Robot_Arm/docs/ML运行手册审查.md

ML 运行手册审查（ml/README.md）

审查对象：ml/README.md（12 阶段运行手册）+ ml/pipeline.sh + ml/gen|prep|model|sim|apg|mining|eval 全部代码。 判据来源：docs/Transformer轨迹拟合训练方案.md（方案）。 硬件：本机 CBB-003，RTX 3090 24 GB（driver 617.42）、28 核 CPU、Python 3.12.10 + torch 2.10.0+cu130 + onnxruntime 1.22.0、Node v24.15.0。 方法：代码逐行读 + 在本机真跑第 2/4/5/6 步（两种头）与闭环仿真。APG 及之后（8–11 步）未跑，被中断，不声称可用。

结论：流程骨架是通的（对拍 PASS、数据生成、打包、预训练、闭环仿真都实测跑过）。问题集中在判据自相矛盾和指标口径不一致两类，不是代码写错。

---

一、实测记录（可复现）

冒烟产物落在 gitignore 目录 ml/data/_smoke/、ml/runs/_smoke/，工作树干净，ml/assets/kin.json 未重新生成。

步	命令	实测结果	手册声称	判定
2 对拍	node ml/eval/dump_parity.cjs 300 + python -m ml.eval.check_parity	PASS: true，fk 3.4e-13 mm、orient 3.3e-16、间隙 2.5e-13 mm、83 维特征 6.0e-8、间隙梯度相对误差 1.4e-6，7.6 s	2 分钟，须 PASS	符合
4 生成	node ml/gen/gen_dataset.cjs --n 80 --seed 7	1.56 s/条，80 条 122 s；老师 plan p50 291 ms / p90 1490 ms，认证 p50 247 ms / p90 944 ms	约 2 秒/核	符合（偏乐观余量）
4 统计	node ml/gen/stats.cjs（88 条）	keepRate 0.977、samplesPerTask 36.5、projectedSamplesFor50k 178.4 万、exec_s p50 2.3 / p90 3.0 / max 3.7 s、travel p50 350°、cert.minGap p50 4.4 / p90 5.9 mm、尾部补零样本占比 14.7%	keepRate≈0.95、projected≈180 万	符合，但 minGap 没进检查项（见 P0-2、口径-4）
5 打包	node ml/prep/build_dataset.cjs + python -m ml.data --index	86 任务 → train 3004 / val 136 样本，index.json 键名与手册一致；增广 847 提交 / 5 拒绝	train 170 万 / val 9 万（5 万条口径）	比例自洽（5% split）
6 预训练 MeanFlow	python -m ml.train --steps 250 --no-eval --config ml/configs/base.json	参数量 4.92 M，吞吐 6 208 样本/s（step 200，batch=1024）	1.5–6 小时；方案 R10 要 ≥2 万样本/s	与 1.5–6 h 自洽（60 000 步 ≈ 2.8 h），与 R10 判据冲突
6 预训练 WTA	--config ml/configs/wta.json --steps 40	跑通，参数量 4.93 M（同骨干换头成立）	回退约 1 天	通路成立
闭环仿真	python -m ml.sim.closed_loop --split val --n 3	跑通 9.7 s，按 cat/mode 出 success/collision（未训模型 0/0，符合预期）	—	通路成立

吞吐换算：60 000 步 × 1024 = 6 144 万样本 ÷ 6 200 = 9 910 s ≈ 2.75 h（不含 eval）。2 万样本/s 意味着 51 分钟跑完 60 000 步——当前配置在 3090 上不可能达到。

---

二、P0：会让人在终端前停住或误判

P0-1 训练吞吐判据自相矛盾（方案 R10 vs 手册）

• 方案 §10.1 R10：2000 步吞吐 ≥ 2 万样本/s，缓解写的是"降 epoch 或增大 batch"。
• 实测 6 208 样本/s → 按 R10 判"不达标"，但 60 000 步 2.75 h 完全落在手册 1.5–6 h 的预算内。
• 训练是算力受限（MeanFlow 的 torch.func.jvp 双前向 + FK 损失），增大 batch 只拉长每步墙钟，samples/s 不上去。R10 给的缓解措施对它自己定的阈值无效。
• 手册 §6 只写"测吞吐"，没写通过线：ml/train.py:98 打出 samples_per_s，读者看到 6k 无从判断该继续还是改配置。

建议：R10 阈值改为终态判据（"60 000 步 ≤ 3 h"）或把 samples/s 线降到 ~5 千；手册 §6 补一行"实测参考：本机 3090 batch=1024 → 6.2 k 样本/s ≈ 2.8 h/60 k 步"。

P0-2 共识过滤分支的期望数字整段缺失

• ml/pipeline.sh:27-31：consistentByGateRule < 0.9 时自动加 --consensus 4。
• 方案 §10.1 R1 记录首测一致率 78%（100 任务 / 373 对邻居，门禁 90%）→ 默认走的就是 consensus 分支。
• ml/gen/gen_dataset.cjs:51：邻居多数不同意就 keep=false（why=consensus）→ keepRate 与样本量双双下降。
• 手册 §4 的 keepRate≈0.95、projectedSamplesFor50k≈180 万（实测无共识 0.977 / 178 万）是关共识的口径；开共识后没有对应期望值，也没写"样本不够要不要加 N_TASKS"。
• §13 回传表要求按 stats.json 判下一步 → 判据缺一条分支。

建议：§4 增加共识分支的两行期望（keepRate≈? / projected≈?），并明确"低于 X 就把 N_TASKS 提到 8 万"这类动作。

P0-3 WTA 回退会覆盖 MeanFlow 的训练产物

• ml/pipeline.sh:34-35：train 阶段输出目录写死 ml/runs/bench 与 ml/runs/base，CFG 只换头不换目录。
• ml/pipeline.sh:37（m5）与 :44（apg）写死读 ml/runs/base/best.pt。
• ml/train.py:57：log.jsonl 以 append 打开 → 两次不同头的日志混在同一文件。
• 后果：手册 §7 的 CFG=ml/configs/wta.json bash ml/pipeline.sh train 会盖掉已训好的 MeanFlow best.pt/last.pt，对比物消失；而方案 §1.1 选头的依据恰恰是两者对比（沙箱里两者 100%/0%，"分不出高下"）。

建议：OUT=${OUT:-ml/runs/base_$HEADTAG}，m5/apg/bench 用 CKPT= 变量指；两头的 run 分目录共存。

P0-4 手册要求 Linux/WSL2，但本机 Windows 原生可跑，只差一处

• 实测第 2/4/5/6 步与闭环仿真在 Windows + Git Bash 下全部跑通（Python 用 python）。
• ml/prep/run_prep.sh:8 硬用 python3，而 Windows 的 python3 是 WindowsApps 假壳（python3 -c 直接 exit 1）→ 第 5 步在最后一步失败，set -e 会让 pipeline.sh all 在此中止（前面的 npy 已写好，重跑代价大）。
• 同类：ml/pipeline.sh 内联的 python -c（gate1 的 CONSENSUS 判定、m5 的打印）用的是 python，在 Windows 没问题 → 两个脚本各用一种，本身就是不一致。

建议：统一 ${PYTHON:-python}（或 ${PYTHON:-python3}）；手册 §1 补一句"Windows 原生实测可跑，需 Git Bash + python 在 PATH"。

---

三、口径不一致（"这一步通过"不等于"部署能过"）

口径-1 闭环仿真的安全层 ≠ 部署运行时的安全层

• 仿真只有"逐步候选干涉则换下一条"（ml/sim/closed_loop.py:118-130）。
• 运行时多出：1 步胶囊梯度投影（webapp/js/ik-policy.js:107）、刹停段 + 每条候选 40 次距离查询预算（:177）、安全层单次推理 30 ms 预算（:322）、卡死检测与换向锁 1 s（:296-304）。
• §6 EVAL、§7 M5 门禁、§9 挖错/门禁全部用仿真那套（默认 safety=False）。
• 于是 §7 的"穿柱率 ≤2%"和 §11 的"collisionFrames 必须为 0"是两把尺，互不预示；手册没有任何一处说明这点。

建议：§7 明说"M5 是纯策略指标，§11 是策略+安全层指标"；m5 对同一门禁集加跑一遍 --safety，两个口径都写进 m5_gate.json。

口径-2 门禁集/挖错题的时长预算是假的

• ml/mining/tasks.py:47 每题写死 exec_s: 3.0, travel: 0.0。
• ml/sim/closed_loop.py:67 超时 = clamp(2*exec_s, min=3) = 6 s；ml/mining/mine_round.py:38 又用 max_sec=6.0 覆盖。
• 后果：§7 M5 的 1000 题、§9 的门禁集里，"到达"一律 6 s 硬顶、time_ok_1p3 一律 3.9 s；而 §6 训练期 EVAL 用的是老师真实时长 ×1.3。两个"到达率"不可比却共用同名指标。travel=0 还使 travel_ratio_median（closed_loop.py:154）在门禁集上直接返回 None。
• 方案 §10.1 R8"3 s 内恢复 ≥95%、活锁=0"在 12 步里没有执行点。

建议：tasks.py 出题时带上老师时长（或明确写"门禁集按定长 6 s 口径"）；R8 补对抗用例集与命令。

口径-3 APG 的"到达"是定长 3.6 s 窗口内的距离塑形，且碰撞只查端点

• configs/apg.json：plans:60，每次推理提交 3 步 × DT=0.02 → 展开 3.6 s（ml/apg/apg_finetune.py:67），无"到达即停"；到达项只在每个 10 块段末用 ((T-pe)/100)²（:104-109）。
• 实测这批老师轨迹 exec_s p50 2.3 / p90 3.0 / max 3.7 s → 样本刚好压线；真数据里老师时长 >3.6 s 的绕远长任务（正是 C/B 难题）APG 永远看不到绕出段。
• 碰撞 hinge 只打每步末端点（:95-97），仿真与运行时都查端点+中点（closed_loop.py:142-144、ik-policy.js:222）。
• 手册 §8 写"直接优化到达、碰撞余量"，读者会以为是全 horizon 到终点。

建议：§8 补一句"定长 3.6 s 滚动 + 段末距离替代到达项"；把 plans 提到覆盖 exec_s p90（≥55 s 不现实，折中：对 exec_s>3.6 s 的题按比例加 plans，或在 README 说明这是已知截断）。

口径-4 训练余量 5 mm 压在老师轨迹自身的间隙分布上

• 实测 88 条 keep 轨迹 cert.minGap p50 4.4 mm / p90 5.9 mm（ml/gen/stats.cjs:18 已算出 vertexMinGapMm）。
• docs/collide.json 的 margin_mm = 0.3，kin.gaps() 的 gap 已减掉它 → 这 4.4 mm 是实打实的几何间隙。
• configs/apg.json 的 margin_train_mm = 5.0 + 运行时投影目标 margin:5（ik-policy.js:174）→ 约一半 BC 标签落在 5 mm 以下，APG 碰撞项与 BC 项方向相反。
• 手册 §4 让检查的三项（keepRate / byCatMode / projectedSamples）里没有 vertexMinGapMm；方案 §7.1 只写"margin=认证+5"，没和老师的间隙分布对齐。

建议：§4 检查项加 vertexMinGapMm 并给期望区间；要么 margin_train_mm 降到老师分布 p50 附近（~4 mm），要么承认 BC/APG 有对抗并把它当成设计取舍写下来。

---

四、缺项与细节

1. 验收表落不了地：方案 §9 要求 held-out 可达 ≥98%、D 类停靠 ≤老师+5 mm、刹停发生率 <2%、R7 左右比例与行程门禁、R8 对抗用例——12 步里都没有对应命令。ml/mining/gate.py:41 只查 3 项（到达增益 / A 类降幅 / 上轮仍对）；tests/policy_bench.cjs:81 已经算出 brakes/locks/uncertifiedSegs 但没进任何门禁。
2. 挖错池累积：ml/mining/loop.sh:20 ls ml/runs/mine/r*/pool.jsonl 把所有历史轮的错题池喂给每轮 APG，池子逐轮变大，且 mine_round.py:57 对 E1 复制 ×2、每题再带 10 个邻居。手册 §9 只说"错题与邻居进采样池"，没说会跨年累积 → 后期轮次的采样分布严重偏向老错题（A 类降幅门禁是唯一的兜底）。
3. fp16 导出方向可疑：手册 §10 把 --fp16 报错当偶发（"去掉 --fp16 手动导出 fp32"）。但部署端是 wasm（webapp/js/ik-policy-glue.js:36 默认 wasm）和 Node CPU（tests/policy_bench.cjs:55 executionProviders:['cpu']），fp16 在 CPU EP 上要么缺 kernel 要么靠大量 Cast 兜底，不保证比 fp32 快。参数量实测 4.92 M → fp32 ≈ 20 MB（与手册一致），fp16 省的 10 MB 对浏览器收益有限。本机 onnxconverter_common 未装，此条未实测。
4. --n 同时控制两个集合：tests/policy_bench.cjs:85-86 的 +opt('--n') 对 nc 和 route 一起生效，手册说的"30 例 / 40 例"只在默认值成立。
5. val 为空时崩：小样本摸底（几百条、5% split 可能 0 个 val 任务）下 ml/sim/closed_loop.py:161 的 evaluate 返回空 dict，ml/train.py:106 取 res['success'] KeyError。真实数据不会撞，但手册鼓励先小跑摸底。
6. 文件地图缺 4 个真实文件：ml/gen/cert.cjs（认证实现在 ik-policy.js，这里是跳转壳）、ml/gen/pathdev.cjs（同伦类判定，共识过滤与门禁都依赖它）、ml/prep/npy.cjs、ml/toy/toy_bimodal.py（方案 §沙箱 的依据）。
7. R2 无执行点：方案要求"近邻样本标签方差 <10% 步长、起步失败率=0"，手册 §3–§5 的检查项里没有。

---

五、按优先级的改动清单

优先级	改什么	落点
1	吞吐判据对齐：R10 改成终态判据或降线，§6 写实测参考值	docs/Transformer轨迹拟合训练方案.md §10.1、ml/README.md §6
2	train 阶段输出目录随头分开，m5/apg/bench 用 CKPT 变量	ml/pipeline.sh:34-37,44,48
3	python3 → ${PYTHON:-python}，§1 说明 Windows 原生可跑	ml/prep/run_prep.sh:8
4	§4 补共识分支的 keepRate/样本量期望与"加 N_TASKS"动作；检查项加 vertexMinGapMm	ml/README.md §3–§4
5	§7 说明 M5 与 §11 两个口径，m5 加 --safety 对照	ml/pipeline.sh:36-42、ml/README.md §7
6	出题带真实老师时长（或明写定长 6 s），补 R7/R8 执行点	ml/mining/tasks.py:47、ml/mining/gate.py:41、ml/README.md §9
7	§8 明写 APG 的 3.6 s 截断与只查端点；margin_train_mm 与老师间隙分布对齐	ml/README.md §8、ml/configs/apg.json
8	§10 默认 fp32 + __POLICY.latency() 实测后才考虑 fp16（仅 WebGPU）；loop.sh 池子只取本轮；文件地图补全；evaluate 空任务保护	ml/README.md §10/文件地图、ml/mining/loop.sh:20、ml/sim/closed_loop.py:161

未验证范围：第 7（m5）、8（apg）、9（mine）、10（export）、11（bench）步与浏览器 ?policy=1 第 12 步都没跑过（ml/node_modules 未安装、webapp/models/ 无模型、onnxconverter_common 未装）。这些通路只做过静态代码核对。