Robot_Arm/docs/本机执行清单.md

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

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）

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。