Robot_Arm/docs/探索日志.md

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。

轮次 32：均匀细分认证与确定界的反证（exp: exp/dagger-deploy，认证仍进不了 20 ms，但定位到真正的成本杠杆）

• 本轮假设：第31轮的二分认证把成本花在多次依赖的 gaps 调用上（B=1 时每次约 7 ms 起步）。若改成固定层数的一次均匀细分，同样的判据应只付一次调用；同时需要单独证明"这个确定界本身没被低估"，否则判据再快也没意义。

• 实现：Kin.certify_uniform(a, b, n, eps, cap=None)——每根段取 n 个子段、一次 gaps 调用查 n+1 个点，对每个子段用与二分版完全相同的判据（子段两端间隙之和 > 子段位移界 + 2eps；界对 Δq 线性，故子段界 = 整段界/n）。没有"未决"状态：证不出就是 unproven（拒绝），不存在把未知当安全。未接入 rollout，未改查看器默认。

• 确定界的反证（docs/experiment_round32_bound_falsification.json）：对 48 段每段取 121 个网格点，逐组对比"实测最小间隙"与"预测下限 (ga+gb−bound)/2"。720 项检验0 违例；但只有 61 项有信息量（预测下限 < 观察 cap 2 mm 才可能被证伪；其余组对的预测下限中位数 15.9 mm、最大 19.96 mm，都被钳制恒等式自动满足）。61 项里最紧的一项仍比预测下限高 0.035 mm，p10 高 0.544 mm。因此这是"未能在真实运动上证伪该界"，不是"证明了该界"；浮点求距误差仍未做形式化上界。

• 接受率曲线（48 段单根，docs/experiment_round32_uniform_validation.json）：

  子段数 n	判安全	判碰撞	证不出	二次加密(2n+1点)反证的误放行
  8	26	1	21	0
  16	30	1	17	0
  32	34	1	13	0
  64	36	1	11	0
  128	38	1	9	0

  第180题 1.08–1.10 s 那段（第30轮加密回放检出 −0.14927 mm、原离散证书 certified=true）在每个 n≥8 都判碰撞。

• 宽相位 cap 的正确公式（对第31轮一条负结论的更正）：第31轮用 bound/2 + eps，那个值恰好会把本可通过的子段钳成不可证，所以既没提速也可能少接受；本轮改成"最小不挡住判定的宽相位"= 最大子段界 + 2eps，n=4 时是 5.92 mm、n=128 时 0.37 mm。第31轮那句"自适应 cap 无收益"只在旧公式下成立，新公式的实测收益见下表（原记录保留，不回改）。

• 计时 A/B（docs/experiment_round32_uniform_latency.json；B=2 根=部署 commit2 口径，24 对根逐对按正序/逆序交替测全部配置，每配置 3 次预热 + 7 次计时 = 168 次；CUDA float64）：

  配置	宽相位 mm	P50	P90	P99	>20 ms 次数	安全/碰撞/拒（48根）
  均匀 n=8 auto	5.92	9.68	13.03	15.16	0/168	26/1/21
  均匀 n=16 auto	2.96	14.14	18.45	20.87	5/168	30/1/17
  均匀 n=32 auto	1.48	20.21	27.88	32.27	87/168	34/1/13
  均匀 n=64 auto	0.74	31.43	48.75	57.70	165/168	36/1/11
  均匀 n=128 auto	0.37	59.76	89.06	109.09	168/168	38/1/9
  均匀 n=8 cap20	20	13.13	16.44	20.96	3/168	26/1/21
  均匀 n=32 cap20	20	28.41	39.58	53.02	153/168	34/1/13
  均匀 n=64 cap20	20	50.85	75.51	88.36	168/168	36/1/11
  均匀 n=128 cap20	20	98.46	139.98	167.04	168/168	38/1/9
  二分 budget32	20	54.88	82.15	117.20	133/168	37/1/10
  二分 budget65	20	71.83	108.56	122.53	133/168	41/1/6

  • auto 与 cap20 的决策列完全相同，只是快 1.36–1.65×（n=8 13.13→9.68、n=128 98.46→59.76）：这次是交错实测的真收益，不是第31轮那种顺序漂移。
  • 单次调用的均匀细分在同样接受率下比二分便宜 5 倍以上（n=8 9.68 ms vs 二分 54.88 ms），但二分在同样时间能多证出 11 根——两条路的取舍由下一段的结论决定，不单看耗时。

• 负结论（部署口径）：只有 n≤16 能把认证本身压进 20 ms（P50 9.68–14.14 ms），而这档只能证出 48 根里的 26–30 根（54–63%），其余必须刹停；n=32 起 P50 就已经吃满 20 ms，还没算推理。所以连续段认证按现有几何口径不能同时满足"P99<20 ms"和"不牺牲到达"。这些数是 CUDA float64 的单次调用，不能外推到浏览器 CPU float32 的 50 Hz 链路。

• 机理定位与下一步：成本 = 单次调用固定开销 × 由 log(bound/间隙) 决定的层数。要同时拿到"证得出"和"证得起"，必须把间隙抬起来（安全层要求正余量，而不是 gap>0）并把每步位移压回去（反馈叠加在 ±1 限幅之后，导致第30轮实测最大 1.66×VMAX，界也随之变大）。顺带记下一个坑：安全层现在是 kin.gaps(allq, 0.5)，截顶值 0.5 mm 低于任何 >0.5 mm 的余量门限，直接把余量判据变成恒假——加余量必须同时抬这个 cap。

• 回归与判据灵敏度：python -m unittest tests.test_eval_cl 26 项通过（新增 3 项均匀细分）。含解析对照：合成恒间隙段（界 1 mm/度、间隙 0.1 mm）在 n=5 必判证不出、n=6 必判安全，且 cap_required_mm 等于 1/n+2eps；薄障碍在 n=4/8/64 判碰撞而 n=2 只判证不出（不误放行）；n 给成张量被类型门拒绝。二次加密反证在 n=8..128 全部 0 误放行。

轮次 33：把速度做成可观测的硬约束，再测限幅与余门的代价（exp: exp/dagger-deploy）

• 仪表先行：rollout() 现在逐题记录实际执行的速度比 max_j|Δq_j|/STEP（STEP=VMAX·DT，所以 1.0 = VMAX）和按控制步的速度变化比；eval_cl 汇总 speed_ratio_p50/p95/max、over_vmax_rate、accel_ratio_p95/max，并把逐题值放进 per（极值/分位不进按 n 加权的批聚合）。

• 仪表自证：用第30轮 after 的 trace 独立重算得 max 1.660004×VMAX、超速度题占比 1.0，与新指标在同一批上逐位一致（speed_ratio_max 1.660003662、over_vmax_rate 1.0）；这是"先证判据有灵敏度"，不是拿新数当结论。

• 默认路径未变：--inc_cap 0 --gap_margin 0（新默认）跑出的每个旧指标与第30轮 after 完全相同——success 0.57421875、无碰撞到达 0.57421875、time_ok 0.390625、碰撞 0、刹停 19.25、行程比 2.4449527263641357、ratio2s 0.20997506380081177、成功题误差 0.18899640440940857、dls_share 0.625（docs/experiment_round33_base.json）。整批墙钟 296.3 s 与第30轮 248.8 s 不可比：这期间我在同机跑了 CPU 分析，属自我污染，仪表开销需独占另测，不作为结论。

• 两个新开关：inc_cap=1 在反馈叠加之后再按每轴 VMAX·DT 限幅（此前 inc=clamp(act,±1)·astep 之后又加 gain×fb，所以 1.66× 是结构性的）；gap_margin>0 让安全层要求间隙 > 余量而非 >0，并把宽相位 cap 自动抬到 margin+0.5——不抬的话 gaps(allq, 0.5) 的截顶值 0.5 会让任何 >0.5 的余量门限恒假。col（真实碰撞计数）仍按 gap≤0 判，不随余量改变，所以两者不会互相顶替。

• 部署侧同病（只读核查，未改 JS）：webapp/js/ik-policy.js:355 也是 inc[s][j] += fbGain*fbStep[j] 在 ±1·STEP 之后叠加，所以浏览器控制器同样能超 VMAX；JS 的余量是 o.margin=5 的投影式护栏（project() 每轴 ≤projMax，只处理 gap<margin 的近距对），与本轮的"低于余量就刹停"不是同一机制；ACC=5.0 只用于刹停段长度，不是每步加速度上限（§9.2 也没给数值化的加速度门槛，所以 accel_ratio 只作变体间比较）。

• 间隙分布的口径坑：第30轮 plans['gaps'] 是在 cap=0.5 下记录的，所以"最小间隙 ≥1 mm 的题占 0"是截顶假象。可说的是：逐题最小记录间隙 p5 0.0005、p25 0.0064、中位 0.046 mm，57.4% 的题曾低于 0.5 mm——即策略实际贴障碍飞，而查看器护栏是 5 mm。要把 0.5 以上那段分开，必须抬 cap 重算（本轮后续做）。

• 四组单变量对照（同 256 题、同 seed、其余按第30轮配方）：base / inc_cap=1 / gap_margin=0.5 / 两者同开。结果见下表。

• 四组单变量对照结果（同 256 题、同 seed、K=8、commit 2、fb 2.2、fb_block_gain 0.5、dls_safety 1、select endpoint、replan empty、partial 1；docs/experiment_round33_{base,cap,margin,both}.json）：

  变体	到达	无碰撞到达	time_ok_1p3	真实碰撞	刹停/题	速度比 p50	超 VMAX 题占比	2 s 误差比
  base	147/256 = 0.5742	0.5742	0.3906	0	19.25	1.660	1.000	0.2100
  --inc_cap 1	134/256 = 0.5234	0.5234	0.2656	0	19.55	1.000	0.000	0.2790
  --gap_margin 0.5	144/256 = 0.5625	0.5625	0.3789	0	20.05	1.660	1.000	0.1817
  两者同开	133/256 = 0.5195	0.5195	0.2617	0	19.97	1.000	0.000	0.2870

  • 速度限幅是有代价的硬约束：每轴增量限回 VMAX 后到达 −5.1 pp、time_ok −12.5 pp、2 s 误差比 0.210→0.279。也就是说 base 的 57.4% 里有一部分是用超速换来的：反馈在限幅之外叠加，实际替模型补了速度。不能把 base 当作"满足速度约束的成绩"。
  • 机理：base 速度比 p50=1.660 恰等于 1+0.3×fb_gain 2.2；限幅后刹停几乎不变（19.25→19.55），但 time_ok 掉得比到达更多，说明损失集中在逼近目标末段被剥夺了超速修正，不是更容易刹停。所以出路不是调低增益（第29/30轮已测：增益小到达就掉），而是把该由前馈承担的速度还给模型——在限幅后的分布上重采数据（DAgger，需批准），或用不违反速度约束的前馈（#14 的余量投影 + 按时限打分）。
  • 0.5 mm 余量门很便宜：只少 3 题、刹停 +0.8/题，2 s 误差比反而更好（0.182）。但这不等于裕度够用——它只说明"要求 0.5 mm 不明显拖慢"。5 mm（查看器护栏）是否同样便宜，取决于策略能否找到 ≥5 mm 的路径，必须抬 cap 重算真实间隙分布才能回答（第30轮 plans['gaps'] 在 0.5 mm 截顶，算不出这一条）。
  • 四组 collision_rate 都是 0，但这仍是端点/中点离散口径；gap_margin 不改 col 判据（仍 gap≤0），余量与碰撞计数是两条独立的线，不互相顶替。

• 回归：python -m unittest tests.test_eval_cl 30 项通过（新增 4 项）：未限幅时实测速度比确实 =3.4/1.2>1（灵敏度）、限幅后恰为 1.0、0.3 mm 间隙在余量 0 时通过而余量 0.5 时刹停、5 mm 间隙在余量 0.5 时仍通过（证明 cap 抬升生效，否则该测试会恒假）。

• GPU 上的一个控制周期（按 GPU 口径实测）：诊断档与逐项分解见 docs/experiment_round33_gpu_cycle.json，真实配方（steps=1）见 docs/experiment_round33_gpu_cycle_steps1.json，RTX 3090、B=1、float32 推理 + float64 认证，每项 20 次预热 + 120 次计时并 cuda.synchronize。

  • 前提更正（重要）：eval_cl 从不传 steps，rollout 默认 steps=1，而 ml/model/policy.py:156 写明"steps=1 即一步生成，steps>1 是诊断用"。所以第27轮以来的所有评估成绩一直是单步推理；本节先用 steps=16 测出的"当前配方 116 ms ≈ 8.6 Hz"是口径错误，已作废并在下面用真实配方重测。
  • 真实配方（steps=1, K=8）的分解：

  环节	P50	P95	P99
  推理 sample_k steps=1，K=1 / 4 / 8	7.11 / 7.08 / 7.19	9.45 / 10.17 / 9.95	11.91 / 14.00 / 11.34
  特征 83 维（总 / 其中宽相位间隙 / 其中 FK）	13.11 / 8.18 / 4.00	19.57 / 16.57 / 7.51	21.17 / 19.43 / 8.47
  目标反馈 DLS 1 步	6.53	9.32	12.62
  现有离散安全层 4 点（cap 1.0）	7.41	11.34	13.80
  certify_uniform 2 根 n=8 / n=16	9.70 / 16.07	14.40 / 20.95	15.75 / 24.42

  组合周期（同一位姿，顺序测；跨行比较受漂移影响，只作量级）	P50	P95	P99
  K=8 + 离散安全层（真实配方）	36.68 → 27.3 Hz	43.27	49.17
  K=4 / K=1 + 离散安全层	37.71 / 40.36	55.17 / 48.46	76.53 / 52.06
  K=8 + 连续认证 n=8	45.34 → 22.1 Hz	49.68	52.20
  K=8 + 连续认证 n=16	49.55 → 20.2 Hz	56.85	59.06
  （对照）诊断档 steps=16 的同一周期	116.5	134.5	142.6

  • 归因更正（先证仪表再下结论）：空算子 P50 0.028 ms、空 synchronize 0.005 ms、一次 encode 2.27 ms，所以不是启动/同步地板。先前口算的"5–10 ms 是 GPU 启动开销"错了，在此更正：特征 13.1 ms、认证 7.4 ms、DLS 6.5 ms 是 B=1 下真实的小算子工作量——即 GPU 在单臂批量=1 时利用率极低，而不是被框架拖慢。
  • 推理不是瓶颈，几何才是：单步推理 7.2 ms，且候选数几乎免费（K 1→8 不涨）；一个周期里几何类工作合计约 27 ms（特征宽相位 8.2 + 特征 FK 4.0 + 认证 7.4 + DLS 6.5），并且这几次调用各自重复做 cum_xf 与宽相位筛选。所以 50 Hz 的路径是合并几何查询（features() 已支持 gm=/xf= 复用，gm_groups 文档保证与整表 gaps 数值一致），而不是继续压推理。
  • 连续认证的增量成本可接受：在同一位姿上 n=8 只比现有离散层贵约 8.7 ms（整周期 36.7→45.3 ms），n=16 贵约 12.9 ms。也就是说"段内连续证明"在 GPU 上不是奢侈项，真正卡住 20 ms 的是那 ~27 ms 的重复几何。合并后再看是否进得了 20 ms——这一步正在做交错复测（跨行顺序测的数字受漂移影响，不作最终结论）。
  • 50 Hz 结论（当前状态）：真实配方一个规划周期 36.7 ms（P99 49.2）≈ 27 Hz，仍不满足"P99<20 ms"；且必须记住这是在不限幅（可超速 1.66×）的策略分布下测的——限幅后的到达率代价见上表，两者不能混着谈。
  • f32 与 f64 的间隙在 3 个点上完全相同（最大偏差 0.0 mm、无符号翻转），但 3 个点不足以支持"认证可以改用 float32"，需按真实轨迹批量对比才能下结论。

轮次 34：GPU 周期的可实现优化——复用 FK 与压认证最坏情况（exp: exp/dagger-deploy）

• 起因与一次自我撤回：轮次 33 记下"合并几何查询看能不能进 20 ms"后，先按 docs/experiment_round34_fused_cycle.json 测出"整周期 41.9→24.5 ms"。这个数作废，两个独立原因：

  1. 第一版的"合并"把 xf= 传给了包含 5 行的 gaps 调用，而 gaps 的 xf 是按行对应的 → 只有第 0 行走完宽相位，认证点 4 行全部退回截顶值 40.0 mm，即少干了活（表现为认证矩阵差 31.17 mm）。修好后同一 cap 下矩阵逐位一致（差 0.0 mm）。
  2. 更根本：真实管线顺序是 特征 → 推理 → 候选 → 认证，认证点依赖网络输出，所以"特征用的 q 间隙与认证点间隙合成同一次调用"在实现上做不到。该文件保留作记录，但不能当作可实现收益。

• 只测可实现的口径（docs/experiment_round34_geom_opt.json；B=1、K=8、commit 2；7 个变体逐轮交替、奇数轮反序，80 轮；等价性两项都 True：批量认证矩阵与逐条循环逐位一致、features 复用 xf 前后逐位一致）：

  变体	含义	P50	P95	P99
  A_today	现口径	33.49	46.14	64.69
  B_xf_reuse	gm_groups 复用 features 已算的 cum_xf	30.12	42.35	66.37
  C_batch_cert	K 条候选的认证点并成 1 次 gaps	38.05	50.17	59.86
  D_both	B + C	34.87	39.81	48.26
  E_both_cont_n8	B + C + 连续认证 n=8	43.73	51.08	65.68
  F_worst_loop8	最坏情况：所有候选被拒（今天逐条串行 K 次调用）	80.22	88.44	89.55
  G_worst_batch	同一最坏情况但并成 1 次调用	37.14	46.06	52.22

  • 复用 FK 是无条件收益：省一次 cum_xf（约 3.4–3.7 ms），特征输出逐位一致，已直接实现进 ml/common/kin_torch.py 的 gm_groups(..., xf=) 与 ml/common/features.py（默认行为不变，新参数仅在调用方已算过 xf 时传）。
  • 批量认证是"典型换尾部"：常见路径（第一条候选就通过）贵 4.6 ms；但今天一旦前面的候选被拒就要串行调用，实测最坏 80.2 ms（12.5 Hz）→ 37.1 ms，P99 64.7→48.3 ms（D vs A）。硬实时看的是最坏情况，所以这条值得做，但要按"典型略变慢、尾部大幅变稳"来汇报，不能只报 P50。
  • 仍未到 20 ms：即便 D 档 P50 34.9 ms、P99 48.3 ms。连续认证挂在 D 上是 43.7 ms（E）。所以 GPU 侧下一步只能是更结构性的：认证降 float32（需先批量量化 f32/f64 判据差异，不能凭 3 个点下结论）、把宽相位做成可增量复用的核、或 torch.compile/CUDA Graph 把碎 kernel 合批。

• 等价性闸门（纯效率改动不许改变任何结果）：

  • 复用 FK：同一 256 题、同 seed、同配方重跑（docs/experiment_round34_xf_reuse_check.json），22 个指标逐项与轮次 33 base 完全相同（含 success 0.57421875、time_ok 0.390625、brakes 19.25、speed_ratio_max 1.660003662 等）。整批墙钟 296.3 → 318.0 s，是两次独立运行的差，不能当作开销结论：省下的那次 cum_xf 只在 B=1 交错实测里量到 −3.4 ms，批量评估里一次调用已覆盖 256 行，摊薄后不足以抵消运行间波动。
  • 批量认证（--cert_batch 1，默认 0 不变）：同一 256 题重跑 22 项指标与 base 逐项相同（docs/experiment_round34_cert_batch_check.json，success 0.57421875、time_ok 0.390625、speed_ratio_max 1.660003662 等全部一致），整批墙钟 296.3 → 306.9 s（批量口径把 8 次串行调用换成 1 次 K×256 点的大调用，均值略涨符合预期，与 B=1 交错实测方向一致）。合成夹具里也断言两条路径选到同一条候选、同一前缀长度、逐位相同的轨迹与证书。

• 测试 32→34 项：CertBatchEquivalenceTest 两条（候选 0 前缀不完整 → 选候选 1；所有候选第 2 步都不安全 → 两条路径都停在第 1 步）。写夹具时踩到一个自己的坑：桩里掩码写成 q[:, :1] 再 [:, None] 变成 3 维，广播出 (4,4,49) 才报"size 16"，是测试桩错不是库错——先证形状再改代码。

轮次 35：半精度、流水线复用与 float32 认证的实测（exp: exp/dagger-deploy，三条路两条被自己否掉）

• 按用户指定的方向先量显卡精度档（FP32 / FP16 / BF16，docs/experiment_round34_precision_ab.json；B=1、K=8、steps=1，25 次预热 + 120 次计时）：

  精度	推理 P50	推理 P99	整周期 P50	整周期 P99	动作最大偏差
  FP32	7.68 ms	10.63	36.51	46.57	—
  FP16	8.31 ms（慢 8%）	12.03	36.16	55.60（更差）	2.1e−3 归一化 = 0.0050°
  BF16	8.58 ms（慢 12%）	14.17	—	—	1.7e−2 = 0.0377°

  结论：这个网络在这个批量下不是算力受限，半精度换不来时间，还要付动作偏差与更差的尾部 ⇒ 推理保持 FP32。（未测更大 batch，那里的结论不下。）

• float32 能不能做认证（docs/experiment_round34_f32_cert.json，48 段 × 9 网格点 × 15 组对，宽相位 cap 2 mm）：f32 与 f64 间隙差 p50 0、p99 3.66e−5、p999 7.44e−5、max 1.32e−4 mm；有符号误差 max +1.32e−4（确有 1 例高估）、min −1.09e−4。同一判据下 f64/f32 都接受 24/48 段，"仅 f32 判安全"= 0、符号翻转 = 0。⇒ f32 不是不能用，但现用 eps=1e−4 已被实测越界，要用就得把 eps 抬到 ≥2e−4 mm；且这只量了间隙值误差，没覆盖 f32 下 FK/界自身的误差，因此暂不放宽 dtype 守卫。

• 流水线复用特征间隙——否掉（docs/experiment_round35_pipeline_gaps.json）：想法是"下一次规划的 q 正好是本次认证已算过的末点"。第一版给出 42.1→31.8 ms，但等价性检查不通过（缓存行与新算差 3.19 mm）——是我取行索引用错（full[CN-1] 取到第 2 条候选的第 1 步，而非第 1 条候选走完 commit 步）。修好后收益只剩 34.8→31.7 ms（−3.1 ms）：复用要求认证调用改用 cap=40 的宽相位（特征所需），省下的被吃回大半；且缓存行与新算不是逐位相同（差 6.3e−5 mm，源于不同 batch 下矩阵乘的结合序），会扰动特征输入。⇒ 不为这 3 ms 改口径，放弃。

• 剩下的量级判断：一个周期 ≈ 推理 7.2 + 特征 13.1（宽相位 8.2 + FK 4.0）+ 末态打分 4.3 + DLS 6.5 + 认证 7.4 ≈ 33 ms，其中 4–5 次调用各自重做同一个宽相位筛选（67,256 个簇对）。下一步是把一次筛选的半径按位移界（cert_lever）扩到整个 commit 地平线，供同周期所有点共用——这才是有量级的候选，而不是再抠精度。

• 再一次自我撤回（方法论）：为了找"合并几何调用"的收益，我写了三个变体的探测：①两次独立调用 17.62 ms、②共享一次 cum_xf 13.32 ms、③合成一次 cap=40 调用 9.51 ms（交错 90 轮，特征行逐位一致）。②③ 都不成立：探测里认证点直接取自轨迹、与特征无关，而真实循环的顺序是 特征(q) → 推理 → 候选 → 认证点(q+Δ)，认证点在特征算完之前不存在 ⇒ 同一次规划内既不能共享 cum_xf，也不能把两次 gaps 合并。只有 ①→轮次 34 已落地的 gm_groups 复用 xf（同一姿态内部，−3.4 ms）是真的。教训：效率探测必须按真实数据依赖排布，否则测的是不存在的调用图。

• 循环内还剩的可复用点：replan='empty' 且队列为空时 qe == q，此时目标反馈 DLS 与末态打分的 FK 和特征用的是同一姿态，可以共享一份 cum_xf（部署 r=3 时不成立，要按 r 分支）。这条待测（#19）。

• 守卫补一个：gaps() / gm_groups() 现在拒绝行数与 q 不符的 xf（之前会静默按别的行做宽相位，实测触发 CUDA device-side assert 或给出错间隙），测试 34→35 项；python -m ml.eval.check_parity 仍 PASS（2000 样本，间隙差 2.52e−13 mm、碰撞布尔差 0、特征差 5.96e−08）。

轮次 36：规划起点队列长度实测——#19（循环内共享 FK）判掉

• 要判的问题：轮次 35 留下"循环内唯一可省项"是 qe == q 时把 features 已算的 cum_xf 共享给反馈/打分，实测那份 cum_xf 在 B=1 值 3.631 ms。但它只在规划时队列为空（r = queue.shape[1] == 0）才成立，而部署口径是 replan='r3'。先量 r 的分布再决定，不靠推测。

• 做法：rollout(..., return_traj=True) 顺带记每次规划的 r（plans['r']，纯诊断，不参与任何判据）。32 题同批、K=8、fb 2.2、dls_safety 1、docs/experiment_round36_plan_r_hist.json：

  口径	规划次数	r 分布	r==0 占比	平摊可省
  empty / commit 2 / 不限幅	175	r=0 全部	1.000	3.631 ms/次
  r3 / commit 3 / 不限幅	118	r=3:116、r=2:1、r=0:1	0.0085	0.031 ms/次
  r3 / commit 3 / inc_cap 1	118	同上	0.0085	0.031 ms/次
  empty / commit 3 / inc_cap 1	117	r=0 全部	1.000	3.631 ms/次

• 结论（不做）：部署 r3 稳态每次规划都从队列第 3 步之后开始，qe 是前缀末端而不是 q，与 features 的姿态不同 ⇒ 共享率 1.7%，平摊收益 0.03 ms，为它加一条按 r 分支的参数面不值。评测口径（empty）能省 3.6 ms 这件事不能当成部署收益汇报——发布的那批 57.4% 数字是在 empty 下跑的，若将来把部署也改成"队列空了才规划"，这条要重开。

• 顺带记下的实测：同一批 32 题上 empty/commit2 到达 0.469、r3/commit3 0.438、加 inc_cap 后 0.406（n=32，只作方向参考，不足以定论；256 题口径见轮次 33）。规划次数差 1.5 倍（175 vs 118）——r3 每次只新增 commit 步却已含 3 步前缀，所以同样墙钟时间内规划得更少，这正是它更贴近部署的原因。

• 测试 35 项仍全过（plans['r'] 只增不改）。

时间账：限幅之后 time_ok 的损失在"站住"上，不在巡航速度上（2026-10-20，轮次 36 续）

• 口径：直接吃轮次 33 的 256 题轨迹转储（ml/runs/round33_cap.pt、round33_base.pt，离线分析 ml/runs/_time_audit.py，产物 docs/experiment_round36_time_audit.json），按每题的活动窗把每一步按「该步最大关节位移 / VMAX·DT」分四档：零运动、<0.5、0.5–0.95、≥0.95。切片时踩了一个自己的坑：per['traj'] 是 torch.stack(traj, 1) 出来的 [B,T,6] 而不是 [T,B,6]，按列切成了"同一时刻不同题"，比值全是 70~230 的 nonsense；加了 traj[i][0] == q0 的断言之后才挡住这类错。

• 实测（占活动窗的比例）

  组	题数	零运动	<0.5	0.5–0.95	≥0.95	刹停段/题	平均段长
  base 到达且按时	100	1.9%	4.0%	19.4%	74.8%	1.2	1.5 步
  base 到达但超时	47	10.5%	7.2%	25.5%	56.8%	10.1	1.7 步
  base 未到达	109	32.6%	9.9%	32.8%	24.7%	38.6	2.1 步
  cap(限幅) 未到达	122	30.1%	9.7%	31.0%	29.1%	35.9	2.1 步

• 判读：限幅并没有把动作整体拖慢——未到达组的 ≥0.95 档反而从 24.7% 升到 29.1%；真正吃掉时限的是零运动（占活动窗 30%，平均每题 1.54 s）和长刹停段（最长 41 步 = 0.82 s 原地不动）。所以 #17 不该往"打分里加剩余时限"这种间接方向做，直接打"全拒⇒站住"这一条。

• 改动（默认关，--backoff）：全拒时不再站住，把首选候选按 1/2、1/4、1/8…（档数 = backoff）并进同一次批量认证（零额外几何调用），只在原候选连第 1 步都不安全时顶上；缩步候选不参与"前缀更长者优先"的比较，所以正常路径的选择逐位不变。新增 backoff_mean 指标记录缩步次数。测试 35→38 项（全拒→慢爬、有安全前缀时插手无效、未开批量认证时报错）。

• 待测：256 题 A/B（--inc_cap 1 --cert_batch 1 --backoff 0/1/2/3）——GPU 先让给 K-MF E1，这轮排在其后。

轮次 37：K-MF（运动学 MeanFlow）方案核查——先测"一步 vs 多步"，结果比论文那条更要命

• 交来的方案里那几条 file:line 断言，逐条回代码核过（都成立）：ml/model/meanflow.py:38-39 是标准 Eq.4 单段自举（jvp 切向量 (v,0,1)，目标 v − (t−r)·du/dt）；ml/train.py:162 调 meanflow_loss 时没接 ada_p ⇒ 自适应加权一直是默认 ada_p=1.0（配置里改不了，与方案说的一致）；p_neq 在第 p_neq_warm=5000 步从 0 硬切到 0.5；p_edge=0.1 把 10% 样本钉在部署角 (r=0,t=1)；policy.sample_k(..., steps=1) 是默认，ml/model/policy.py:153 ⇒ 历史发布的所有数字都是一步推理。

• 方案里过时的两条要先改掉，否则会拿旧靶子做新实验：「闭环 0% 到达、79% 碰撞」是 DAgger 之前的状态，现在是 256 题到达 57.4%、实际执行碰撞 0（轮次 30/33）；「DAgger 全量是主线，先做」也已完成（base_dag2_dag1 就是两轮的产物）。所以 E 系列的判据不能再用"能不能从 0 救起来"。

• E1 第一版判据是自证的，作废：我先拿"网络自己的 r≠t 切片走 32 段"当平均速度真值——那正是 MF 损失直接训练的切片，等于用被测公式的收敛解当真值。改成与损失无关的参考：平均速度的定义是瞬时场（r=t 切片，由纯流匹配监督）的流图 u_true = (z_t − Φ_{t→r}(z_t))/(t−r)，128 段欧拉；离散化自证：128 段与 512 段的真值差 0.019（相对 0.18%）⇒ 参考本身稳。

• E1 结果（docs/experiment_round36_kmf_e1.json，256 个 val 样本，λ=0.5，‖u_true‖ 均值 10.38）：目标与真值的距离（越小越好）

  目标写法	(r=0,t=1) 部署角	最差 ‖du/dt‖ 处 (t=0.05)
  MF（现行 Eq.4）	3.851	2.629
  K-MF 按方案抄的 (1−λ)²/λ²	7.187（1.87×，更差）	3.808
  K-MF 把平方换成线性权重 (1−λ)/λ	14.661（更差）	2.106
  把整条修正移到中点时刻 du(z_c,r,c)/dc	2.364（0.61×）	2.468
  网络现在的一步输出 u(ε,0,1)	3.906	—

• 两条硬结论：

  1. 方案抄来的 Eq.7 系数在收敛解上不自洽：λ=0.5 时两项系数和 = (1−λ)²+λ² = 0.5，不动点变成 v − 0.5(t−r)u'，不是平均速度；实测也印证——部署角 ‖du(z_t,c,t)/dt‖ = 28.0 而 ‖du/dt‖ = 4.24（把 r 槽钉在中点后对 t 的导数大 6.6 倍），组合被这一项主导，所以偏差反而更大。K-MF 仓库只有 README，论文只能引公式，这条是我们自己的数：要么抄漏了子区间时长因子，要么 c 的定义不同。判据「K-MF 偏差 ≤ MF 的一半」在这个写法下不成立（1.87×）。
  2. 自举污染是真的，而且就在部署角：网络一步输出与自己的流图差 3.906（相对 38%），而 MF 目标的偏差 3.851 几乎一样 ⇒ 训练把目标的偏差原样灌进了线上那一步。‖du/dt‖ 在两端炸开（t=0.05 为 156.6、t=0.95 为 64.3，中段只有 1.6–4.1），与论文 Fig.1a 的形态一致（他们报 76×，我们这里 0.05↔0.4 是 66×）。

• E1-b（docs/experiment_round36_kmf_e1b.json，512 样本，比的是"离老师多远"，归一化动作块 L2）：一步 4.326；同模型 2 段 0.434、4 段 0.429、32 段 0.601；流图（r=t，128 段）0.665。一步比多步差 10 倍，而 2 段就基本到位（再多段反而偏离老师——那是模型自身场的偏差，不是采样误差）。

• 这一条比 K-MF 本身更要命：57.4% 的到达是在"线上一步输出偏离自己场 10 倍"的前提下拿到的，安全层/反馈/DAgger 都在替这个角点擦屁股。所以先把 --steps 打通，量它对闭环到达的影响，再决定要不要为"把一步训好"付一次训练。

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）。