cbb/Robot_Arm
1
0
Fork 0
Code Issues Pull Requests Actions Packages Projects Releases Wiki Activity
Files
6de085fd37d2779b354fa382eafae37f4e4f10fc
Robot_Arm/docs/探索日志.md
T
cbb 6de085fd37 exp+fix: 轮次31——确定界连续认证抓到段内碰撞，但单段P50 22.9ms进不了20ms；自适应cap收益经交错复测撤回 
- Kin.cert_lever 用三角不等式给全姿态位移界（替代 JS 随机采样×1.05），界量级 5.93–48.86 mm/整步
- Kin.certify_segments 批量前沿二分+每根查询预算：48 固定段中预算32判安全37/碰撞1/未知拒10，
  第180题1.08–1.10s漏检段以5次查询判碰撞；未知只拒不放
- 修 seg_seg_dist 第二条退化成点不投影（模型内退化胶囊686受影响）；但7586个加密点的组最小间隙
  逐位不变、2000样本JS对拍仍 PASS → 不解释轮次30漏检、不改既有成绩
- 负结论：B=1 单段认证 P50 22.93/P90 58.43/P99 101.57 ms，432次中225次>20ms；
  自适应宽相位 cap 交错复测耗时无收益，先前1.6×为GPU顺序漂移，已在日志撤回
- 成本模型 L=ceil(log2(bound/(ga+gb)))、查询=2^L+1 与实测对齐（安全段2–17次，未知段33–65次）
- 新增8项段认证测试+1项回放测试（14→23项通过）；变异实测证明张量 max_depth 回绕会误放行
2026-10-20 19:13:40 +08:00

66 KiB
Raw Blame History

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。

口径更正（2026-10-20，轮次 29 复核；下列历史原始数值保留）：

  • 轮次 24–28 的“50 Hz 可行/连续无饥饿”结论撤回。同步 await plan(); tick() 不是实际 20 ms 调度；starveTicks 只是耗时除以 20 ms 的估算。组件分位数相加不等于整次规划 P99，实测 62–68 ms 也超过 commit=3 的 60 ms。仍须严格认证下的真查看器 R9 测量，且不放松 §9.2 的 P99 < 20 ms。
  • Python 端点/中点检查不等于连续认证；JS --seg 0 是放松安全的消融，不是部署验收。开安全层碰撞必须为 0，不能套用“纯策略 <3%”判据。既有到达率允许途中碰撞，新指标 collision_free_success 才是时限内无碰撞到达率。
  • replan=empty 是同步仿真的零前缀配方，不是已验证的异步执行配置。所有任务（含 D）继续保留在历史对照分母内；不能与 held-out 可达任务 ≥98% 直接比较。
  • 轮次 26 的几何角速度雅可比不等于远离目标时 skew 姿态残差的精确导数，因而既改变控制律又消除差分误差；不能把全部收益归因于去噪。3.58% 是单个位置雅可比样本对拍，不是普遍噪声界。check_dls.py 中标 B=256 的测量实际仅有 64 行，不能引用为 B=256 性能。
  • err_fail_med 是批次结束时未按时到达任务的末端误差，不是每题截止时误差；仿真墙钟/题也不是单次规划延迟。查看器默认选择器仍为 consist，endpoint 仅是可选实验。

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 ���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）。
  • 训练方法探索（轮次 19–22）：APG（管线修复、尺度失控）、反馈蒸馏（未内化）、DAgger-3（39.5%）、冻结编码器（41.8%）——均未超过 dag2 基线 43.8%。

轮次 19：APG 闭环策略梯度试跑（exp: exp/dagger-deploy，管线修复但暂不采用）

  • 假设：用闭环目标/碰撞损失直接微调策略（把"朝目标走"内化），减少对执行层反馈的依赖。
  • 判据：纯策略闭环 success 上升、碰撞铰链下降；部署口径（+反馈/安全层）不降。
  • 配方：ml.apg.apg_finetune --init base_dag2_dag1/best.pt --steps 2（先冒烟；原计划 500 步）。
  • 修复的两个既有 bug（APG 此前从未实测）：
    1. kin_torch._cat_gaps 的 p['b'] += s 是 in-place，而 b 被 autograd 索引反向图引用 → backward 报 version 错；改为 p['b'] = p['b'] + s。
    2. APG 段边界 queue.detach() 让下一段执行的动作无梯度；改为只 detach 状态并重置队列（下一 plan 走 r=0 重新提交）。
  • 指标（2 步冒烟）：EVAL0（纯策略）success 0 / 碰撞 31.8%；第 0 步 col（碰撞铰链均值）409508、gnorm 473119（被裁剪）、tgt 206.6、smooth 645；EVAL@2 success 0 / 碰撞 26.0%。
  • 结论：管线已能跑，但损失尺度失控（碰撞铰链均值 40 万，远大于 margin 3mm 的合理量级）；且 APG 展开是纯策略口径（无反馈/安全层/每步规划），与当前部署形态不一致。暂不采用，转「反馈蒸馏」。
  • 下一步：反馈蒸馏——用最终部署配置收集 (特征, 复合动作=模型输出+目标反馈) 样本，微调模型把反馈内化。

轮次 20：反馈蒸馏（exp: exp/dagger-deploy，负结论）

  • 假设：用最终部署配置收集 (特征, 复合动作 = 模型输出 + 目标反馈) 样本，微调后模型可内化反馈（部署时降低/去掉反馈仍能到目标）。
  • 判据：部署口径下 fb_gain=0~0.9 时 success 接近/超过基线（43.8%，n=256），且 time_ok 不降。
  • 配方：rollout 加 collect 钩子（与部署一致：safety、replan='empty'、safety_partial=1、commit_n=1、fb_gain=1.8）收集 500 题 → 17.7 万样本；train.py --config distill.json（lr 1e-4、3000 步、w_value=0、w_sub=0、w_fk=0.1、w_smooth=0.01）+ 主数据 BC 锚定，从 dag2 best 微调。
  • 对照：dag2 + gain 1.8（n=256：43.8% / 28.9% / 1.6% / 0.216 / 40.0 / 956 ms）。
  • 指标（n=256，部署口径）：
模型 gain 到达 time_ok_1p3 碰撞 ratio2s 刹停/题 墙钟/题
distill 0.0 0.8% — 0.0% 0.708 2.1 762 ms
distill 0.9 36.7% 10.5% 1.2% 0.421 12.4 916 ms
distill 1.8 43.4% 27.7% 2.0% 0.228 47.4 925 ms
dag2（基线） 1.8 43.8% 28.9% 1.6% 0.216 40.0 956 ms
  • 结论：反馈未内化——gain=0 时到达仅 0.8%（与基线纯策略一样）；gain=1.8 时与基线持平（43.4 vs 43.8，差约 1 题），碰撞/刹停略差。蒸馏样本占比仅 8.5%、标签仍以主数据增量为主，模型没有学会"看目标修正"。此配方不成立。
  • 下一步：与最终部署配置一致的 DAgger 第 3 轮（采集时已用 safety+fb 1.2，但仍是 3 步提交/全窗口；现在部署是每步规划+部分前缀）。

轮次 21：DAgger-3（最终部署配置采集）（exp: exp/dagger-deploy，负结论）

  • 假设：用最终部署配置（每步规划 + 部分安全前缀 + 反馈 gain1.8 + 安全层）采集，训练分布与部署完全一致，可继续提升。
  • 判据：部署口径 success > 43.8%（dag2 基线，n=256）。
  • 配方：collect --fb_gain 1.8 --safety 1 --replan empty --commit_n 1 --safety_partial 1（500 题、73 起点）→ 老师重规划 → 打包 → 从 dag2 best 微调 15000 步（lr 3e-4，配置 base_dag3）。
  • 对照：dag2 + gain1.8（n=256：43.8% / 28.9% / 1.6% / 0.216 / 40.0 / 956 ms）。
  • 指标（n=256，部署口径）：
模型 gain 到达 time_ok_1p3 碰撞 ratio2s 刹停/题 墙钟/题
dag3 1.5 39.8% 16.0% 1.2% 0.360 14.7 912 ms
dag3 1.8 39.5% 21.1% 1.2% 0.320 24.5 935 ms
dag2（基线） 1.8 43.8% 28.9% 1.6% 0.216 40.0 956 ms
  • 结论：DAgger-3 到达 -4.3 pp（39.5 vs 43.8），time_ok -7.8 pp；碰撞/刹停略好但主指标下降。开环进一步退化（ol_fk 19.5 mm vs dag2 15.7）。负结论：继续微调（15000 步 lr 3e-4）会退化主分布，训练侧收益递减。
  • 下一步：冻结编码器、只微调解码器（假设：微调退化来自表征漂移），用同一份数据与预算验证。

轮次 22：冻结编码器微调（exp: exp/dagger-deploy，负结论）

  • 假设：微调导致的分布退化来自表征漂移；冻结编码器（enc + enc_norm）、只调解码器/头，可保留开环精度同时吸收 DAgger-3 的部署分布样本。
  • 判据：部署口径 success > 43.8%（dag2）且 ol_fk 不退化（≤16 mm）。
  • 配方：train.py --freeze-enc（优化器只含 requires_grad 参数），数据 = 主数据 + DAgger-3 样本，lr 3e-4、5000 步，从 dag2 best 初始化；n=256 部署口径。
  • 对照：dag2 + gain1.8（43.8% / 28.9% / 1.6% / 0.216 / 40.0 / 956 ms）。
  • 指标：
模型 gain 到达 time_ok_1p3 碰撞 ratio2s 刹停/题 墙钟/题 ol_fk
冻结编码器 1.5 39.8% 22.3% 1.2% 0.293 25.4 936 ms 15.8 mm
冻结编码器 1.8 41.8% 26.2% 2.3% 0.274 41.4 940 ms 15.8 mm
dag2（基线） 1.8 43.8% 28.9% 1.6% 0.216 40.0 956 ms 15.7 mm
  • 结论：冻结编码器确实减缓了开环退化（ol_fk 15.8 vs 全微调 19.5），但部署到达仍比 dag2 低 2.0 pp——无提升。至此训练侧四种方法（APG、反馈蒸馏、DAgger-3、冻结编码器）均未超过 dag2 基线（43.8%），训练侧在当前数据/预算下已到平台。
  • 下一步（超出小规模范围，需确认）：更大规模训练（24000 步从头 + 8000×2 轮 DAgger）或改特征/架构（目标条件化、状态扰动训练需重算特征）。

轮次 23：实时性口径评估（exp: exp/dagger-deploy）

  • 背景：870 ms/题是仿真里整条轨迹的总时长（150–300 次规划累加），不是控制延迟。实时口径按 §9.2：每次「推理 + 安全认证」P99 < 20 ms（50 Hz，DT=0.02 s）。
  • 假设：单次规划延迟可以压到 20 ms 以内。
  • 判据：B=1 单题、单次规划（features + sample_k K=8 + 目标反馈 + 安全层）P99 < 20 ms。
  • 优化：① DLS 目标反馈的 6 次串行有限差分改为一次批量 FK（数值差 ≤0.013°，DLS 25→10–17 ms）；② 单题安全层按候选早停（首个全安全候选即停，16 点→2–4 点）。
  • 指标（桌面 RTX 3090，B=1，Python；GPU 时钟抖动使 p50 在 40–65 ms 间波动）：单次规划 p50 40–65 ms / p99 70–80 ms；分解：features 10–17 ms、推理 8–14 ms、DLS 反馈 10–17 ms、安全层 10–17 ms。
  • 实时频率扫描（n=256，部署口径，gain1.8 + safety + partial）：
规划节奏 控制周期 到达 time_ok_1p3 碰撞 刹停/题
每步（commit_n=1） 20 ms 42.2%（n=512） 29.1% 2.9% 37.4
每 3 步（commit_n=3） 60 ms 36.3% 16.4% 1.6% 14.3
每 6 步（commit_n=6） 120 ms 14.8% 3.9% 2.0% 6.1
每 10 步（commit_n=10） 200 ms 2.0% — 1.2% 3.7
  • 结论：当前方案不满足 50 Hz 实时（单次 40–80 ms，超预算 2–4 倍）；42.2% 的成绩依赖每步规划（20 ms 节奏）。实时可行节奏下：每 3 步 → 36.3%（p50 有余量、p99 需继续优化），每 6 步 → 14.8%。实时性是当前方案的硬约束，不是仿真耗时问题。
  • 下一步（需确认）：① 浏览器 ONNX 路径实测（推理 P99 历史 10–12 ms；特征/安全层在 JS 端需 tests/policy_bench.cjs 实测）；② 特征缓存 + 安全层粗筛，目标单次 P99 < 20 ms；③ 或接受「每 3 步规划」的 60 ms 周期（36.3%）。

轮次 24：实时性优化与新方法（exp: exp/dagger-deploy）

  • 目标：准确率更高 + 效率满足 50 Hz（20 ms 控制步）。
  • ① 混合节奏（规划每 3 步 + 执行时每步反馈）——负结论：plan fb1.8 + exec fb1.8 → 36.3%（与纯规划反馈的 commit_n=3 完全相同）；plan fb0 + exec fb1.8 → 仅 1.6%。执行时反馈不带来额外收益（规划时的反馈已是主要贡献），此捷径不成立。
  • ② 特征几何优化（有效）：特征只用 8 组间隙（GP），但原实现算全部 49 组（67256 簇对）。新增 Kin.gm_groups(q, GP, cap)：按 7 连杆组对过滤簇对（簇索引 → cl_g → 组对 min/max），只算 8 组。
    • 数值验证：与 gaps()['gm'][:, a*7+b] 逐项一致（diff 0）。
    • 延迟：gm 计算 10.4→7.1 ms（p50），单次规划省约 3 ms。
  • ③ 浏览器部署：导出 webapp/models/traj_policy.onnx（dag2 best，19.8 MB，对拍误差 3.1e-6，act_scale 1.0）；ik-policy.js 加全程目标反馈（fbGain）+ commit 可配；ik-policy-glue.js 支持 ?fb=&commit=（默认 fb=1.8、commit=3）。
    • JS bench（Node，10 题，fb1.8+commit1）：到达 0、刹车率 47.3%（每 2 次规划刹停一次）、planP50 43.8 / P99 70.5 ms。JS 安全层（5 mm 护栏 + 距离认证）比 Python（0.5 mm gap）保守，反馈+每步规划被大量拒绝。
  • ④ 实时口径的关键认识：部署形态是异步规划（tick 20 ms 只执行队列；plan() 后台跑），所以 50 Hz 的约束是「tick < 20 ms + 规划在队列耗尽前完成」，不是「单次规划 < 20 ms」。
    • JS 的 tick 只做队列执行 + 投影/碰撞检查（~1.5–3 ms）→ 50 Hz 可行；
    • 规划 P99 70 ms → 需要 commit ≥ 4（80 ms 队列）才不饥饿；commit=3（60 ms）会偶发饥饿。
    • 准确率与规划频率的 trade-off：commit1 42.2%（不可 50Hz）、commit3 36.3%、commit6 14.8%。
  • 下一步：① 在 commit=3/4 的实时节奏下找准确率提升（候选平均、dag3_fe 冻结编码器、更高 gain）；② 把 gm_groups 同步到 JS（gapMatrix 只算 8 组）；③ 降低 JS 安全层拒绝率（margin/认证预算调参）。

轮次 25：实时节奏下的准确率探索 + 推理提速（exp: exp/dagger-deploy）

  • 目标：在 50 Hz 可行的节奏（commit=3，60 ms 周期）下提升准确率。
  • 效率优化（有效）：
    • Kin.gm_groups：特征只算 8 组间隙（数值 diff 0），features 10.4→7.1 ms；
    • onnxruntime CPU 推理 3.9 ms（PyTorch 11.1 ms，部署端本来就是 ONNX）；
    • 单次规划 ≈ 7.1（features）+3.9（推理）+11（DLS）+8（安全）+2 ≈ 32 ms p50 / ~45 ms p99；
    • 异步部署下 tick（执行步 + 碰撞检查）2–3 ms → 50 Hz 控制可行；commit=3（60 ms 队列）可覆盖规划 p99。
  • 准确率尝试（n=256，commit=3，gain1.8，safety_partial）：
方法 到达 time_ok 碰撞 ratio2s 刹停
dag2 + consist（基线） 36.3% 16.4% 1.6% 0.277 14.3
dag2 + 候选平均（select=average） 29.7% 20.3% 0.4% 0.432 55.9
冻结编码器模型（dag3_fe） 34.4% 14.8% 2.0% 0.332 15.8
dag2 + commit=4 28.9% 8.2% 3.5% 0.339 10.5
  • 结论：候选平均、冻结编码器、更稀疏规划均未超过 36.3%。50 Hz 节奏下的最佳配置 = dag2 + commit=3 + consist + gain1.8 + safety_partial：到达 36.3% / 碰撞 1.6% / ratio2s 0.277（相对非实时的 42.2% 差 5.9 pp）。
  • 下一步：若要把实时准确率再拉高，需要把单次规划再压到 ~22 ms 以支持 commit=2（40 ms 周期，预计 ~39%）；或提升模型本身精度（训练侧）。

轮次 26：解析雅可比 DLS——去掉差分噪声，准确率大幅提升（exp: exp/dagger-deploy，新历史最佳）

  • 背景：DLS 目标反馈此前用 6 次批量有限差分（ε=1e-3°）求雅可比。float32 下旋转项信噪比只有 ~1%，位置项 ~3.6%（与 autograd 对拍，见下），相当于每次规划往反馈方向注入 2–4% 的随机扰动。
  • 假设：改用几何雅可比（一次 FK）可同时去噪 + 提速；闭环准确率应不降、延迟应下降。
  • 判据：① 雅可比与 autograd 一致（rel < 1e-4）；② n=256 commit=3 到达 ≥ 36.3%（轮次 25 基线，不劣化）；③ DLS 单次延迟下降。
  • 配方：Kin.jac 几何雅可比（Jv_k = a_k×(p−o_k)，Jw_k = a_k，度单位）；dls_steps(analytic=True) 默认；其余同轮次 25（dag2、K=8、gain1.8、safety_partial、replan=empty）。
  • 数值对拍（ml/eval/check_dls.py）：
    • 位置项：解析 J 与 autograd 逐项一致（rel 0.00000）；有限差分 J 自身 rel 误差 3.58%。
    • 姿态项：解析 J 与差分 DLS 输出 max 0.20°/rel 5%（差的部分是 rotvec 的二阶项 Jr(e)，非噪声）。
    • DLS 输出：pos-only max 0.12°，pos+rot max 0.20°。
  • 延迟（B=1，3090）：n=1 9.3→7.1 ms，n=3 27.7→19.5 ms（每次 DLS 少 6 次批量 FK）。
  • 闭环（replan=empty，analytic，n=256）：
commit 到达 time_ok_1p3 碰撞 ratio2s 刹停/题
3（FD 对照，完全复现轮次 25） 36.3% 16.4% 1.6% 0.277 14.3
3（解析 J） 46.5% 16.4% 1.6% 0.337 13.5
2（解析 J） 50.4% 27.0% 2.0% 0.287 22.1
1（解析 J） 57.4% 31.6% 3.1% 0.251 39.1
  • n=512 复核（commit=2，解析 J）：到达 49.2% / time_ok 26.2% / 碰撞 2.3% / ratio2s 0.351 / 刹停 21.0（n=256 的 50.4% 在噪声内）。
  • 结论：
    • 解析雅可比既快又准：commit=3 到达 36.3→46.5%（+10.2 pp），碰撞不变；commit=2 达 49.2%（历史最佳 42.2% 是 commit=1 + FD，现在 commit=2 就超过），碰撞 2.3%。
    • 机理：DLS 差分雅可比在 float32 下的 2–4% 噪声被慢变误差闭环放大（轮次 4/闭环根因结论：σ>0.02×STEP 即崩）；解析 J 去掉噪声后失败题里"能到 50 mm 却到不了"的那批能收敛了（err_fail 中位数 51→217 mm：失败集两极分化，成功集变大）。
    • ratio2s 在 commit=3 变差（0.277→0.337）但到达更多：慢收敛题现在"最终到得了"，不是"更快"。
    • 新历史最佳（50 Hz 目标节奏，commit=2）= 49.2% / 碰撞 2.3% / ratio2s 0.351 / time_ok 26.2%；非实时上限（commit=1）= 57.4%（n=256，待 n=512 复核）。
  • 下一步：① n=512 复核 commit=1；② 积分反馈（fb_ki，针对慢变偏差）在 commit=2 上叠加；③ 浏览器 JS 端同步解析 J；④ commit=2 的 40 ms 周期实测规划 P99（Python/JS）。

轮次 27：解析 J 后重扫增益 + 积分/缓存反馈（负结论）+ 浏览器安全层对齐（exp: exp/dagger-deploy）

  • 目标：解析雅可比改变了反馈噪声结构，重扫增益；同时修浏览器部署路径的安全层（轮次 25 遗留：bench 刹车 47%、到达 0）。
  • 增益重扫（commit=2，empty，analytic，n=256）：
gain 到达 time_ok_1p3 碰撞 ratio2s 刹停/题
1.8 50.4% 27.0% 2.0% 0.287 22.1
2.2 52.0% 29.7% 1.6% 0.329 35.3
2.5 49.6% 34.4% 1.2% 0.334 47.9
2.8 47.7% 34.4% 2.0% 0.362 59.8
  • n=512 复核 gain 2.2（commit=2）：到达 50.8% / time_ok 28.9% / 碰撞 1.4% / ratio2s 0.343 / 刹停 35.9。新历史最佳（50 Hz 节奏）= gain 2.2 + commit=2。
  • 负结论：
    • 积分反馈（fb_ki=0.3，decay0.9，限幅0.5·STEP）：到达 48.0%（gain2.2 单独 52.0%），−4.0 pp。慢变偏差用积分项补偿会过冲，不采用。
    • 反馈隔次复用（fb_every=2，省 ~3.5 ms/次规划）：到达 46.9%（−5.1 pp）。误差方向变化比预期快，缓存不成立。
  • 浏览器部署修复（有效）：三个与 Python 仿真不一致的 bug 修掉后（webapp/js/ik-policy.js）：
    1. tick 不夹关节限位（Python clamp_box 每步夹）→ q 一旦越限，认证的 inBox 永远拒绝所有候选，原地刹停到超时（certWhy.box 2650 次）；现执行与候选投影都夹 LIM。
    2. 安全层整段拒绝 → 刹停；移植 safety_partial：整段不过时依次缩短前缀，执行到第一个不安全步。
    3. 新增 segCert 开关（默认 true）：连续区间认证（距离下界递归）~40 ms/次，是 50 Hz 预算的主要超支项；关闭后改为离散判定「每步端点+中点 collideFree」（与 Python 安全层同口径），默认仍走严格认证，bench 用 --seg 0 测部署口径。
    • JS bench（nc10，fb2.2，commit2；node tests/policy_bench.cjs ... --seg 0）：
集合 修复前 ok/reached 修复后 ok/reached 刹车率 safety P50 plan P50 / P99
near_column_pos 0/—（轮次 25） 5/7 79.5→48.1% 41.6→19.8 ms 56.1→33.5 / 61.1 ms
near_column_pose 0/— 3/3 80.4→31.6% 43.4→22.8 ms 57.3→37.6 / 66.3 ms
  • 结论：实时配置定为 dag2 + 解析 J + gain2.2 + commit2 + safety_partial + replan=empty：n=512 到达 50.8%、碰撞 1.4%。浏览器端从「0 到达 + 47% 刹车」恢复到 nc 集可达，plan P50 33.5/37.6 ms；P99 仍 61–66 ms，commit=2 的 40 ms 队列会偶发饥饿，需继续压 P99（K/安全候选数/JS 特征）。
  • 下一步：① Python 测 safety_try=1（只认证首选候选）对准确率的影响，若无损则 JS 同步（省多次 collideFree）；② K=4/6 的准确率-时延权衡；③ JS gapMatrix 同步只算 8 组特征；④ commit=2 异步部署的饥饿率实测。

轮次 28：端点进度选择——时间效率大幅提升（exp: exp/dagger-deploy，新历史最佳）

  • 假设：一致性选择奖励"与上一条计划一致"，但失败主因是超时（轮次 13：失败 57% 是超时）。改成直接按候选块末态离目标的距离选（select='endpoint'），应提升时间效率与精度。
  • 判据：time_ok_1p3 显著上升、到达不降、碰撞 ≤3%。
  • 配方：dag2 + 解析 J，gain2.2，commit=2，replan=empty，safety_partial；n=256 → n=512。选择器用 goal_err(fut[-1])（只做一次 K 端点 FK，不额外推理）。
  • 指标（n=256，commit=2）：
选择器 到达 time_ok_1p3 碰撞 ratio2s 刹停/题
consist（轮次 27） 52.0% 29.7% 1.6% 0.329 35.3
endpoint 52.7% 37.5% 2.3% 0.210 34.6
mix（consist − 0.1·端点mm） 50.0% 30.5% 2.3% 0.300 35.1
  • n=512 复核（endpoint，commit=2）：到达 52.1% / time_ok 35.2% / 碰撞 2.0% / ratio2s 0.285 / 刹停 35.7（consist n=512：50.8% / 28.9% / 1.4% / 0.343 / 35.9）。
  • 节奏曲线（endpoint，n=256）：commit=1 → 59.4% / 42.6% / 3.9% / 0.133；commit=2 → 52.7% / 37.5% / 2.3% / 0.210；commit=3 → 47.7% / 27.0% / 1.2% / 0.245。
  • 负结论：
    • safety_try=1/2（只认证前 1/2 条候选）：41.4% / 44.9%（全 K 52.0%）——候选兜底对到达贡献 ~10 pp，不能省。
    • K=4：47.3%（K=8 52.0%）——少采样同样损失到达。
    • DLS 兜底半步（全拒时朝目标走一步并认证）：52.3%（基线 52.0%），碰撞 1.6→2.7%，无收益；重复多步版本碰撞 45.7%（第二步未认证），已回退为单步且默认关闭。
    • 增益调度（远 2.8/近 2.2）：47.3% / time_ok 32.8%，等同 gain2.8 常数；高增益在远处就造成过冲，按距离衰减无效。
  • 浏览器同步：select='endpoint' 进 Runner/bench（--select endpoint），冷启动跳过 8 份前瞻（省 ~80 ms P99，冷启动价值评分被端点排序替代）。nc10 bench（--seg 0 --select endpoint）：pos ok 4/5 reached、pose ok 2/4，刹车率 32.1%/25.5%（consist 48.1%/31.6%），planP50 31.9/36.5 ms、P99 63.5/67.5 ms。
  • 同步 bench 耗时与队列耗尽估算（不是 50 Hz 调度实测）：Runner 的 starveTicks = max(0,ceil(planMs/20) − 规划时队列步数)，不含真实 tick 时间戳。
集合（endpoint, commit=2, --seg 0） 到达 ok/reached 刹车率 planP50/P99 估算饥饿 tick/次规划
near_column_pos (10) 4/5 32.7% 32.0/62.1 ms 0.87
near_column_pose (10) 2/3 25.6% 36.8/68.0 ms 0.78
route40 (20) 12/13 40.4% 44.3/68.1 ms 1.26
  • commit=2 对应 40 ms 队列，route 集 planP50 44 ms 已超过；估算提示可能饥饿，但该 bench 等规划完成才 tick，没有观测实际空转。
  • commit=3 对应 60 ms，仍低于上述 P99，不能据此宣称连续 50 Hz。其 Python 同步结果：endpoint n=256 → 47.7% / 27.0% / 1.2% / 0.245；gain2.5 为 45.7% / 24.6%。
  • 结论（经轮次 29 更正）：端点选择 + 解析 J + gain2.2 + commit=2 + safety_partial，在 n=512 同步仿真为 到达 52.1% / time_ok 35.2% / 碰撞 2.0% / ratio2s 0.285。历史 42.2% 使用 commit=1 与 FD，非单变量对照。commit=1 到达 59.4% 但碰撞 3.9%；无论 2.0% 还是 3.9%，开安全层均未通过零碰撞要求，实时性亦未通过。
  • 下一步：先查碰撞来源，保持严格认证和查看器默认；再测真实异步调度及认证成本，不因 Python 收益直接切换部署默认。

轮次 29：安全层全拒后减弱目标反馈（exp: exp/dagger-deploy）

  • 假设：目标反馈将绕障候选推向障碍，连续全拒会反复停在同处；仅在上一计划被全拒时减小下一计划反馈，可能保留正常段收敛速度并减少重复刹停。
  • 判据：同任务、同 seed、同 K、同认证下到达和 time_ok 不下降，碰撞不增加；部署门槛仍是零碰撞及真实时延达标。所有实验不重训、不扩大数据。
  • 固定配方：python -m ml.eval.eval_cl --n 256 --K 8 --commit 2 --fb 2.2 --partial 1 --replan empty --select endpoint --seed 0；dag2 checkpoint、几何雅可比。下表仅改列出的参数，默认 fb_block_gain=1,dls_safety=0。512 题按两个 256 批、每批 seed=0，沿用轮次 28 顺序。
改动（n=256） 到达 time_ok_1p3 碰撞 ratio2s 刹停/题
原配置复跑 52.7% 37.5% 2.3% 0.210 34.6
--dls_safety 1 52.7% 37.5% 2.0% 0.210 34.6
--fb_clear 20 --fb_cmin 0.3 32.0% 5.9% 1.2% 0.323 3.2
--sub_refresh 1 51.6% 35.5% 2.0% 0.279 33.8
--select adapt 52.7% 37.9% 2.3% 0.210 34.6
--fb_block_gain 0.3 56.2% 38.7% 3.1% 0.178 17.2
--fb_block_gain 0.5 57.4% 39.1% 3.1% 0.210 19.3
--fb_block_gain 0.7 55.5% 38.3% 2.3% 0.189 25.0
--fb_block_gain 0.5 --dls_safety 1 57.4% 39.1% 2.7% 0.210 19.2
  • 单独减半反馈 n=512：到达 55.1% / time_ok 36.1% / 碰撞 2.5% / ratio2s 0.251 / 刹停 19.5；相对轮次 28 同规模基线 52.1% / 35.2% / 2.0% / 0.285 / 35.7，到达 +3.0 pp、碰撞也 +0.5 pp，不满足“碰撞不增加”判据。
  • 为何不采用其他变体：所有近障碍状态都衰减反馈会明显拖慢到达；子目标重预测无收益；adapt 全拒后旧计划本来就失效，一致性分数全为 0，实质变成等分选首条而非“继续绕行”。
  • 原配置失败分解（n=256）：135 题按时到达，121 题失败（其中 20 题后来才到，101 题始终没到）。A/B/C/D/Dr 分别 128/74/32/13/9 题，B/C 失败题刹停中位数约 96/93 次；D 留在分母，不用删题提高成绩。
  • 碰撞定位：原配置共 6 题碰撞，只有 224 号首次碰撞紧跟 DLS 接管；另外 5 题首次碰撞早于接管或根本未接管。为 DLS 加端点/中点检查仅减少 1 题，不能解释剩余碰撞。候选认证的未夹紧累加点与执行的逐步夹紧点不同是待验证假设，尚不能断言根因。
  • 计时：n=256 减半反馈+DLS检查整批墙钟 243.6 s，单独减半 n=512 为 443.4 s；这些不是规划时延，不能证明 50 Hz。反馈条件分支未增加几何查询，但其实际延迟收益未测。
  • 记录改进：评估输出完整参数、checkpoint/任务 SHA256、批大小和随机种子规则；增加时限内无碰撞到达率；修正 n_ref、参考时间占比和条件指标的跨批汇总。可保存实际轨迹供不重新采样的回放，NaN 在 JSON 中写为 null，执行进度每 50 步输出。
  • 回归检查：python -m unittest tests.test_eval_cl -v 六项通过，覆盖跨批分母、空条件集、非有限数、首撞探针正对照、精修被拒后保留安全候选、只有全拒后才减弱反馈。精修对照在关闭检查时确实碰撞，打开后保留候选，证明门会执行；这是合成测试，不替代真实几何验收。
  • 仍未修复的边界：fb_fallback=0 保持关闭；非部分前缀分支仍有“只验一步却重复执行”问题，不能开启部署。速度限制在反馈叠加前而非叠加后，尚未验证速度/加速度符合硬约束。
  • 减半反馈 + DLS 检查的 n=512 复核（完整输出 docs/experiment_round29.json）：到达 282/512 = 55.1%、时限内无碰撞到达 280/512 = 54.7%、time_ok 36.1%、碰撞 9/512 = 1.8%、ratio2s 0.251、刹停 19.23/题。到达题末端误差中位数 0.196 mm；有参考且到达题的行程比中位数 2.425（远高于 1.10 要求）。整批墙钟 488.4 s，非控制延迟。
    • 完整命令：python -u -m ml.eval.eval_cl --n 512 --commit 2 --fb 2.2 --partial 1 --replan empty --select endpoint --fb_block_gain 0.5 --dls_safety 1 --out docs/experiment_round29.json --dump ml/runs/round29_rows.json --trace ml/runs/round29_trace.pt。
    • 与轮次 28 同规模端点基线相比，到达 +3.0 pp、time_ok +0.9 pp、碰撞少 1 题（10→9），不足以宣称稳定安全改善；n=256 碰撞仍由 6→7 题。
  • 首撞回放（docs/experiment_round29_collisions.json）：python -m ml.eval.diag_collision --trace ml/runs/round29_trace.pt --out docs/experiment_round29_collisions.json。9 题首次碰撞在 CPU float32/float64 均复现，均位于 J5 限位；q0 与首次碰撞前一点均为正间隙，首撞采样点负间隙约 −0.017 至 −0.936 mm。这排除了这 9 次碰撞由起点本就碰撞或 float32 单独翻号造成，但还需要记录原认证点才能证明夹紧的因果作用；0.01° 加密仅覆盖首撞段，不是整条轨迹安全审计。
    • 双精度运动学/间隙另与已有 JS 2000 个样本对拍：python -m ml.eval.check_parity PASS，碰撞布尔差 0、间隙最大差 2.53e−13 mm。首撞回放仍共用碰撞模型，不替代真机或独立连续认证。
  • 结论与下一步：减少连续刹停确有小样本收益，但碰撞、行程和真实时延仍未过门槛；保留为实验选项，不更改查看器默认。下一轮记录原认证点与 J5 夹紧后实际点，修复后用同批同 seed A/B 和独立细采样复核，禁止靠关掉认证提速。

轮次 30：认证与执行统一逐步限位（exp: exp/dagger-deploy，局部修复有效，仍未零碰撞）

  • 假设与判据：安全层认证的是未夹紧累加轨迹，执行器却逐步夹紧 J5，导致认证通过后碰撞。必须同时证明原证书安全、执行点碰撞、记录命令经执行算式能准确重建实际点；修复后保持同任务、同种子、同模型、同增益和同排序，到达不下降，并用不依赖原 col 标记的加密回放检验。
  • 固定配方：python -u -m ml.eval.eval_cl --n 256 --commit 2 --fb 2.2 --partial 1 --replan empty --select endpoint --fb_block_gain 0.5 --dls_safety 1；K=8、seed=0、analytic DLS、dag2 checkpoint、fallback=0，其余参数默认；分别附 --out docs/experiment_round30_before.json --trace ml/runs/round30_before.pt --dump ml/runs/round30_before_rows.json 和对应的 after 路径。未训练、未扩题、未改 JS 默认。
  • 可比性：取证版 before 与轮次29首批256题完整轨迹逐元素完全相同（最大差 0°），ok/col/brakes/err/t_done/first_hit 也完全相同；before/after 配置仅输出路径不同。任务 SHA256=249bd93457825cda98c59e64d9a096d3473c69aeb3553de1dea6d9e56be71772，checkpoint SHA256=f7f686fd8ee92fb6948fbcc4ee954636065ad87bb54f661c4f8f575bc16c2ce1，kin_fp=2ebcbf17。
  • 直接证据（docs/experiment_round30_certificates.json）：旧版7次首撞的原认证端点/中点在 float32 与 float64 均为正间隙，实际执行段均有负间隙；clamp(previous + recorded_command) 与实际端点逐位一致。原证书与实际点主要差在 J5，首撞段差 0.340°–4.317°；其他轴仅有最高约 7.6e-6° 的累加舍入差，不足以解释毫米级穿入。全部有效认证步中，5298/34069 步偏差 >0.001°，最大 7.587°。
  • 修复范围：execution_points 按执行器相同顺序逐步夹紧，端点和中点都由实际路径计算；整段、部分前缀和近目标 DLS 共用。r3 的旧队列终点和特征前缀改为真实执行结果。fallback 保持实验默认关闭，但两分支统一为“认证一步后补零”，不再把只验过一步的动作重复执行；端点和中点都认证。候选排序和反馈增益未改，0.5 仍只是间隙截顶，正间隙判据没有放宽。
指标（同256题） 修复前 修复后
按时到达 147/256 = 57.4% 同147题，57.4%
原端点/中点口径无碰撞到达 145/256 = 56.6% 147/256 = 57.4%（下述加密审计否定其“全程无碰撞”含义）
time_ok_1p3 39.1% 39.1%
原端点/中点口径碰撞题 7/256 0/256
成功题末端误差中位数 0.1951 mm 0.1890 mm
成功题平均时间 2.2993 s 2.3076 s
2 s 误差比中位数 0.2100 0.2100
刹停/题 19.2383 19.2500
成功题指令行程比中位数 2.4450 2.4450
从实际轨迹重算成功题行程比 2.4251 2.4251
整批同步仿真墙钟 247.515 s 248.834 s
  • 执行一致性复核（docs/experiment_round30_comparison.json）：修复后34107个有效认证步，认证端点/中点与实际执行点均逐位一致，最大差 0°；有效时段没有未经认证的移动步。这里“认证”仍仅指离散端点/中点，不能推出连续安全。CPU B=1、commit=2 的预测函数单独测量：100次预热、1000次采样、单线程，P50 0.0388→0.0518 ms，P99 0.0691→0.0939 ms；不是完整规划延迟，不能证明50 Hz。
  • 独立加密审计的正反对照：预先固定12题 0,21,84,128,145,164,175,180,197,215,224,255，其中包含全部7题旧首撞及5题其他任务；不按新版 col 过滤。逐题回放至自身时限或到达，含起点，每个插值段最大轴步距≤0.05°并包含中点，float64、每批64点。命令：python -u -m ml.eval.diag_collision --trace ml/runs/round30_before.pt --dense_indices 0,21,84,128,145,164,175,180,197,215,224,255 --max_step_deg 0.05 --device cuda --out docs/experiment_round30_dense_before.json，after 同理；串行运行。
    • before：56118点，7/12题检出碰撞，14.870 s；证明探针确实能抓旧碰撞。
    • after：56566点，仍有1/12题碰撞，15.057 s；其余11题采样点间隙为正。这是小样本有限采样，不是完整256题的连续认证。
    • 剩余第180题，执行段1.08–1.10 s：上一点/中点/端点 float64 间隙为 0.5 / 0.11723 / 0.06521 mm，都安全，但段内约76.6%处为 −0.14927 mm；该段0.01°再加密185点仍检出，见 docs/experiment_round30_missed_segment.json。因此这次残余是端点/中点漏检，而非认证与执行错位；它比旧离散首次碰撞1.14 s还早。不得把内部计数0当成修好了；已知真实无碰撞到达至多146/256=57.0%，其余未加密任务仍未知。
  • 回归与判据灵敏度：python -m unittest tests.test_eval_cl -v 14项通过。覆盖整段/部分限位拒绝、只保留真实安全前缀、DLS被拒后保留候选、r3旧队列起点和特征前缀及逐点证书、fallback单步/中点拒绝。把预测函数在内存中替回旧算式，限位、DLS和r3测试重新失败。加密探针另有合成正对照：原端点/中点全安全且 col=0，仍检出四分之一处薄障碍；安全负对照、截止后/到达后碰撞排除均通过。
  • 新增硬约束证据：before/after 两组256题实际轨迹都出现超速，最大 1.660004×VMAX（来源是动作限幅后叠加0.3×gain2.2反馈）。实际各轴最大速度约 [99.600,99.600,149.400,149.400,199.200,298.800]°/s，并非只看原始指令推测。行程仍约参考2.425倍；速度、加速度和真实控制时延均未达部署验收。历史 travel 累积的是指令而非夹紧后位移，本轮已同时列出实际轨迹重算值，不悄悄换分母。
  • 结论与下一步：逐步限位一致性修复有效，未牺牲本批到达率；但加密审计仍检出段内碰撞，不能部署、不能宣称零碰撞或50 Hz合格。下一轮先验证更强的段内认证，再单独评估反馈后的速度/加速度约束与真实端到端调度；每次保持小样本单变量对照，继续保留失败证据。

轮次 31：连续段认证的确定界与成本实测（exp: exp/dagger-deploy，判据变强，实测进不了 20 ms）

  • 假设与判据：轮次 30 的端点/中点检查漏掉段内碰撞（第180题 1.08–1.10 s，段内 −0.14927 mm，端点/中点均正）。若用可证明的全姿态运动界对整段做 Lipschitz 判据，应当(a) 在同一个漏检段上给出碰撞或拒绝，(b) 预算不足时只会拒绝而不会放行，(c) 不放宽 >0 判据。判据失败或耗时超预算都算负结论，必须实测不能外推。
  • 确定界替代随机采样界：JS 侧 leverTable(4000)/leverBounds(20000) 是随机姿态最大值再 ×1.05，不是全姿态上界。本轮按三角不等式给闭式界：组 g 的胶囊端点到关节 k(<g) 的最大位移 = (Σ_{j=k}^{g-2}‖P[j+1]−P[j]‖ + max_e‖e−P[g−1]‖)·|Δq_k|（k=g−1 时末项换成端点到该轴的垂直距离），组对 (ga,gb) 只累加 ga..gb−1，取组内最小仍保留 Lipschitz 性质。Python 端 Kin.cert_lever（15×6）即此表，未改 lever，也未改 JS。
  • 界的量级（STEP=[1.2,1.2,1.8,1.8,2.4,3.6]°）：单整步在各组对上的位移界 5.93–48.86 mm，0 层通过要求端点间隙之和 > 界，即单端间隙至少 3.0–24.4 mm。实际执行段的间隙普遍只有 0.001–0.5 mm，所以“必须细分”是结构性的，不是实现缺陷。
  • 基础求距 bug 与影响范围：模型里有 1 个退化胶囊（索引 686，组 3）。旧 seg_seg_dist 在第二条线段退化成点时固定取该点为第二条起点，没把点投影到第一条线段上——[0,2] 段对点 1 的实测距离旧值 1 mm、反向调用约 1e−9 mm、真值 0。修复后在已有 2000 个对拍姿态的前 64 个姿态上，670 个“退化胶囊作第二条”的细对里 20661/42880 个距离变小（旧值偏大，最大 86.003 mm），正反调用一致。但这批变化没有进入判定：把轮次 30 修复后 48 段的 7586 个 0.01° 加密点分别用修复前(95da491)与修复后内核重算，组最小间隙逐位相同（最大差 0.0 mm）、碰撞布尔差 0；python -m ml.eval.check_parity 仍 PASS（2000 样本，fk 4.55e−13 mm、间隙 2.52e−13 mm、特征 5.96e−08、梯度相对误差 1.85e−06、碰撞布尔差 0）。即这轮修复是正确的，但不解释轮次 30 的漏检，也不改变既有成绩。
  • 认证实现：Kin.certify_segments 为 float64 批量前沿二分，每根段独立查询预算，端点间隙用 min(gap,cap) 故钳制只会更保守；判据 ga+gb > bound+2eps 且两端 >eps，任一子段碰撞即整根判碰撞；超深度、超预算、非有限间隙、越出关节盒一律拒绝（unresolved/outside_box），不放行未知。宽相位 cap 可按本层界收到 bound/2+eps（adaptive_cap）。尚未接入 rollout，未改查看器默认。
  • 48 段固定样本（docs/experiment_round31_certificates.json，沿用轮次 30 的 12 题，每题取首/中/末移动段 + 原证书最小间隙段 + 显式指定 180:54；cap=20、eps=1e−4、max_depth=12）：
    每根查询预算 判安全 判碰撞 未知拒绝 查询数 p50/max
    2 20 0 28 2 / 2
    8 26 1 21 4 / 8
    32 37 1 10 4 / 32
    • 已知漏检段（180 题执行段 54）判碰撞，仅用 5 次查询；该段原证书 certified=true、原内部 col=0。48 段里 0.01° 加密采样检出碰撞 1 段，认证接受该类段 0 段；整批与逐根调用结果逐位一致。
    • 拒绝不等于安全：预算 2 时 28 段全部落 unresolved，实现不会把未知当通过。
  • 成本模型对上实测（docs/experiment_round31_cert_cost_model.json）：按最紧组对的界，所需层数 L=ceil(log2(bound_pair/(ga+gb)))、查询数 2^L+1。37 个判安全段需要 2–17 次（L=0..4），10 个未知段需要 33 或 65 次（L=5..6），与预算 32 恰好卡在中间一致；碰撞段因提前撞到负间隙只用 5 次。结论：认证成本由 bound/间隙 的对数决定，降低界或提高间隙余量才是可行杠杆，加预算只是线性买单。
  • 耗时负结论（CUDA float64、B=1、驻留输入、每段4次预热+9次计时、变体按段交错，docs/experiment_round31_adaptive_cap.json）：单段认证 P50 22.93 ms、P90 58.43 ms、P99 101.57 ms，432 次里 225 次 > 20 ms；自适应 cap 交错重测 P50 23.21 ms、P99 99.10 ms，决策完全相同、耗时无收益。先前顺序测得的“1.6×、整批 72→14.8 ms”经交错复测判定为 GPU 时钟/顺序漂移，不作为结论（48 根整批复测 260→212 ms 仍受同一偏差影响，且部署不会出现 48 根同时认证）。因此连续认证按当前实现不能进 20 ms，更不能宣称 50 Hz。
  • 回归与判据灵敏度：python -m unittest tests.test_eval_cl 23 项通过（轮次 30 为 14 项）。新增段认证 8 项覆盖：薄障碍段内碰撞被界抓到而清晰段被接受、预算/深度耗尽只拒不放、恒间隙合成段上预算 4/8/9 对应查询 3/5/9（验证细分层数与查询数的解析关系）、批量与逐根及乱序一致、空批与全拒前沿、NaN/±Inf 间隙拒绝、越界拒绝、退化距离对称性与梯度。变异实测：把类型门去掉后 max_depth=torch.tensor(255,dtype=torch.uint8) 会回绕成 range(0)、整段判据被跳过，真实间隙 −0.05 mm 的段直接返回 safe=true；加门后同一调用报 certification budgets must be plain ints。这是本轮抓到的第二个误放行路径（第一个是轮次 30 的未夹紧认证）。
  • 口径与边界：认证只在 float64 下进行，浮点求距误差没有形式上界（seg_seg_dist 距离下限约 1e−9 mm），eps=1e−4 mm 是工程容差不是证明；48 段取自轮次 30 修复后的执行轨迹，是固定样本不是新策略闭环；连续认证未接入 rollout，实际执行仍走端点/中点离散检查；速度/加速度超限（轮次 30 实测最大 1.66×VMAX）本轮未处理。
  • 结论与下一步：判据确实变强（抓到离散检查漏掉的段内碰撞、未知只拒不放），但成本与 bound/间隙 的对数绑定，当前实现不能部署，也不得把“认证通过”说成零碰撞。下一步两条：(1) 把逐层依赖的二分改成一次均匀细分（固定层数、单个 gaps 调用覆盖全部子段），其实时可行性取决于几何查询成本随批大小是否近似平坦；(2) 把余量要求移到规划/速度侧——实际轨迹贴着 0.001–0.02 mm 间隙走，任何认证方案都会退化成几十次查询，而反馈叠加后的速度约束本来就是未完成项。

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）。
Reference in New Issue View Git Blame Copy Permalink