@ reach **0%** / collision **79.0%** / ratio2s 0.574 / end 408 mm；`sign_flip_rat
 - 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/configs/base_dag2.json

@@ -0,0 +1,11 @@
+{
+  "model": {"d": 192, "heads": 8, "ff": 768, "enc": 4, "dec": 4},
+  "train": {
+    "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": 0.5, "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

@@ -28,6 +28,8 @@ def main():
     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')
+    ap.add_argument('--fb_gain', type=float, default=0.0, help='部署分布采集：目标反馈增益（与 rollout 一致）')
+    ap.add_argument('--safety', type=int, default=0, help='部署分布采集：是否开安全层')
     a = ap.parse_args()
     gap_min = float(os.environ.get('MIN_GAP_MM') or 3)
     os.makedirs(a.out, exist_ok=True)
@@ -41,7 +43,7 @@ def main():
     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)
+            _, per = rollout(model, kin, tb, a.device, K=8, safety=bool(a.safety), seed=a.seed * 100003 + i, return_traj=True, fb_gain=a.fb_gain)
         tr = per['traj'].to(a.device)                                   # [B,T,6]
         B, Tn, _ = tr.shape
         _, T, R, _, _ = tasks_to_tensors(tb, a.device)

ml/dagger/run.sh

@@ -24,7 +24,7 @@ for ((r=1; r<=R; r++)); do
   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
+  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 --fb_gain ${FB_GAIN:-0} --safety ${DAG_SAFETY:-0}; fi
   cat $D/collect.json
   pids=()
   for f in $D/tasks_*.jsonl; do

ml/monitor.html

@@ -144,6 +144,7 @@
   .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; }
+  .explore { background: #0b0f16; border: 1px solid var(--line); border-radius: 10px; padding: 10px 12px; max-height: 560px; overflow: auto; font: 12px/1.7 var(--mono); color: #c9d4e3; white-space: pre-wrap; }
   .term .e { color: var(--bad); } .term .c { color: var(--accent); } .term .g { color: var(--ok); }
   .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; }
@@ -213,6 +214,7 @@
     <div class="card"><h2><span>部署形态评测</span><span class="r">策略 + 安全层</span></h2><div id="bench"></div></div>
     <div class="card"><h2><span>验收汇总</span><span class="r">方案 §9.2</span></h2><div id="accept"></div></div>
   </section>
+  <section class="card"><h2><span>闭环探索日志</span><span class="r">docs/探索日志.md</span></h2><div class="explore" id="explore">加载中…</div></section>
   <section class="card"><h2><span>终端输出</span><span class="r" id="termnote">ml/runs/console.log</span></h2><div class="term" id="term"></div></section>
   <footer id="foot"></footer>
 </main>
@@ -834,6 +836,7 @@ $('logy').onclick = () => { logyOn = !logyOn; $('logy').classList.toggle('on', l
 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(); };
+api('/api/explore').then(d => { const el = $('explore'); el.textContent = (d && d.md) ? d.md : '（demo 模式：无探索日志）'; }).catch(() => { const el = $('explore'); el.textContent = '（无法读取 docs/探索日志.md）'; });
 $('auto').onclick = () => { const on = !$('auto').classList.contains('on'); $('auto').classList.toggle('on', on); clearInterval(timer); if (on) timer = setInterval(poll, 1000); };
 timer = setInterval(poll, 1000); poll();
 

ml/monitor.py

@@ -608,6 +608,11 @@ class H(BaseHTTPRequestHandler):
             if u.path == '/api/status': return self.send(200, json.dumps(status()), 'application/json')
             if u.path == '/api/job': return self.send(200, json.dumps(JOB.state()), 'application/json')
             if u.path == '/api/console': return self.send(200, json.dumps(console(int(q.get('offset', ['0'])[0]))), 'application/json')
+            if u.path == '/api/explore':   # 2026-10-20：闭环探索日志（docs/探索日志.md）回写控制台
+                try:
+                    with open(os.path.join(ROOT, 'docs', '探索日志.md'), encoding='utf-8') as f: md = f.read()
+                except Exception: md = ''
+                return self.send(200, json.dumps({'md': md}), 'application/json')
             self.send(404, 'not found', 'text/plain')
         except Exception as e:
             self.send(500, json.dumps({'error': str(e)}), 'application/json')

ml/sim/closed_loop.py

@@ -141,7 +141,8 @@ class TeacherOracle:
 
 @torch.no_grad()
 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'):
+            qp0=None, steps=1, z_scale=1.0, select='consist', oracle=None, replan='r3', sub_rule='cross',
+            fb_gain=0.0, fb_scale=0.0, fb_near=0.2, fb_fallback=0.0, safety_partial=0, commit_n=3):
     """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）。
@@ -190,6 +191,14 @@ def rollout(model, kin, tasks, device, K=8, safety=False, seed=0, max_sec=None,
                 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 fb_gain > 0:   # 实验（2026-10-20）：目标反馈加在所有候选上（安全层也评估带反馈的候选）
+                fb = dls_steps(kin, qe, T, R, n=1)
+                if fb_scale > 0:   # 距离衰减：远离目标全增益，贴近目标减弱（减少过冲/刹停）
+                    dg, _ = goal_err(kin, qe, T, R)
+                    gdec = fb_gain * torch.clamp(dg / fb_scale, fb_near, 1.0)
+                    inc = inc + gdec[:, None, None, None] * fb[:, :, None, :]
+                else:
+                    inc = inc + fb_gain * fb[:, :, None, :]
             if cold:
                 need = sub[:, 12] > 0.5
                 subs = q[:, None] + sub[:, :12].float().view(B, 2, 6) * 180
@@ -218,30 +227,52 @@ def rollout(model, kin, tasks, device, K=8, safety=False, seed=0, max_sec=None,
                 # 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, 4:4 + n]) / step) ** 2).sum(-1)
+                d2 = (((fut[:, :, :n] - last[:, None, commit_n + 1:commit_n + 1 + 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[ar, pick, r:r + 3]
+            commit = inc[ar, pick, r:r + commit_n]
             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_k = pick.clone()
+            if safety and safety_partial:   # 2026-10-20：允许「部分安全前缀」——执行到第一个不安全步为止，而不是全拒刹停
+                maxlen = torch.zeros(B, dtype=torch.long, device=device)
+                chosen = torch.zeros(B, commit_n, 6, device=device); chosen_k = pick.clone()
                 for kk in range(K):
-                    ck = inc[ar, order[:, kk], r:r + 3]
+                    ck = inc[ar, order[:, kk], r:r + commit_n]
                     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)
+                    ok6 = (kin.gaps(allq, 0.5)['gm'].min(-1).values > 0).view(B, 2 * commit_n)
+                    okstep = ok6[:, :commit_n] & ok6[:, commit_n:]                    # 每步：步点与其中点都安全
+                    plen = torch.cumprod(okstep.long(), 1).sum(1)       # 安全前缀长度 0..3
+                    take = plen > maxlen
+                    chosen = torch.where(take[:, None, None], ck, chosen); chosen_k = torch.where(take, order[:, kk], chosen_k)
+                    maxlen = torch.maximum(maxlen, plen)
+                msk = (torch.arange(commit_n, device=device)[None] < maxlen[:, None])
+                commit = torch.where(msk[..., None], chosen, torch.zeros_like(chosen))
+                brakes += (maxlen == 0).float()
+                pick = chosen_k; committed = maxlen > 0
+            elif safety:
+                ok_any = torch.zeros(B, dtype=torch.bool, device=device)
+                chosen = torch.zeros(B, commit_n, 6, device=device); chosen_k = pick.clone()
+                for kk in range(K):
+                    ck = inc[ar, order[:, kk], r:r + commit_n]
+                    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, 2 * commit_n).all(-1)
                     take = okk & ~ok_any
                     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))
+                if fb_gain > 0 and fb_fallback > 0:   # 全拒时的兜底：半速朝目标走一步（须通过安全认证），避免原地停滞
+                    fb1 = dls_steps(kin, qe, T, R, n=1) * fb_fallback
+                    ok1 = kin.gaps(qe + fb1[:, 0], 0.5)['gm'].min(-1).values > 0
+                    commit = torch.where((~ok_any & ok1)[:, None, None], fb1.expand(-1, commit_n, -1), commit)
                 brakes += (~ok_any).float()
                 pick = chosen_k; committed = ok_any
             if near.any():
-                ref = dls_steps(kin, qe, T, R)
+                ref = dls_steps(kin, qe, T, R, n=commit_n)
                 commit = torch.where(near[:, None, None], ref, commit)
                 dls_it = torch.where(near & (dls_it < 0), torch.full_like(dls_it, it), dls_it)
                 committed = committed & ~near