aaa

src/linkerhand_calibration/O30_RAW_PROTOCOL_IMPLEMENTATION.md

@@ -1,30 +1,55 @@
-# O30 原始图像协议实现状态
+# O30 轻量标定实现与验收边界
 
-2026-09-22。本文件记录实现边界，不是标定通过报告。
+2026-09-22。产品默认入口已切换为 `raw_joint_2_plus_1` / `raw_joint_images_v1`。软件流程已经接通；本文不是实机标定通过证明。
 
-## 已实现
+## 正式流程
 
-- 独立 `raw_joint_2_plus_1` / `raw_joint_images_v1` 协议身份，固定训练轮 0、1 和独立验证轮 3；沿用 17 个任务、108 个方向单元和原稳态停点。
-- 新协议采集不请求在线关节几何初始化，不执行旧零位准备往返，不生成接受关节角或物理零位记录。
-- 原始角点、PnP 候选、指令/反馈、同步误差和运动身份落盘。采集覆盖复用现有扫描/稳态门限；几何分支冲突不暂停移动标签采集，固定参考冲突仍保护停止。
-- 不足的方向移至队尾补采一次；再次不足记录缺项，继续后续任务，归位后失败。
-- 离线原始证据分区重新计算覆盖，拒绝协议混用、重复图像、重试预算越界及未完成的最新尝试；冻结训练/验证数据。该检查只证明原始采集完整性，不能授权 URDF 发布。
-- 提取 `finger_chain_images.py` / `kinematic_chain_images.py` 共享数学核心；旧诊断模块保留兼容导入，未改变其发布权限。
+实测光学核验 → 一次启动检查 → 17 个任务、20 个关节连续两轮训练及一轮验证 → 安全归位 → 离线联合拟合 → 冻结独立验收 → JSON/URDF 原子发布。
 
-## 尚未完成，不能启用为产品默认入口
+- 使用原运动执行器、避让路径、四指侧摆分段、9 个训练停点与双向稳态采样。108 个方向单元，训练轮身份 0、1，验证轮身份 3。验证轮编号 3 不表示执行四轮。
+- 原始角点、合格 PnP 候选、同帧标签、指令、反馈、时间、方向及参考证据保存。所有实际发送指令另存 `raw_command_sent`，统计包括到位、避让、归位及重试。
+- 新入口不请求在线父模型、唯一移动标签分支、零位准备往返、辅助消歧或歧义回访。采集只检查同步、覆盖、端点、稳态和检测。
+- 缺失单元移至队尾补采一次；再次不足记录缺项，继续其他任务，归位后报告失败。硬件停滞、反馈失联、参考移动仍保护停止。
+- 新断点只接收同协议、同受保护输入、同参考/可核验安装条件。中断的尝试消耗原补采预算；第一单元尚未通过也保留断点。拒绝不兼容数据，不静默重采。不可见安装参考明确拒绝恢复。
 
-- 同协议、同安装参考的正式断点恢复，以及跨进程保持队尾补采预算。
-- 四指与非平行拇指的完整训练联合求解、五根轴恢复掌坐标、绝对零位和双向映射绑定。
-- 候选集合及相关协方差向最终运动学输出传播，冻结第三轮前向预测和原精度门限验收。
-- 新协议正式 finalizer、JSON/URDF 审计与原子发布接入。
-- 全手实际指令测试、ID5/9/12 多候选和 ID10 缺测数据正式回归。
-- 相机光学核验、新协议全手实测及实机姿态对照。
+## 离线求解与发布
 
-产品默认配置及 CLI 未切换到新协议。不要直接通过修改配置启动新协议实机流程：现有正式 finalizer 和恢复入口仍属于旧证据链。没有生成新协议通过产物，没有修改 `latest_passed`。
+- `UrdfCommandImages` 复用共享图像优化入口，直接沿原 CAD 拓扑计算四指及非平行拇指。一个掌变换、每个实体标签一个共享安装；不引入各阶段独立六自由度变换。
+- 五根轴的方向与空间布局初始化掌坐标，子轴补充非平行约束；所有允许零位和双向单调指令映射在原始图像目标中联合求解。首次观测及行程端点不作为物理零位。
+- 最多 64 个初始化，每个初始化的安装预优化与联合优化合计最多 200 次求值。正式后台进程沿用 600 秒上限；预算耗尽保留失败原因，不自动增加动作。
+- 训练候选先检查原重投影门限，再对不同数值解族做有分辨率余量的配对图像损失检验（0.03 px、Holm 家族错误率 0.01）。同一保持姿态和重复初始化不重复计为独立证据。所有未被训练证据排除的候选均保留；发布代表按物理输出的最坏误差选择，不按最低像素分数选零位。
+- 完整相关协方差和候选间差异传播到零位、绝对指令角、轴方向、轴位置、FK 位置及旋转。保留原角度/空间门限；标签安装不唯一不单独否决。审计的 FK 范围为训练网格和单关节姿态，不宣称任意多轴组合已验收。
+- 第三轮冻结全部共享几何、安装、零位和指令映射。仅为独立测量估计每张图自己的角度；按图像块批量运算，各图之间不共享测量变量。第三轮不能参与训练、候选选择或参考修正。
+- 沿用现有文件名和 `latest_passed`。仅授权修改 `origin.rpy` 与限位；拇指 IP、四指 DIP 保留 CAD 零位。检查 JSON 重建、实际文件 FK、授权字段及标准 robot_state_publisher 加载后，才允许原子发布。
 
-## 已运行的软件验证
+## 使用与结果
 
-- 原始采集、旧分支保护、诊断覆盖组：59 项通过；6 项旧测试因 `SimpleNamespace` 夹具缺少 `reference_check` 失败。改用正式 `MotionCommand` 夹具后，6 项重跑全部通过（0.96 秒），未放宽生产保护。
-- 共享整指核心、冻结验证、候选分族：24 项通过（4.34 秒）。
-- 队尾补采状态显示：1 项通过（0.55 秒）。
-- coordinator 虚拟实机用例包含小指三个任务、18 个方向，各关节统计全部发送指令恰好三次往返；无在线求解调用，最终归位。该结果不能替代全手实机验收。
+首次新协议必须显式新采集，旧会话及原 66 个通过单元只保留回归用途：
+
+```bash
+ros2 run linkerhand_calibration calibrate_hand \
+  --config src/linkerhand_calibration/config/o30_right_product.yaml \
+  --no-resume --camera-optical-observations /绝对路径/optical_observations.json
+```
+
+后续恢复省略 `--no-resume`，仍需提供当前安装条件下的光学观测。若安装参考不可核验，按拒绝原因处理，不能改哈希绕过。
+
+现有 `three_camera_extrinsics.launch.py` 增加 `verification_extrinsics_file`：指定受保护外参文件、另设 JSON `output_file`，沿用棋盘格采集及保存操作。该模式不重拟合相机参数，保存同步多姿态角点，并验证冻结内外参；每个机位至少 15 组，跨机位同步不超过 50 ms，同时检查图像/倾角覆盖及原重投影门限。正常外参标定模式不变。核验模式的角点 JSON 用于上述启动参数。
+
+关键文件：
+
+- `raw_joint_result.json`：分别记录原始采集完整、拟合完成、精度通过；包含缺失单元、失败原因和禁止自动几何重采标志。
+- `raw_joint_training.json` / `raw_joint_training_selection.json`：初始化预算、训练排除依据、全部候选审计。
+- `raw_joint_candidates.npz`：保留候选参数和完整协方差。
+- `raw_joint_holdout.json`：每个保留候选的冻结验证。
+- `calibration_report.json` / `release_manifest.json`：协议、原始证据、安装参考、光学观测及候选集合身份；最终发布证据。
+
+## 已验证与尚需实机完成
+
+- 全手运动效果测试覆盖 17 个任务、三轮正式往返、原避让和归位；实际 coordinator 虚拟时钟覆盖小指 18 个方向、全部已发送指令，无在线求解。
+- 有界队尾补采、跨恢复预算、首单元中断发现、协议/参考拒绝、固定参考保护、光学缺失时禁止启动均有测试。
+- ID5、ID9、ID12 的真实历史双候选角点可作为采集数据；ID10 真实缺测不能变成完整扫描。
+- 独立 XML FK 真值：64 个初始化全部收敛，约 193 秒；32 个超过原图像门限，16 个被训练配对证据排除，剩余 16 个全部通过候选集合不确定度及第三轮验收。该批次生成合成 JSON/URDF，并通过标准 ROS 加载和最终文件 FK 回读。
+- 合成产物位于 `calibration_output/software_review_20260922_raw_joint/known_truth/`，仅有软件测试指针 `synthetic_only_passed`；没有更新实机 `latest_passed`。
+- 该软件产物保留生成时的检验审计；当前更严格的 0.01 家族错误率复核另存 `current_training_selection.json`，保留候选集合完全相同，未重复运行优化器或改写原验收文件。
+- **尚需实机验收**：当前相机安装的实际光学核验、新协议首次全手采集、实机姿态对照。本次没有重新启动电机，不能将合成通过当作实际机械手的准确性证明。

src/linkerhand_calibration/O30_RIGHT_CALIBRATION.md

@@ -7,15 +7,35 @@ Profile 为 `O30/right/o30_right_18/v1`，20 个关节全部主动；原始 URDF
 三相机序列号及内参指纹均与现有文件一致。
 软件测试包含合成数据和已记录的真实图像回归，不能作为整手现场精度报告。
 
+## 当前默认：连续采集、离线联合求解、验收后修正 URDF
+
+默认协议已切换为 `raw_joint_2_plus_1`。17 个任务各两轮训练加一轮独立验证，
+不再执行旧的局部几何准备往返，不在采集中等待唯一父标签分支。
+缺项队尾最多补采一次；硬件异常、反馈失联、参考移动仍保护停止。
+归位后进行联合拟合、候选集合不确定度验收、第三轮冻结验证及最终文件检查。
+
+首次新协议需要全手新采集和当前相机安装的实测光学核验：
+
+```bash
+ros2 run linkerhand_calibration calibrate_hand \
+  --config src/linkerhand_calibration/config/o30_right_product.yaml \
+  --no-resume --camera-optical-observations /绝对路径/optical_observations.json
+```
+
+完整实现、核验工具、断点条件和验收记录见 [新协议说明](O30_RAW_PROTOCOL_IMPLEMENTATION.md)。
+软件合成验收已生成 JSON 和修正 URDF；没有更新实机 `latest_passed`，尚需新协议实测及姿态对照。
+
+## 历史任务式采集说明（显式选择旧协议时适用）
+
 ## 2026-09-22：从头按每任务两轮训练＋一轮验证采集
 
-**当前实现边界：**下方正式入口的“两轮＋验证”仍指扫描轮数，旧的逐级求解准备
+**历史实现边界（已被新默认入口替代）：**下方旧入口的“两轮＋验证”仍指扫描轮数，旧的逐级求解准备
 动作尚未整体移除。现有小指延后求解采集已改为实际共三次完整往返，第一轮回程
 保存参考观测，缺标签和硬件异常仍停止；该修改已通过虚拟运行测试，尚未实测。
 不能把小指采集侧修改称为全手正式“采集→离线拟合→发布”已贯通，不能将原始
 诊断记录改标为正式零位证据。下面命令也不是新采集优先链路的完成声明。
 
-O30 配置默认使用 `taskwise_2_plus_1`；旧 `fixed` 仅在显式选择时使用三轮训练＋一轮验证。
+当时 O30 配置使用 `taskwise_2_plus_1`；旧 `fixed` 仅在显式选择时使用三轮训练＋一轮验证。
 新策略按每个任务连续完成训练 1、训练 2、独立验证，再进入下一个任务，
 不先扫完整手、不自动补第三轮训练。内部验证轮编号仍为 3，不能当作训练数据。
 17 个任务共 108 个方向/分段扫描单元（旧 fixed 为 144 个），不含必要归位与避让。

src/linkerhand_calibration/TESTING.md

@@ -551,3 +551,28 @@ Schur 协方差与完整逆矩阵一致、冻结模型拒绝无法解释的阶
 这不是正式标定稳定性通过：轴距采用精确 URDF 约束，验证仍逐帧估角，且反向数据
 用于候选检验。尚缺物理零位绑定、冻结双向指令映射、未使用第三轮、完整输出误差
 及 JSON/URDF 往返验收。新模块为非授权离线模型，未绕过正式父参考或发布门限。
+
+## O30 raw_joint 正式链路（2026-09-22）
+
+新默认协议及完整边界见 `O30_RAW_PROTOCOL_IMPLEMENTATION.md`。
+
+针对性验证（不同组有重叠，不相加宣称一次全量回归）：
+
+- 原始采集、断点恢复、存储回归：35 passed，44.24 秒。覆盖首单元尚未通过的中断发现、跨恢复补采预算、实际 coordinator 三轮指令、缺失光学观测禁止运动。
+- 全手运动效果及显式旧协议路径：3 passed，4.12 秒。原有两个接受关节角夹具改为显式 `TASKWISE_TWO_ROUND`，不修改新协议质量门限。
+- 光学核验及候选集合门限：8 passed，5.84 秒。错误内外参、覆盖、序列号、同步拒绝；物理超差拒绝，标签安装不唯一不额外否决。
+- 共享 CAD 图像导数、历史失败角点和发布回读：10 passed，51.30 秒；批量独立角度验证修正稀疏索引读取后，发布组 3 passed，10.92 秒。
+- 外参工具、原子发布、状态及 O30 launch 公共契约：30 passed，2.32 秒。
+- 最终候选门禁、共享整指/运动链及真实失败回归：23 passed，12.25 秒。正式终结入口缺少来源证据时，拒绝求解并保存失败状态：1 passed，4.76 秒。
+- 光学核验采集同步上限统一为 50 ms 后，外参工具受影响组：10 passed，0.57 秒。源码编译与 `git diff --check` 通过。
+- ID5/9/12 与 ID10 历史回归来自 `o30_raw_failure_observations.json.gz`，仅用于旧角点观察能力回归，不能恢复为新协议数据。
+- `o30_training_candidate_parameters.npz` 保存两个合成训练解的参数，供配对损失/保留候选边界测试复用，不含任何实机标定授权。
+
+完整合成真值数值回归：64 个初始化全部收敛，约 192.82 秒；每个候选总求值不超过 200。
+训练像素门限排除 32 个，训练分层配对检验排除 16 个，剩余 16 个全部通过候选协方差与第三轮验证。
+训练检验使用原 0.03 px 分辨率余量和 0.01 Holm 家族门限；第三轮不参与选择。
+保留候选的零位三倍标准差与候选差异联合包络约 0.100°，绝对指令角约 0.192°，轴位置约 0.125 mm，FK 位置约 0.260 mm。
+产物通过实际 robot_state_publisher、结构授权、JSON 重建及最终 FK 回读；后半程验收和发布约 10.38 秒。
+只写入 `calibration_output/software_review_20260922_raw_joint/known_truth/` 和独立软件测试指针；实机 `latest_passed` 未修改。
+
+未进行本次新协议全手实测或实机姿态对照；不能把以上软件结果当作现场精度证明。

src/linkerhand_calibration/linkerhand_calibration/core/fitting/raw_joint_fit.py

@@ -26,6 +26,7 @@ class RawJointFit:
     representative: int
     uncertainty: dict
     training_audit: tuple
+    training_selection: dict | None = None
 
 
 def physical_outputs(bundle, parameters):
@@ -88,9 +89,33 @@ def certify_candidate_union(bundle, candidates):
         for k, v in limits.items()]), axis=0)))
     for key, limit in limits.items():
         radius = radii[key][representative]
-        audit[key] = dict(maximum_union_radius=radius, limit=limit, passed=radius <= limit)
+        audit[key] = dict(maximum_union_radius=radius, limit=float(limit), passed=bool(radius <= limit))
         if radius > limit:
             failures.append(key)
+            values = np.asarray([item[0][key] for item in evaluated])
+            widths = np.asarray([item[1][key] for item in evaluated])
+            difference = values-values[representative]
+            difference = np.linalg.norm(difference,axis=-1) if difference.ndim == 3 else np.abs(difference)
+            affected = np.flatnonzero(np.max(difference+widths,axis=0) > limit)
+            if key in {'zero_rad','axis','axis_point_m'}:
+                names = {bundle.joints[int(index)] for index in affected}
+            elif key == 'command_rad':
+                labels = [name for name in bundle.joints for _ in range(2*len(bundle.knots[name]))]
+                names = {labels[int(index)] for index in affected}
+            else:
+                probes = 1+sum(len(nodes) for nodes in bundle.knots.values())
+                links = sorted(set(bundle.tag_links.values()))
+                affected_links = {links[(int(index)//probes)%len(links)] for index in affected}
+                names = {name for name in bundle.joints if bundle.model.joints[bundle.cad_names[name]].child in affected_links}
+            audit[key]['affected_joints'] = sorted(names)
+            audit[key]['required_observations'] = [dict(joint=name,
+                task=next(task.key for task in bundle.profile.motion.tasks if name in task.joints),
+                view=bundle.profile.measurement.measurements[name].view,
+                tag_roles=[bundle.profile.measurement.measurements[name].parent_role,
+                    bundle.profile.measurement.measurements[name].child_role],
+                need=('bidirectional_steady_command_support' if key == 'command_rad' else
+                    'simultaneous_link_observations_with_distinct_axis_or_held_pose_geometry'),
+                repeat_identical_trajectory_automatically=False) for name in sorted(names)]
     if any(abs(v) > np.radians(20) for candidate in candidates
             for v in bundle.zero_offsets(candidate.parameters).values()):
         failures.append('absolute_zero_exceeds_20deg')
@@ -141,5 +166,11 @@ def fit_raw_joint_candidates(bundle, *, cancelled=lambda: False, candidate_compl
             candidate_completed(row)
     if any(not row['accepted_for_uncertainty'] and not row.get('training_excluded') for row in audit):
         raise ValueError('raw_joint_unresolved_training_candidates:see_raw_joint_training.json')
-    uncertainty, representative = certify_candidate_union(bundle, tuple(candidates))
-    return RawJointFit(tuple(candidates), representative, uncertainty, tuple(audit))
+    from .raw_joint_selection import reject_training_distinguishable_candidates
+    candidates, selection = reject_training_distinguishable_candidates(bundle, tuple(candidates))
+    excluded = {tuple(seed) for seed in selection.get('excluded_seeds', ())}
+    for row in audit:
+        if tuple(row['seed']) in excluded:
+            row.update(accepted_for_uncertainty=False, training_excluded='paired_training_loss_holm')
+    uncertainty, representative = certify_candidate_union(bundle, candidates)
+    return RawJointFit(candidates, representative, uncertainty, tuple(audit), selection)

src/linkerhand_calibration/linkerhand_calibration/core/fitting/raw_joint_selection.py

@@ -0,0 +1,80 @@
+"""Training-only rejection of distinguishable image hypotheses.
+
+Repeated holds and optimizer seeds are not independent observations. Compare
+one median paired loss per distinct command/direction pose, with the existing
+0.03 px resolution margin and Holm familywise correction. Survivors, including
+physically different tied solutions, all proceed to covariance propagation.
+"""
+from collections import defaultdict
+
+import numpy as np
+from scipy.stats import ttest_1samp, wilcoxon
+
+from ..geometry.tag_pose.image_model_selection import holm_adjusted_probabilities
+from ..geometry.tag_pose.parameters import DEFAULT_REPROJECTION_TIE_PX
+
+
+def _families(bundle, candidates):
+    families = []
+    for index, candidate in enumerate(candidates):
+        for family in families:
+            if all(np.max(np.abs(candidate.parameters-candidates[other].parameters)/bundle.scale) <= 1e-5
+                    for other in family):
+                family.append(index)
+                break
+        else:
+            families.append([index])
+    return families
+
+
+def _probability(differences):
+    if len(differences) < 6 or not np.all(np.isfinite(differences)) or np.mean(differences) <= 0:
+        return 1.
+    if np.ptp(differences) < 1e-12:
+        return 2.**-len(differences)
+    mean = float(ttest_1samp(differences,0.,alternative='greater').pvalue)
+    rank = float(wilcoxon(differences,alternative='greater',zero_method='wilcox').pvalue)
+    return max(mean,rank) if np.isfinite(mean) and np.isfinite(rank) else 1.
+
+
+def reject_training_distinguishable_candidates(bundle, candidates):
+    if not candidates:
+        return (), dict(policy='training_paired_pose_losses_holm_v1', families=[], comparisons=[])
+    families = _families(bundle,candidates)
+    anchor = min(range(len(candidates)),key=lambda i:candidates[i].rms_px)
+    predictions = [bundle.project_observations(c.parameters,bundle.commands,bundle.directions,bundle.observations)
+        for c in candidates]
+    probabilities, comparisons = [], []
+    for family_index,family in enumerate(families):
+        if anchor in family:
+            continue
+        for role,(indices,measured,_matrices,_objects) in bundle.observations.items():
+            base = np.sqrt(np.mean(np.sum((predictions[anchor][role]-measured)**2,axis=2),axis=1))
+            # Only commanded ancestors move this role. Other fingers' repeated
+            # holds cannot multiply the evidence for its installation branch.
+            ancestors = {joint.name for joint in bundle.chains[role]}
+            channels = sorted(bundle.channels[name] for name in bundle.joints if bundle.cad_names[name] in ancestors)
+            strata = defaultdict(list)
+            for local,index in enumerate(indices):
+                key = tuple((float(bundle.commands[index,ch]),int(bundle.directions[index,ch])) for ch in channels)
+                strata[key].append(local)
+            pvalues = []
+            for member in family:
+                other = np.sqrt(np.mean(np.sum((predictions[member][role]-measured)**2,axis=2),axis=1))
+                losses = other**2-(base+DEFAULT_REPROJECTION_TIE_PX)**2
+                differences = np.asarray([np.median(losses[items]) for items in strata.values()])
+                pvalues.append(_probability(differences))
+            index = len(comparisons)
+            probabilities.append((index,max(pvalues)))
+            comparisons.append(dict(family=family_index,role=role,pose_strata=len(strata),
+                probability=max(pvalues)))
+    excluded = set()
+    for index,adjusted in holm_adjusted_probabilities(probabilities):
+        comparisons[index]['holm_probability'] = adjusted
+        if adjusted < .01:
+            excluded.update(families[comparisons[index]['family']])
+    retained = tuple(c for i,c in enumerate(candidates) if i not in excluded)
+    return retained, dict(policy='training_paired_pose_losses_holm_v1',
+        training_comparison_anchor=list(candidates[anchor].seed), pixel_margin=DEFAULT_REPROJECTION_TIE_PX,
+        familywise_alpha=.01, families=[[list(candidates[i].seed) for i in family] for family in families],
+        excluded_seeds=[list(candidates[i].seed) for i in sorted(excluded)], comparisons=comparisons)

src/linkerhand_calibration/linkerhand_calibration/extrinsics_node.py

@@ -645,6 +645,8 @@ class ThreeCameraExtrinsicsNode(Node):
         self.maximum_pair_skew_ns = int(
             float(value("maximum_pair_skew_ms")) * 1_000_000.0
         )
+        if self.verification_extrinsics_file:
+            self.maximum_pair_skew_ns = min(self.maximum_pair_skew_ns, 50_000_000)
         self.maximum_reprojection_rms_px = float(
             value("maximum_reprojection_rms_px")
         )

src/linkerhand_calibration/linkerhand_calibration/runtime/artifacts/raw_joint_finalization.py

@@ -78,7 +78,9 @@ def finalize_raw_joint_session(*, profile, session_dir, serial_number, source_ur
         if hashlib.sha256(extrinsics_path.read_bytes()).hexdigest() != protected_inputs['camera_extrinsics_sha256']:
             raise ValueError('raw_joint_camera_extrinsics_changed')
         extrinsics = load_camera_extrinsics(extrinsics_path, required_views=profile.vision.view_names,
-            reference_view=profile.vision.extrinsic_reference_view)
+            reference_view=profile.vision.extrinsic_reference_view,
+            quality_limits=profile.vision.extrinsics_quality_limits,
+            minimum_capture_counts=profile.vision.minimum_capture_counts)
         checks = [r for r in records if r.get('kind') == 'measured_optical_verification']
         if not checks:
             raise ValueError('raw_joint_measured_optical_verification_missing')
@@ -93,6 +95,10 @@ def finalize_raw_joint_session(*, profile, session_dir, serial_number, source_ur
                 maximum_initializations=64, maximum_evaluations_per_initialization=200, candidates=audit))
             check()
         fit = fit_raw_joint_candidates(bundle, cancelled=cancelled, candidate_completed=progress, workers=1)
+        atomic_write_json(directory/'raw_joint_training_selection.json', fit.training_selection)
+        atomic_write_json(directory/'raw_joint_training.json', dict(completed=len(fit.training_audit),
+            maximum_initializations=64, maximum_evaluations_per_initialization=200,
+            candidates=fit.training_audit))
         np.savez_compressed(directory/'raw_joint_candidates.npz',
             parameters=np.asarray([c.parameters for c in fit.candidates]),
             covariance=np.asarray([c.covariance for c in fit.candidates]),
@@ -100,6 +106,8 @@ def finalize_raw_joint_session(*, profile, session_dir, serial_number, source_ur
         state.update(fit_complete=True, candidate_uncertainty=fit.uncertainty)
         save(); phase_changed('fit_complete'); check()
         if not fit.uncertainty['passed']:
+            state['required_observations'] = [item for value in fit.uncertainty.values()
+                if isinstance(value,dict) for item in value.get('required_observations',())]
             raise ValueError('raw_joint_candidate_union_exceeds_original_precision')
         validations = []
         for candidate in fit.candidates:
@@ -115,6 +123,9 @@ def finalize_raw_joint_session(*, profile, session_dir, serial_number, source_ur
         phase_changed('holdout_complete'); check()
         report, plan = prepare_raw_report(bundle, fit, evidence, validation,
             serial_number=serial_number, protected_inputs=protected_inputs)
+        from ...core.domain.capture_plan import evidence_digest
+        report['raw_joint_audit'].update(installation_reference_sha256=evidence_digest(reference),
+            optical_observations_sha256=optical['observations_sha256'])
         naming = dict(serial_number=serial_number, side=profile.key.side, model=profile.key.model.lower())
         json_path = directory/profile.artifacts.calibration_filename.format(**naming)
         urdf_path = directory/profile.artifacts.corrected_urdf_filename.format(**naming)

src/linkerhand_calibration/linkerhand_calibration/runtime/artifacts/raw_joint_report.py

@@ -72,6 +72,7 @@ def prepare_raw_report(bundle, fit, evidence, validation, *, serial_number, prot
         raw_joint_audit=dict(protocol='raw_joint_images_v1', capture_sha256=evidence.sha256,
             training_sha256=training_digest, candidate_set_sha256=candidate_digest,
             candidate_uncertainty=fit.uncertainty, candidate_count=len(fit.candidates),
+            training_selection=fit.training_selection,
             representative=fit.representative, validation_parameters_updated=False),
         quality=dict(release_basis='steady_command', feedback_mapping_required=False,
             training_cycles=[0, 1], holdout_cycle=3, command_training_cycles=[0, 1], command_holdout_cycle=3,

src/linkerhand_calibration/linkerhand_calibration/runtime/coordinator.py

@@ -98,7 +98,8 @@ class CalibrationCoordinator:
         self._command_directions = [""]*self.command_count
         self._actual_command_count = 0
         self._actual_direction_changes = [0]*self.command_count
-        self.finalization = finalization or FinalizationController(profile, parameters.session_dir)
+        self.finalization = finalization or FinalizationController(profile, parameters.session_dir,
+            isolated=self.raw_joint)
         from .journal_durability import JournalDurabilityWorker
         self.journal_durability = JournalDurabilityWorker()
         from .capture_index import CaptureRecordIndex

src/linkerhand_calibration/linkerhand_calibration/runtime/optical_verification.py

@@ -77,7 +77,7 @@ def verify_optical_observations(dataset, extrinsics, matrices, *, extrinsics_sha
             normals[view].append(camera[:3, 2])
     coverage = {}
     for view, count in counts.items():
-        if count < 8:
+        if count < 15:
             raise ValueError('optical_pose_coverage_insufficient:' + view)
         identity = extrinsics.cameras[view]
         span = np.ptp(np.asarray(corners[view]), axis=0)/[identity.width, identity.height]
@@ -89,7 +89,7 @@ def verify_optical_observations(dataset, extrinsics, matrices, *, extrinsics_sha
     limit = DEFAULT_POSE_TRACKING_PARAMETERS.maximum_reprojection_error_px
     rms = float(np.sqrt(np.mean(np.square(errors))))
     p95 = float(np.percentile(errors, 95))
-    if max(rms, p95) > limit:
+    if rms > 1.2 or p95 > limit:
         raise ValueError('optical_measured_reprojection_failed')
     return dict(protocol='rectified_optical_check_v1', passed=True,
         observations_sha256=evidence_digest(dataset), camera_extrinsics_sha256=extrinsics_sha256,

src/linkerhand_calibration/linkerhand_calibration/runtime/resume.py

@@ -73,6 +73,7 @@ def discover_resume_candidate(
         start = None
         reference_found = False
         completed_found = False
+        raw_capture_found = False
         completed = {}
         try:
             summary_path = candidate / "calibration_summary_zh.json"
@@ -92,6 +93,8 @@ def discover_resume_candidate(
                         raise ValueError("invalid checkpoint record")
                     reject_diagnostic_capture((row,))
                     kind = str(row.get("kind", ""))
+                    if training_policy == 'raw_joint_2_plus_1' and kind in {'raw_observation_frame', 'scan_unit_complete'}:
+                        raw_capture_found = True
                     if kind == "session_start":
                         from ..core.artifacts.evidence_journal import REFERENCE_KEY, decode_envelope
                         if REFERENCE_KEY in row:
@@ -133,7 +136,7 @@ def discover_resume_candidate(
             if start is not None and start.get("resume_checkpoint_requested") is False:
                 break
             continue
-        if start is None or not reference_found or not completed_found:
+        if start is None or not reference_found or not (completed_found or raw_capture_found):
             continue
         count = sum(passed for _attempt, passed in completed.values())
         if count > best_completed:

src/linkerhand_calibration/test/optical_fixture.py

@@ -8,7 +8,7 @@ def optical_dataset(extrinsics, matrices, digest):
         for x in np.linspace(-.16, .16, 5)])
     captures = []
     for i, (rx, ry) in enumerate(((-.4, -.4),(-.4,.4),(.4,-.4),(.4,.4),
-                                (-.3,0.),(.3,0.),(0.,-.3),(0.,.3))):
+                                (-.3,0.),(.3,0.),(0.,-.3),(0.,.3))*2):
         pose = np.eye(4)
         pose[:3,:3] = Rotation.from_euler('xyz', [rx, ry, 0.]).as_matrix()
         pose[:3,3] = [.13*(-1 if i%2 else 1), .12*(-1 if (i//2)%2 else 1), .75]

src/linkerhand_calibration/test/test_raw_joint_candidate_gates.py

@@ -0,0 +1,38 @@
+from dataclasses import replace
+from pathlib import Path
+
+import numpy as np
+
+from test_urdf_command_images import graph
+from linkerhand_calibration.core.fitting.raw_joint_fit import RawJointCandidate, certify_candidate_union
+from linkerhand_calibration.core.fitting.raw_joint_selection import reject_training_distinguishable_candidates
+
+
+def test_candidate_union_rejects_physical_difference_without_demanding_unique_mount(graph):
+    bundle, truth = graph
+    original = RawJointCandidate((0,)*6, truth, np.eye(len(truth))*1e-14, 0.)
+    installed = truth.copy()
+    column = next(iter(bundle.mount_columns.values()))
+    installed[column:column+3] += [.1,.2,.3]
+    accepted, _ = certify_candidate_union(bundle,(original,replace(original,parameters=installed)))
+    assert accepted['passed']
+    changed = truth.copy()
+    changed[bundle.zero_columns['thumb_cmc_yaw']] += np.radians(5)
+    rejected, _ = certify_candidate_union(bundle,(original,replace(original,parameters=changed)))
+    assert not rejected['passed'] and 'zero_rad' in rejected['failures']
+
+
+def test_training_loss_rejection_keeps_all_indistinguishable_seeds(graph):
+    bundle, _ = graph
+    path = Path(__file__).parent/'fixtures/o30_training_candidate_parameters.npz'
+    stored = np.load(path)
+    candidates = tuple(RawJointCandidate((i,)*6,x,np.eye(len(x))*1e-14,float(rms))
+        for i,(x,rms) in enumerate(zip(stored['parameters'],stored['rms'])))
+    # Exact numerical duplicates are still retained, not ranked for release.
+    duplicate = replace(candidates[0],seed=(2,)*6)
+    retained, audit = reject_training_distinguishable_candidates(bundle,(*candidates,duplicate))
+    assert [c.seed for c in retained] == [candidates[0].seed,duplicate.seed]
+    assert audit['excluded_seeds'] == [list(candidates[1].seed)]
+    assert audit['familywise_alpha'] == .01
+    assert any(r['holm_probability'] < .01 for r in audit['comparisons'])
+    assert not any(row['cycle'] == 3 for row in bundle.rows)

src/linkerhand_calibration/test/test_raw_joint_release.py

@@ -69,3 +69,23 @@ def test_report_rebuild_and_final_file_fk(graph, frozen_validation, tmp_path):
     atomic_write_json(json_path, altered)
     with pytest.raises(ValueError, match='serialized_report_changed'):
         validator(json_path, urdf_path)
+
+
+def test_formal_finalizer_rejects_missing_provenance_before_fitting(graph, tmp_path, monkeypatch):
+    import json
+    from linkerhand_calibration.runtime.artifacts import raw_joint_finalization as finalization
+
+    bundle, _ = graph
+    monkeypatch.setattr(finalization, 'fit_raw_joint_candidates',
+        lambda *args, **kwargs: pytest.fail('unverified capture reached the solver'))
+    protected = {key: 'a'*64 for key in bundle.profile.artifacts.protected_input_fields}
+    directory = tmp_path/'incomplete'
+    with pytest.raises(ValueError, match='requires_unique_session_and_locked_reference'):
+        finalization.finalize_raw_joint_session(profile=bundle.profile, session_dir=directory,
+            serial_number='OFFLINE_TRUTH', source_urdf=bundle.model.source,
+            protected_inputs=protected, records=(), camera_extrinsics_file=tmp_path/'missing.json',
+            standard_loader=lambda _: pytest.fail('invalid capture reached artifact loading'))
+    state = json.loads((directory/'raw_joint_result.json').read_text())
+    assert not any(state[key] for key in ('raw_capture_complete', 'fit_complete',
+        'accuracy_passed', 'publication_allowed', 'automatic_geometry_recapture'))
+    assert not (tmp_path/bundle.profile.artifacts.publication_pointer).exists()

src/linkerhand_calibration/test/test_raw_resume.py

@@ -64,3 +64,25 @@ def test_reordered_checkpoint_cannot_skip_work():
     checkpoint = RawCheckpoint({}, {}, (completion(second),), frozenset((second.identity,)))
     with pytest.raises(ValueError, match='schedule_order_changed'):
         checkpoint.restore(session)
+
+
+def test_discovery_preserves_interrupted_first_attempt_without_any_passed_unit(tmp_path):
+    import json
+    from linkerhand_calibration.core.domain.capture_plan import CapturePlan
+    from linkerhand_calibration.core.geometry.pnp import POSE_TRACKING_POLICY_VERSION
+    from linkerhand_calibration.runtime.engine import CalibrationEngine, ACQUISITION_POLICY_VERSION
+    from linkerhand_calibration.runtime.resume import discover_resume_candidate
+    selected = profile()
+    hashes = {key:'a'*64 for key in selected.artifacts.protected_input_fields}
+    directory = tmp_path/'20260922_first_attempt'; directory.mkdir()
+    header = dict(kind='session_start', profile_id=selected.key.profile_id, serial_number='RAW_TEST',
+        acquisition_policy_version=ACQUISITION_POLICY_VERSION,
+        pose_tracking_policy_version=POSE_TRACKING_POLICY_VERSION,
+        capture_schedule_version=CalibrationEngine(selected).capture_schedule_version,
+        capture_plan=CapturePlan.from_profile(selected).as_dict(), resume_checkpoint_requested=False, **hashes)
+    row = {**completion(CalibrationEngine(selected).scan_units()[0]),'kind':'raw_observation_frame'}
+    records = [header,dict(kind='fixed_base_reference_locked'),row]
+    (directory/'raw_samples.jsonl').write_text('\n'.join(json.dumps(r) for r in records)+'\n')
+    found = discover_resume_candidate(tmp_path,profile_id=selected.key.profile_id,serial_number='RAW_TEST',
+        protected_hashes=hashes,training_policy=RAW_JOINT)
+    assert found == directory