重卡泊车 · 闭环 Transformer (V4.6)

⚙️ 工作原理

① 闭环自回归推理：单步预测(δ,v)→RK4积分→新状态反馈给模型→下一步预测。80步循环，模型每步看到真实位置主动纠偏。

② 无安全层：纯模型推理，不做推理时碰撞干预。零碰撞率99%来自训练质量。

Pipeline:
  for t in 0..79:
      (δₜ, vₜ) = Transformer(stateₜ, goal, obstacles, history_K=10)
      stateₜ₊₁ = RK4(stateₜ, δₜ, vₜ)     ← 物理积分
  无安全层 · 纯模型推理 · 零碰撞来自训练

Model: Decoder-only Transformer, 808,130 parameters
Training: 39.4K trajectories, 100 epochs from scratch

🏆 训练历史（每10轮评估）

Epoch	Loss	pos_err	median	p90	θ₁	碰撞	tf
10	0.060	1.462	1.226	2.792	7.48°	92%	1.00
20	0.052	0.929	0.709	2.037	4.23°	99%	1.00
30	0.048	1.905	1.360	4.124	6.45°	99%	1.00
40	0.043	1.942	1.701	3.901	6.55°	99%	1.00
50	0.038	1.547	1.515	2.312	3.99°	99%	1.00
60	0.034	0.476	0.452	0.717	1.52°	99%	0.87
70	0.031	0.285	0.241	0.504	1.07°	99%	0.73
80	0.027	0.296	0.205	0.451	1.04°	99%	0.59
90	0.025	0.291	0.229	0.440	1.23°	99%	0.45
100	0.025	0.281	0.118	0.413	1.40°	99%	0.31

⚠️ Ep30-50 波动：Epoch 30-50 期间 pos_err 出现明显波动（0.9→1.9→1.5），这是 Transformer 自回归推理在 teacher-forcing 过渡期的典型行为。随着 Scheduled Sampling 逐步降低 teacher-forcing ratio（1.0→0.87@ep60），模型开始适应自身预测误差，性能从 ep60 起急剧收敛。

闭环 Transformer · 技术架构详解

V4.6 是一个从零训练的 Decoder-only Transformer，仅 808K 参数，在 39.4K 轨迹上训练 100 轮。无需安全层、无需集成——99% 零碰撞率完全来自模型自身的闭环自回归推理能力。

1. 模型架构

Decoder-only Transformer Encoder (pre-LayerNorm)
  d_model = 128
  nhead   = 4
  layers  = 4
  ffn     = 512
  sliding window K = 10 (历史观测)

Input per frame (39D):
  state(4)          → [x, y, θ₁, θ₂]
  goal(4)           → [gx, gy, gθ₁, gθ₂]
  obstacles_flat(25)→ 5 obstacles × (cx, cy, w, h, th)
  obstacles_mask(5) → validity mask per obstacle
  step_norm(1)      → t / N  (current step normalized)

Output:
  policy_head → tanh → scale → [δ_steering, v_speed]

Total parameters: 808,130

2. 闭环自回归推理

for t in 0..79:
    obs_t = build_obs(state_t, goal, obstacles, t/N)
    history.append(obs_t); keep last K=10 frames
    (δ_t, v_t) = Transformer(history)        # 看真实位置
    state_{t+1} = RK4(state_t, δ_t, v_t)     # 物理积分

关键：模型每步看到的是真实积分后的状态，
而非自己的预测——这使得模型能主动纠偏。
推理: 80次前向传播，无碰撞干预。

3. 训练数据与超参数

项目	数值
训练轨迹	39,400 条
子片段（sub-segments）	2,840,000
训练轮数	100 epochs（从头训练）
Batch size	2,048
学习率	1e-3, cosine annealing
训练时间	~41 小时 (CPU, 腾讯云)
最终 Loss	0.025

4. 三大关键改进（相比 V2）

① θ₂ 可微前推（λ=0.5）：通过可微前向仿真注入 θ₂ 角度误差。不同于仅惩罚最终状态误差，可微 rollout 将挂车角度误差沿轨迹传播，使模型学到更平滑的铰接控制。

② Scheduled Sampling：teacher-forcing ratio 从 1.0 线性衰减至 0.31（epoch 50-100）。前半段用真实轨迹训练（稳定收敛），后半段逐步过渡到模型自身预测（缩小 train-test gap）。这是 V4.6 从 ep60 起性能急剧提升的核心原因。

③ 完整余弦调度：完整的 0→100 epoch 余弦学习率循环，确保训练后期能充分收敛到 sharp minima。学习率从 1e-3 平滑衰减至 0，后期极低的学习率让模型在最优解附近精细调优。

5. V4.6 vs V4.4 对比

指标	V4.4 旗舰	V4.6
架构	6×Transformer 集成 (807K×6)	单 Transformer 808K
推理策略	6模型并行 + Safety Shield	纯模型闭环自回归
安全层	有（逐步碰撞干预）	无
训练数据	8,292 轨迹	39,400 轨迹
训练轮数	各模型 200-500 epoch	100 epoch 从头训练
位置误差 (mean)	0.25m	0.281m
位置误差 (median)	—	0.118m
θ₁ 误差	1.0°	1.40°
零碰撞率	100%（含安全层）	99%（纯模型）
严格成功率	75%	—
推理时间	1-2s（6模型串行）	~0.2s（单模型）
参数总量	~4.8M (6模型)	808K (1模型)

设计哲学差异：V4.4 追求极限安全——6 模型集成 + 安全层兜底，代价是推理慢（1-2s）且系统复杂。V4.6 追求极简高效——单模型 0.2s 推理，无任何安全层，99% 零碰撞完全来自训练质量。两者代表不同的工程权衡：V4.4 适合安全关键部署，V4.6 适合实时性要求高的场景。

🤖 重卡泊车 · 闭环 Transformer (V4.6)

从头训练 Decoder-only Transformer · 纯模型零碰撞

📊 V4.6 vs V4.4 性能对比

障碍物列表（最多5个）