Robot_Arm/ml/gen/README.md

ml/gen — M1 离线数据生成（在高性能机器上跑）

依赖：Node ≥ 18，仓库根目录执行。输出写到 ml/data/（已 gitignore）。

1. 老师一致性门禁（先跑，决定是否需要共识过滤）

node ml/gen/consistency.cjs 300 4242 > ml/data/consistency.json

单核约 25–30 分钟（300 任务 × 6 次老师求解）。看 consistentByGateRule（pos 任务忽略 J6）：

• ≥ 0.90 → 生成时不加 --consensus
• < 0.90 → 生成时加 --consensus 4（过滤与邻居绕法不一致的样本）

2. 生成数据

bash ml/gen/run_parallel.sh <每进程条数> <进程数> [起始种子] [额外参数]
# 例：16 核、5 万条、不共识：
bash ml/gen/run_parallel.sh 3125 16
# 例：16 核、5 万条、共识 4 邻居：
bash ml/gen/run_parallel.sh 3125 16 1 "--consensus 4"

耗时估算（沙箱实测每条每核约 2.1 s；高性能 CPU 单核通常快 1.5–2 倍）：

• 不共识：约 30 核·时 → 16 核约 1–2 小时
• 共识 4：约 150 核·时 → 16 核约 5–9 小时

3. 回传给我

• ml/data/stats.json、ml/data/consistency.json（必须）
• ml/data/shard_*.jsonl（训练数据，体积约 2.8 MB/500 条 → 5 万条约 280 MB，可压缩后放网盘或直接留在本机用于 M3/M5）