9fe9d27865
Consolidate next-stage docs, archive superseded narratives, and preserve frozen document inputs. Retain invalid P2 pairs, partial RootXY training, failed attempts and nonselectable checkpoints as explicit limitations. Include supervised evaluation/training, desktop GPU admission, bounded evidence and atomic-publication monitor repairs with CPU regressions. Ignore local dotenv configuration. Validation: 1403 passed, 6 skipped for contact-cycle and related contracts/CLI tests. Full-suite legacy ABI and registration tests require Python 3.12/Torch 2.10/pxr; no runtime checks relaxed. No new physical run or accepted skill.
4.3 KiB
4.3 KiB
RootXY-v2:固定训练配方与候选判据
这是当前实现合同,不是新运行授权。两次RUN均已停止;第二次完成81更新但没有合格候选,见当前进度。改动本文会改变新manifest身份;旧快照/失败证据不修改。
范围与唯一任务变化
- 独立任务
SkillFactory-Go2FL-ContactCycleSimRootXY-v2,不是旧v1或32D策略的别名。 - 沿用46D特征、固定归一化、参考/载荷补偿、9秒独立回合、原辅助夹具和物理失败规则;所有阶段残差±0.05rad,关节投影后有效权限可能更小。
- 唯一奖励变化:position scales由
[.05,.05,.04]改为[.03,.03,.04]m。权重1/.1/.05、XYZ共享cap10、velocity scale .5和其余成本不变。 - 不增加30mm训练termination;普通原任务失败仍可作为PPO学习信号。身份、有限性、关节/effort/guide安全、计数/诊断、时间/存储/归属异常致命停止。
- 仍是名义单周期漂移减少试验,不学习连续周期或外扰恢复。
初始化与对照
冻结来源见证据索引。仅导入u256的actor、log_std、精确normalization;critic/Adam/Python/NumPy/Torch RNG全新,不继承旧budget、update、best或optimizer状态。
- train92511,development93511;95511是拟用holdout,未在本轮调用,未来须再次检查使用记录。
- CPU在绑定的45×46观察上检查warmstart动作/mean/std精确相等,不冒充第三次物理baseline或完整PhysX状态相等。
- 物理baseline:analytic_zero与frozen_u256各128环境、同dev seed,检查初始观察/命令配对。两者都须原功能128/128,才允许优化。
- baseline的30mm超限只作诊断,不改写功能结果;开发候选的30mm判据则是硬门槛。
预算、开发验证与选模
| 项目 | 固定限制 |
|---|---|
| 优化 | 128环境×32控制步×256更新=1,048,576环境转移;每rollout先预扣,不退还中断预留 |
| 验证预留 | 128×900×7=806,400环境转移;实际计划2基线+4开发,共6次,未用预留不退 |
| 共享物理调用 | rollout预留72,460+初始化/reset上限1,000=73,460;实际前/后钩子计数,不用转移数伪造 |
| RUN时间 | 同boot CLOCK_BOOTTIME 7200s,从监督器入场起含启动/输出/关闭;7080s工作截止、120s清理 |
| 存储 | 1GiB新owned+列明外部native正增长;monitor-and-stop,不是硬quota;不覆盖旧根 |
| 启动 | 一次,无重试、恢复、延长或退款;RTX5080 cuda:0 |
u64/128/192/256各完成128条首次9秒开发回合,原功能128/128,否则停止;不以autoreset后回合补齐。
候选资格:全部128条完整4500物理tick、每tick rootXY≤0.03m、无违例。超限锁存至回合结束,恢复不能抹除;部分前缀RMS不得参选。合格者依次按全回合平均XY RMS、原tracking综合代价、最早update排序。无合格者可形成“完整试验但无候选”,不选最好的失败权重。
实现与输出
路径前缀source/SkillFactory/SkillFactory/:
| 文件 | 职责 |
|---|---|
legs/contact_cycle_sim/rootxy_training_v2.py |
配方/manifest、weights-only导入、独立debit ledger、eval-only checkpoint |
rootxy_runner_v2.py(同目录) |
baseline/rollout/PPO/开发顺序,强制RuntimeHooks、失败后撤销临时候选 |
rootxy_diagnostics_v2.py / rootxy_selection_v2.py |
逐tick XY/饱和/权限统计、无副作用资格与排序 |
rootxy_binding_v2.py / rootxy_runtime_v2.py |
真实配置/来源绑定、物理计数、安全覆盖 |
tasks/manager_based/contact_cycle_sim/rootxy_cfg_v2.py |
additive配置,原类/计数精确合同,不改v1 |
rootxy_recording_v2.py(同目录) |
4500×128紧凑功能列、全部验证行、每次最多4条代表轨迹 |
result.json与run-worker-result.json仅临时结果;任意后续异常均使保留checkpoint不可选取。只有独立监督器在正常退出、清理、最终身份/计数/安全/资格全部通过后可写locked_candidate.json。checkpoint没有恢复训练所需optimizer状态。
真实PREP/RUN授权、GPU共享与证据关闭次序见启动契约;CPU测试方法见运行接口。所有P1/P2/holdout下游运行另行授权。