90% 零碰撞为仿真阶段验收门槛，非最终产品目标——后续版本持续压低。内部加牌参考线（非验收门）：med≤0.2m / p90≤0.5m，为实车定位/执行器滞后预留衰减余量。
V4.14 P1（44K 数据 / 300ep / 碰撞权重课程 2→8）已收官：碰撞 36%→13.6% 有效，但 med 卡死 0.90m 平台，距 0.3m 硬门差 3 倍。这正是立项调研（110 篇论文）预言的 Curse of Precision：单次前向的长程精度天花板在 0.2-0.4m 附近，超指数恶化——继续在"一次算准全程"这条路上加数据/调损失，边际收益已尽。
| 资产 | 状态 | V4.15 中的角色 |
|---|---|---|
| A组配方：轨迹级 Transformer + goal-frame + 物理损失 | ✅ P0 裁决胜出（5K 数据即 med 0.28m 开环） | 直接复用为滚动重规划的单步规划器 |
| 44K DAgger 专家数据 + warehouse 环境 + RK4 闭环评估器 | ✅ 全部就绪（169:/root/warehouse_v414/） | 训练/评估基础设施原样继承 |
| 单次前向口径 | ⛔ P1 实测撞天花板（med 0.90m） | 正式退役，切换闭环口径（用户 08-28 拍板"可以干"） |
| ep40 best 权重（开环 0.72m / 碰撞 36%） | 已存 169:/root/v414_p0/p1_best.pth | 候选：作为规划器 warm-start（待 A/B 验证） |
单次前向（V4.14）
网络看一眼起点 → 吐出全程 40 航点 → 盲开到底。开环第 5 点偏 5cm，闭环执行到该处姿态已歪，后续 35 点全部建立在错误状态上——误差复利放大，P1 的 0.9m 平台很大一部分来自这里而非网络本身。
滚动重规划（V4.15）
t=0 算全程 → 只执行前 2~3 个航点 → 用 RK4 真实新状态（含偏差）重算 → 再执行几步 → 循环至入库。每次重算都吃进"我已经偏了"的事实，误差每 0.5s 被纠正一次，不复利。
state = start
while not done:
if pos_err(state) < eps: break # ① 终止：位置误差达标
if steps > MAX_STEPS: mark_timeout() # ② 终止：步数上限（防车位附近震荡死循环 → 记失败case）
traj = NN(state) # 同一个网络，单次前向
if collision_imminent(traj): mark_fail(); break # ③ 终止：检测到碰撞即停（记失败case）
state = rollout(state, traj[:K]) # 只执行前 K 步；执行层带转向角变化率 clip
类比：人开车瞄一眼终点打一把方向，开两秒再看实际位置修正——没有人是一次规划好全程方向盘角度然后闭眼开的。
为什么能破 0.3m 天花板：每段只要求"短视野内准"（这是网络擅长的），长程精度由"重算 + 反馈闭环"保证（这是控制论擅长的）。两条 0.4m 级的短程规划串联，好过一条 0.9m 的长程规划。
主指标不变：med ≤0.3m / p90 ≤0.6m / 零碰撞 ≥90%，全部按 闭环 rollout 终态 计算——与 V4.14 的评估器同一口径（300 条固定验证集、RK4 真动力学、OBB 碰撞检测），数字可直接与历史版本对比。
变的只有一件事："单次前向出全程"的部署形态退役。V4.15 的网络仍是每次调用内部单次前向、无任何求解器，但执行层变为 N 次前向 + 反馈循环。运行时依然 禁 IPOPT / 禁解析兜底——"把网络做到绝"的红线不破。
依据：立项调研显示工业界（Apollo/毫末等量产方案）闭环重规划是 100% 共识路线；单次前向天花板 0.2-0.4m 是已发表结论，P1 用 44K 数据实测复核确认。
| 阶段 | 做法 | 关键点 |
|---|---|---|
| S1 · 闭环短视 BC | 数据切片重组织：以轨迹上任意中间状态为起点、以目标为终点的（状态→剩余轨迹）对。沿用 A 组配方（goal-frame + 物理损失） | 44K 轨迹切片后预计 200K+ 样本，零新增求解成本。让网络学会"从任何偏差状态救回目标" |
| S1b · DAgger 前置一轮（评审#1采纳） | S1 模型闭环 rollout 采集网络跑偏状态 → IPOPT 补解救场样本 → 并入数据集混训。第 2 轮是否执行由本轮闭环指标决定，不由流程教条决定 | 补解不后置到加牌阶段——第一轮 BC 必有分布偏移，前置一轮是标准 DAgger 动作 |
| S2 · 分层双指标评估（评审#2/#7采纳） | 验证集分层拆分，每轮同时输出：①专家切片测试集指标 ②闭环 rollout 生成状态子集的 med/p90。两套差异过大直接报警。扫 K∈{1,2,3,5} 同步统计单 episode 平均 NN 调用次数（精度-算力联合筛选） | 防"开环好看、闭环跑飞"（P1 best 偏置的教训）；推理频次数据为产品化预留 |
| R1 · GRPO RL 后训练（主线收官） | S2 底子确认后（碰撞个位数、med 0.3-0.5m 级）启动。reward = -终端误差 - 碰撞罚 - 平滑罚；组采样 G=8-16 批 rollout 组内排名做 advantage（免 critic） | 文献实证最厚的精度倍增器（Swift/Nature 2023、REAP 2026 实车泊车"BC米级→RL厘米级"）。护栏见下方"RL 防崩三件套" |
损失函数（S1 起生效）：① 轨迹模仿 + 物理一致性（A组配方）；② 碰撞 hinge-only（只罚实际碰撞样本——P1 课程抢容量教训）；③ 障碍安全距离 margin 渐进损失（评审#3采纳）：低权重（≈0.1×hinge）约束不紧贴障碍物行驶，降低扰动下碰撞风险——全程监控 med 不因 margin 项回退。
Checkpoint 择优（评审#4B采纳）：硬门过滤——碰撞率>10% 的权重一律不存 best，过门权重中选终端 med 最小者。fallback：训练早期无权重过门时暂存 best-score（med 归一化+碰撞归一化加权），首个过门权重出现即取代。periodic checkpoint 全程保存（P1 丢 ep300 权重的教训）。
RL 防崩三件套（R1 起生效）：① KL 锚定 BC（防破坏已学动力学）；② 择优沿用硬门——碰撞>10% 的 policy 不保存；③ 小步长课程（碰撞罚 soft→hard 渐进收紧，REAP 配方）。
| # | 招 | 出处/实证 | 状态 | 对什么短板 |
|---|---|---|---|---|
| 1 | 滚动重规划（每 0.5s 用最新状态重新前向） | 工业界 100% 共识（Apollo/毫末/Tesla 复盘） | 本版主线 | 误差复利（P1 的 0.9m 平台主因） |
| 2 | DAgger 自举（偏差状态上 IPOPT 重解救场样本） | HG-DAgger/ExIt；专家是 IPOPT 全自动 | S1b 前置一轮 + 按指标追加 | 分布偏移（没见过自己犯错后的状态） |
| 3 | 多候选 + 解析打分（K=16-32 条候选→可微解析评分→argmax，GPU <10ms） | NVIDIA Hydra-MDP（NavSim 冠军） | E5 加牌（碰撞专项） | 碰撞率——但定位为"降低"而非"彻底解决"：全部候选都可能带碰撞（评审#10），打分函数必须 A/B 消融验证（防选出抖动大/动力学不合理轨迹） |
| 4 | RL 后训练（GRPO 组采样批 rollout） | Swift(Nature 2023)/Song 2023/REAP 2026——"BC 米级→RL 后厘米级"实证最厚 | R1 主线收官 | med 精度 + 碰撞（reward 同时含两项） |
| 5 | 网络自迭代精化（训 refinement 算子：粗解→更优解；同伦链中间解=现成教材） | Berkeley Solution Smoothing："蒸馏网络+1~2步 ≈ 求解器精度" | 储备（不做强依赖） | med 精度（增益项） |
| 6 | Sobolev 灵敏度蒸馏（蒸馏时连 ∂u/∂x 灵敏度一起学） | INRIA 2026：精化 0.22s vs 从头解 4.1s，闭环无 compounding error | 储备（不做强依赖） | 精化质量/收敛速度 |
#5/#6 仿真效果好但工程复杂度高、推理算力开销上涨——定位后期储备优化，主路径不强依赖（评审#11）。全部招数运行时零求解器：多步前向/多候选解析评分/滚动重规划均属"纯 NN 合法算子"；禁 IPOPT/ACADOS/MCTS。
| 机制 | 设计 |
|---|---|
| 终止条件三件套 | ① 位置误差达标退出；② 最大迭代步数上限（超限记 timeout 失败，防车位附近震荡死循环）；③ 检测到严重碰撞立即终止记失败。三类失败 case 全部落盘（见 failure case 沉淀） |
| 抖动双层抑制 | ① 轨迹前缀一致性软约束：新轨迹前若干航点对齐上一轮规划中尚未执行的轨迹段（软对齐——硬对齐会妨碍纠错）；② 执行层转向角变化率 clip：硬件级保证，不依赖事后平滑 |
| failure case 数据集 | 极端奇异姿态失败 case（timeout/碰撞/死局）统一落盘 → 回流训练迭代（S1b 补解优先处理这批）→ 持续扩充模型边界（评审#17） |
| safety 语义（仿真阶段） | critic 报警 → 终止 episode + 记失败，即仿真的"刹车"。规则化 recovery（带碰撞检查的后退）属产品级系统，留实车化阶段（评审#8 简化采纳） |
| 类别 | 指标 | 说明 |
|---|---|---|
| 结果指标（验收） | med / p90（闭环终态） | 验收门 ≤0.3m / ≤0.6m；内部加牌参考线 ≤0.2m / ≤0.5m |
| 零碰撞率 | 验收门 ≥90%（仿真门槛，非产品目标，后续持续压低） | |
| 成功率（三终止条件分类统计） | 达标 / timeout / 碰撞 三分计数 | |
| 过程指标（强制新增） | 轨迹平滑度 | 方向盘角速度统计（σ 与峰值） |
| 平均最小障碍物安全距离 | 全程 min-clearance 分布 | |
| 单次泊车耗时 + NN 调用次数 | 精度-算力联合视图 | |
| 扰动测试（S3） | 分布内扰动 | 转向延迟 / 初始姿态噪声 / 模型失配三组 |
| OOD 大扰动专项 | 单独统计 OOD 失败率，识别分布外失效 |
| 风险 | 判据 | 对策 |
|---|---|---|
| 中间状态起点分布 ≠ 专家轨迹分布（网络没见过"被救"的状态） | S2 分层双指标：专家切片 vs 闭环 rollout 子集差异过大报警 | S1b 前置 DAgger 补解；failure case 优先回流 |
| 重规划频率不足 → 段间误差仍复利 | S2 扫 K 曲线：闭环 med 随 K 减小应单调改善 | K 调小（单次前向 <10ms 级，算力充足——NN 调用次数同步监控） |
| 闭环震荡 / 车位附近死循环 | 平滑度指标突变 / timeout 计数 | 前缀一致性软约束 + 转向角变化率 clip + 最大步数上限（三层已固化进执行层设计） |
| 碰撞率在闭环下恶化 | S2 闭环碰撞率 vs P1 开环 13.6% | margin 损失（S1 起低权重）→ R1 RL 碰撞罚 → 仍不过线上多候选牌（E5） |
| RL 训练崩坏 / 破坏 BC 动力学 | R1 训练中闭环指标回撤超阈值 | 防崩三件套：KL 锚定 + 硬门择优 + 小步长课程；任一失效即回退上一 checkpoint |
| 步 | 内容 | 环境 | 产出 |
|---|---|---|---|
| E1 | 切片数据管线 + S1 训练脚本（hinge-only + margin 低权重 + 硬门择优 + periodic ckpt）+ 闭环评估器升级（终止三件套 / 过程指标 / 双指标分层） | 169（开机后） | S1 权重 + 双指标基线回填本页 |
| E2 | S1b DAgger 前置一轮：闭环采集跑偏状态 → IPOPT 补解 → 混训；失败 case 落盘回流 | 169 | S1b 权重 + 补解前后指标对比 |
| E3 | S2 闭环评估：扫 K∈{1,2,3,5} + NN 调用次数统计 + 确定底子是否达标（碰撞个位数 / med 0.3-0.5m） | 169 | 最优 K + 底子判定 → R1 发车条件 |
| E4 | R1 GRPO RL 后训练（主线收官，防崩三件套护栏） | 169 | RL 后闭环指标回填本页 |
| E5 | 加牌门（仅剩一张）：RL 后碰撞仍 >10% → 上多候选+解析打分（打分函数 A/B 消融先行）；med 已过 0.3 但未到 0.2 参考线 → 视算力决定是否加 | 169 | 加牌后指标回填 |
| E6 | S3 扰动实验（分布内三组 + OOD 专项）→ 终局对决：V4.15 vs V4.13（2.02m）vs expert 同题 500 条全维度报告 | 169 | 验收硬门判定 |
169 当前已关机（2026-08-28）。开机后 E1 即可发车，P1 产物（数据/评估器/best.pth）全部在盘。周期预估：E1-E3 地基 1~2 天（含 S1b 补解），E4 RL 1-2 天，E5-E6 0.5-1 天。
Transformer 泊车项目 · V4.15 · 滚动重规划 · 上一版：V4.14（单次前向，已收官）