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。
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 |
刹停/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）：
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。- 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）：
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。- 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。
- 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。
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）。
cbb
d977be321b