14 KiB
机械臂避障策略：从数据到部署的运行手册
目标：在你的机器上从零跑出 Transformer 避障策略，并在查看器里直接用上。
方案依据见 docs/Transformer轨迹拟合训练方案.md。所有命令在仓库根目录执行。
按阶段执行 bash ml/pipeline.sh <阶段>，每一阶段完成后看本手册对应小节的「检查」再进下一步。
| 阶段 | 命令 | 预计耗时（28 核 CPU + RTX 3090） | 产出 |
|---|---|---|---|
| 1 环境 | bash ml/pipeline.sh setup |
10 分钟 | 依赖 |
| 2 对拍 | bash ml/pipeline.sh kin |
1 分钟（实测 7.6 s 对拍） | ml/assets/kin.json、对拍 PASS |
| 3 老师门禁 | bash ml/pipeline.sh gate1 |
25–30 分钟（单核） | ml/data/consistency.json |
| 4 生成数据 | bash ml/pipeline.sh gen |
不共识约 1 小时；共识约 4–5 小时 | ml/data/shard_*.jsonl、stats.json |
| 5 打包样本 | bash ml/pipeline.sh prep |
15–30 分钟 | ml/data/samples/、ml/data/r2.json |
| 6 预训练 | bash ml/pipeline.sh train |
测速 2000 步约 6 分钟，正式约 3 小时 | ml/runs/base/best.pt |
| 7 M5 门禁 | bash ml/pipeline.sh m5 |
10–20 分钟 | ml/runs/m5_gate_base.json |
| 8 APG 微调 | bash ml/pipeline.sh apg |
以前 100 步速度为准（预计 2–4 小时） | ml/runs/apg/best.pt |
| 9 挖错循环 | bash ml/pipeline.sh mine |
每轮约 1–2 小时，3–6 轮 | ml/runs/current.pt |
| 10 导出 | bash ml/pipeline.sh export |
1 分钟 | webapp/models/traj_policy.onnx（fp32） |
| 11 部署评测 | bash ml/pipeline.sh bench |
约 1 小时（Node CPU，1120 个任务） | ml/runs/policy_bench.json |
| 12 验收汇总 | bash ml/pipeline.sh accept |
10–20 分钟 | ml/runs/acceptance.json |
| 13 使用 | python ml/serve.py → 浏览器 ?policy=1 |
— | — |
第 2/4/5/6 步耗时为 RTX 3090 + 28 核实测换算，其余为估算，以每步首次输出的速度为准。
1. 环境
- Linux / WSL2，或 Windows 原生 + Git Bash（实测第 2/4/5/6 步与闭环仿真可跑）；NVIDIA 驱动 + CUDA（
nvidia-smi能看到 3090） - Node ≥ 18，Python 3.10–3.12
- 脚本统一用
$PYTHON（默认python）。Linux 上没有python命令时：export PYTHON=python3。Windows 不要用python3（那是 WindowsApps 假壳） - 先按 CUDA 版本装 PyTorch（https://pytorch.org ），再：
git pull
bash ml/pipeline.sh setup # pip install -r ml/requirements.txt；cd ml && npm install（onnxruntime-node）
2. 碰撞模型导出与对拍（必须 PASS）
bash ml/pipeline.sh kin
检查：最后打印的 JSON 里 "PASS": true（fk、姿态、组对间隙、83 维特征、间隙梯度与 JS 一致）。
docs/collide.json 以后只要重新拟合或重生成 pair2d/roadmap，这一步、数据、模型都要重来（指纹不符时各脚本会拒绝运行）。
3. 老师一致性门禁
bash ml/pipeline.sh gate1
看 consistentByGateRule：≥ 0.90 直接生成；< 0.90 时第 4 步自动加 --consensus 4（每条任务另跑 4 个 ±5 mm 邻居，与多数绕法不一致的样本丢弃，生成成本约 5 倍）。可用 CONSENSUS=0/1 手动覆盖。
4. 生成老师数据
bash ml/pipeline.sh gen # 默认 5 万条、进程数 = CPU 核数
# 自定义：N_TASKS=50000 NPROC=28 CONSENSUS=1 TARGET_SAMPLES=1700000 bash ml/pipeline.sh gen
不共识约 1.6 秒/条/核；共识约 8 秒/条/核。生成完自动统计；样本数不足 TARGET_SAMPLES（默认 170 万）时按实测「样本/任务」自动补生成（最多补 2 次），不用手动加 N_TASKS。
检查 ml/data/stats.json：
| 字段 | 不共识（实测） | 共识（估算） | 不正常时 |
|---|---|---|---|
keepRate |
≈ 0.97 | 0.80–0.88 | 共识 < 0.75：把 stats.json 发我（老师左右跳变比预期多） |
samplesPerTask |
≈ 36.5 | ≈ 36.5 | — |
samplesEvery3 |
≥ 170 万（自动补量后） | ≥ 170 万 | 补量后仍不足：发我 |
consensusDrop |
0 | 约任务数的 10–20% | — |
vertexMinGapMm |
p50 ≈ 4.4、p90 ≈ 5.9 mm（p10 预计约 3） | 同 | p10 < 2.5 mm：发我（APG 与投影的 3 mm 余量要随之下调） |
byCatMode |
C 类（贴立柱）各模式都有数千条 | 同 | — |
5. 打包训练样本 + R2 检查
bash ml/pipeline.sh prep
每条轨迹按 50 Hz 时间律重放，每 3 步取一个样本（特征与部署同一份 JS 代码计算），30% 样本加 σ = 1° 噪声增广。
检查 ml/data/samples/index.json：train_samples 约 170 万、val_samples 约 9 万（5% 任务划为 val）。
随后自动跑 R2 检查（ml/data/r2.json）：近邻样本前 3 步标签差 label_std_mean < 0.10（10% 步长）为通过；不通过先发我，不要直接训练。
6. 预训练
bash ml/pipeline.sh train # MeanFlow 头 → ml/runs/bench_base/、ml/runs/base/
先跑 2000 步测吞吐（ml/runs/bench_base/log.jsonl 的 samples_per_s，eta_h 是剩余小时数），再正式训练到 60000 步或闭环到达率连续 5 次不升为止。
- 通过线（R10）：
samples_per_s≥ 5000，即 60000 步 ≤ 3.5 小时。参考：3090、batch 1024 实测 6.2 k 样本/s ≈ 2.8 小时。MeanFlow 的 JVP 双前向使训练受算力限制，加大 batch 不会提高样本/s；低于通过线时把configs/base.json的fk_caps从 96 降到 48，仍不够再把steps降到 40000 - 训练中每 2000 步打印一行
EVAL {...}：val 任务闭环（部署节奏、不开安全层）success、collision_rate、time_ok_1p3、start_fail。时限 = 老师时长 × 2（至少 3 s） - 显存不够把
batch改成 512。中断后续训（日志追加；新训练会覆盖旧日志）：
python -m ml.train --samples ml/data/samples --out ml/runs/base --resume ml/runs/base/last.pt
7. M5 门禁：选定动作头
bash ml/pipeline.sh m5
1000 个贴立柱任务（无老师题，定长 6 s 时限）跑两遍，结果在 ml/runs/m5_gate_base.json：
policy_only：关安全层的纯策略指标。门禁只看这一项：穿柱率 ≤ 2% 通过，通过后把该模型记为选定模型（ml/runs/selected_ckpt），后续阶段自动从它开始with_sim_safety：仿真里的近似安全层（候选逐步干涉就换下一条）。只作参考
三种口径的关系：M5 是纯策略能力；仿真安全层是近似；部署能不能过只看第 11 步（与浏览器同一份运行时，含投影、距离认证、刹停、预算、换向锁）。三者互不替代。
不通过（或训练日志出现「训练发散」）则换 WTA K=8 头。WTA 的产物在独立目录，不会覆盖 MeanFlow：
CFG=ml/configs/wta.json bash ml/pipeline.sh train # → ml/runs/bench_wta/、ml/runs/wta/
CFG=ml/configs/wta.json bash ml/pipeline.sh m5 # → ml/runs/m5_gate_wta.json；通过则选定 wta
需要强制指定后续阶段的起点模型时用 CKPT=路径 bash ml/pipeline.sh apg。
8. APG 可微微调
bash ml/pipeline.sh apg
按部署节奏（每次推理提交 3 步、50 Hz）可微展开策略，优化到达、碰撞余量、平滑与行程，并保留 BC 锚定。每 500 步闭环验证，按到达率存 best.pt，完成后复制为 ml/runs/current.pt。
- 展开长度：每批覆盖该批老师时长 p90 × 1.2（无老师题按 6 s），在 60–150 次推理（3.6–9 s）之间；日志
plans字段是本批实际次数 - 到达项：每 10 次推理段末的 TCP 距离与姿态误差，没有「到达即停」。这是有意的：段末项在整条展开上持续给出接近目标的梯度
- 碰撞项：每步端点 + 中点的逐胶囊对铰链
ReLU(3 mm − 间隙)。3 mm ≈ 老师轨迹最小间隙的 p10（p50 4.4 mm），避免碰撞项与 BC 标签对抗；运行时投影余量同为 3 mm - 显存不够把
configs/apg.json的batch降到 64，或把seg_plans从 10 降到 5
9. 挖错循环
bash ml/pipeline.sh mine # 默认 6 轮；ROUNDS=3 APG_STEPS=1000 MINE_N=50000 可调
每轮：5 万道新题关安全层作答 → 错题分类 E1–E5 → 本轮错题与邻居进 APG 采样池（不累积历史轮，旧错题由门禁的「上轮修好仍对 ≥ 95%」把关）→ E2（局部极小）请老师补少量路径 → APG 微调 → 门禁集比较，不达标自动回滚。连续 2 轮提升 < 0.5 个百分点自动停止。
门禁（ml/runs/mine/r*/gate.json）：到达率不降、A 类降幅 ≤ 0.5 个百分点、上轮修好的题 ≥ 95% 仍对、R7：B/C 类左右绕行比例变化 ≤ 5 个百分点、行程中位数比 ≤ 1.05。挖错题与门禁集都是无老师题，到达按定长 6 s 判，time_ok_1p3 与行程比只在有老师参考的题上统计（门禁集上为 null）。
10. 导出
bash ml/pipeline.sh export # fp32 ONNX + meta.json → webapp/models/（约 20 MB）
默认 fp32：部署走 wasm 与 Node CPU，fp16 在 CPU 后端上不保证更快。只有第 13 步用 &ep=webgpu 实测 __POLICY.latency() 明显受益时，才另导出 fp16 做对比：
pip install onnxconverter-common
python -m ml.export_onnx --ckpt ml/runs/current.pt --out webapp/models/traj_policy_fp16.onnx --fp16
11. 部署形态评测（策略 + 安全层）
bash ml/pipeline.sh bench
跑与浏览器同一份运行时（webapp/js/ik-policy.js）：贴立柱 30 例（pos、pose 各一遍）、直线被挡 40 例、R8 对抗 50 例（J1 起终差 ≥ 140°、终点贴立柱、两侧都要绕远）、一次性贴立柱扩展集 1000 例。各集合数量可用 --nc-n / --route-n / --r8-n 单独调。
看 ml/runs/policy_bench.json：各集合 collisionFrames 为 0；near_column_* 与 route40 全部 ok；near_column_1000 0 失败；brakeRate < 0.02；r8_adversarial 的 recoveryRate ≥ 0.95、livelock = 0。
Node 里的推理/安全层耗时只作参考，浏览器延迟用第 13 步实测。
12. 验收汇总
bash ml/pipeline.sh accept
自己补跑 val 全部任务的闭环（开仿真安全层）：可达任务到达率 ≥ 98%、D 类停靠距离 ≤ 老师 + 5 mm、起步失败 = 0；再读第 5–11 步产物核对 R2、R7、R8、R10、M5 与部署形态各项。逐项打印「通过 / 未过」，结果在 ml/runs/acceptance.json。
13. 在查看器里使用
python -m arm.viewer.build_viewer # 若 webapp/generated/00_data.js 还没生成（查看器原有构建步骤）
python ml/serve.py # 带跨源隔离头的本地服务，wasm 可用多线程
浏览器打开 http://localhost:8000/?policy=1：右上角徽标显示「策略模式就绪」后，拖动黄球或松手，手臂由策略闭环执行（不调用任何规划器）。
&ep=webgpu改用 WebGPU 后端对比延迟- 控制台
__POLICY.latency()查看推理与安全层的 P50/P99；__POLICY.stats()查看刹停、换向、精修次数 - 工具偏移 ≠ 0 时自动交回原规划器
- 离线环境：把 onnxruntime-web 的
ort.min.js与 wasm 文件放到webapp/vendor/ort/，地址加&ortLocal=1
14. 回传给我
| 步骤 | 文件 |
|---|---|
| 2 | 对拍输出（终端 JSON） |
| 3–5 | ml/data/consistency.json、ml/data/stats.json、ml/data/samples/index.json、ml/data/r2.json |
| 6 | ml/runs/bench_base/log.jsonl（测速）、ml/runs/base/log.jsonl |
| 7 | ml/runs/m5_gate_*.json |
| 8–9 | ml/runs/apg/log.jsonl、ml/runs/mine/r*/report.json 与 gate.json |
| 11–13 | ml/runs/policy_bench.json、ml/runs/acceptance.json、浏览器 __POLICY.latency() 输出 |
常见问题
- 指纹不符：
collide.json变了。依次重跑第 2、4、5 步并重训。 - 训练发散（loss 出现 nan/inf，自动停在
diverged.pt）：先把lr降到 5e-4 重试一次，仍发散就走 WTA 回退（第 7 步）。 - 显存/内存不足：降
batch；APG 还可把seg_plans降到 5。出题与间隙计算已分块（每块 512 个位形）。 - 小样本摸底：几百条任务时 val 可能为空，训练会提示并跳过闭环验证。
- 浏览器只有 1 线程：没走
ml/serve.py（缺 COOP/COEP 头）。 - 查看器徽标「策略模式不可用」：看控制台报错，多为模型文件缺失、指纹或 TCP 不符。
文件地图
ml/
pipeline.sh 一条龙阶段脚本（环境变量见文件头）
gen/ 老师数据：sampler / teacher（确定性 PRM A*）/ cert.cjs（距离下界认证，实现在 ik-policy.js）/
pathdev.cjs（同伦类判定，共识过滤与一致性门禁用）/ timelaw / gen_dataset / consistency / stats / run_parallel.sh
prep/ export_kin.cjs（→ assets/kin.json）、build_dataset.cjs（→ samples/*.npy）、npy.cjs（.npy 写出）、run_prep.sh
common/ kin_torch.py（可微运动学 + 胶囊间隙）、features.py（83 维特征，与 JS 逐项一致）
model/ policy.py（Transformer + MeanFlow / WTA 头）、meanflow.py
data.py train.py 样本加载、预训练
sim/closed_loop.py 部署节奏闭环仿真（验证 / 挖错 / 门禁）
apg/apg_finetune.py APG 可微微调
mining/ tasks.py（无老师出题）、mine_round.py、gate.py（含 R7）、loop.sh
eval/ dump_parity.cjs + check_parity.py（JS↔PyTorch 对拍）、check_r2.py（R2）、acceptance.py（验收汇总）
toy/toy_bimodal.py 2D 双模态对照实验（动作头选型依据）
export_onnx.py serve.py
configs/ base.json（MeanFlow）、wta.json（回退）、apg.json
webapp/js/ik-policy.js 运行时：特征、距离下界认证、刹停、投影、精修、Runner（浏览器与 Node 共用）
webapp/js/ik-policy-glue.js 查看器接入（?policy=1）
tests/policy_bench.cjs 部署形态评测（nc / route / r8 / nc1000）