# WB012 — Cluster 參考驅動、模仿初始化與恢復試行

2026-09-30。依使用者授權放寬來源精度、全段成功與終點門檻後，已完成一輪**候選序列生成 → CUDA 模仿初始化 → Mac 恢復搜尋 → Windows 重播**。候選完整涵蓋原片，但全段穩定動作與成功擾動恢復仍未完成；沒有替換預設策略。

- [動態檢視頁](wb012-reference-review.html)：可切換全段姿態候選與五個真實物理重播，檢視腳／輪路徑、反力、37 關節力矩。
- [機器可讀總結](wb012-cluster-reference/summary.json)、[候選驅動序列](assets/wb012-candidate/reference-drive.json)、[模仿 actor](assets/wb012-candidate/actor.json)、[回復參數](assets/wb012-candidate/recovery.json)、[公開候選資產 manifest](assets/wb012-candidate/manifest.json)。目前是本機檢視資產，未發佈。
- [凍結原則與授權修訂](PLAN-WB012-CLUSTER-REFERENCE.md)。各批另有不可覆寫的 plan / source-manifest / report / artifact-audit。

## 模型與來源

使用 Hanyu 工程身材 1.72 m／57 kg，加上 0.6 kg 鞋輪。完整 37 個人體 hinge、6 個被動 wheel hinge、浮動骨盆共 `nq=50, nv=49, nu=37`。MuJoCo 3.14.0；時間步 1/1920 s。骨盆及輪軸馬達均為 0，所有主動驅動在人體關節。

輪鞋使用 WB011 的 36 mm 半徑、12 mm 半寬、2 mm rocker 與 0.65 摩擦工程假設。boot yaw/roll 範圍 ±0.10/±0.20 rad，被動 stiffness 80/120 Nm/rad、damping 3 Nms/rad；腰部有有限被動彈簧，所有人體馬達沿用 morphology 的 torque / power / speed / slew 值。這些不是實測運動員或特定鞋款參數。

原始 Cluster 為 0–7.666666 s、37 個影像標註時點與 231 個插值幀。來源身材與 Hanyu 工程身材不同；影像捕捉時間 ±0.15 s。背景配準不是已恢復的物理相機或冰場尺度。所有原始來源、image hashes、contact uncertainty 留在原始資料及每批 `traces/provenance.json`。

## 已產生的候選參考

| 版本 | 變動 | 平滑前姿態中位 RMS | root 力需求殘差中位數 | inverse torque 飽和比例 |
|---|---|---:|---:|---:|
| R1 | 全身 retarget，骨盆三軸可調整 | 3.81 cm | 5139 N | 38.8% |
| R2 | 推估路徑配合輪鞋側向滾動、時間放慢 1.5× | 3.81 cm | 1238 N | 24.5% |
| R4 | 加入人體／鞋的碰撞間距擬合 | 4.38 cm | 1197 N | 22.8% |
| R5（最新） | 路徑改動後重算輪速與輪軸角度 | 4.38 cm | 897 N | 19.8% |

R3 是碰撞 Jacobian 檢查失敗，已保留。初始平行／重合 capsule 的最近點導數不唯一；R4 將導數檢查移到小幅非退化擾動點，再進行同一模型的擬合。沒有略過算術一致性檢查。

R5 沿用 R4 的姿態與路徑，修正輪速仍來自舊路徑的問題。縱向輪面滾動速度一致性殘差最大 **1.55e-15 m/s**；被動輪軸 inverse residual 中位數由 **15.42 降到 1.94 Nm**。這是狀態一致性修正，並不表示力學已可行。R4 與使用它的第一版 actor／恢復搜尋全部保留為歷史。

R5 的 231 幀候選播放長 **11.50 s**，對應原片 7.67 s。為減少輪面橫滑而改動的推估 root 路徑，相對原先條件式三維路徑最大偏離 **7.18 m**。這是明示的工程動作候選，不能宣稱貼合原片的實際移動軌跡。4.38 cm 是路徑修改及平滑前，對既有三維先驗的 retarget 誤差；不是最終來源影像精度，更不是獨立驗證。

平滑後仍有自碰撞（最深約 8.9 cm）與大的無法實現之逆動力學需求。未致動 root／wheel 的 inverse residual 全部獨立輸出，從未作為外力施加。候選包含 q、v、a 與有界 joint torque；它不是動力學可行性的證明。

## CUDA 模仿初始化：已實際執行

- 實測顯示卡：**NVIDIA GeForce RTX 4070 Ti SUPER**；Torch 2.10.0+cu128。
- 42,277 個參數，兩層 128 hidden，tanh，37 個 normalized torque 輸出。
- 每版 3,927 筆資料；3,128 訓練、799 留出樣本，完整留出 47 個參考時點的所有擾動樣本。R4、R5 各完成 400 epochs，最新 R5 純訓練階段約 5.27 s；GPU peak allocated 約 26 MiB。
- 教師是 `0.1 × bounded inverse feedforward + finite joint PD`，加上合成關節角度／速度擾動。不是已成功的 full-body rollout 示範。
- 最新 R5 留出 normalized MSE 0.01437 → 0.000448；力矩 RMS **2.45 Nm**。CPU JSON actor 與 GPU 網路最大輸出差 **5.89e-7**。歷史 R4 為 2.53 Nm，原 checkpoint／報告保留。
- 留出指標只表示對候選教師的時間插值能力，不能當作抗擾恢復、未見技能或原片還原證據。

## Mac 恢復搜尋與 Windows 驗證

恢復控制混合模仿 actor 與真實接觸下的局部加速度回授，只求解 37 個 joint torque；不施加 root 力。Mac 使用 seed 29831231、兩代各 5 個候選，搜尋 root/joint Kp/Kd、root tracking 權重與混合比例。擾動是初始 roll +0.035 rad、世界側向速度 +0.12 m/s，之後没有外力。

R4、R5 各搜尋 10 個候選，**兩批各 10／10 均未完成 0.75 s**。選擇保留刀路／鞋方向與飽和成本的最高 score，沒有直接挑最長存活者。以下為最新 R5 在 Windows 上的獨立重播，保留自己的平台基線：

| 控制 | 初態 | 執行至跌落 | 鞋路徑 RMS | 承重鞋方向 RMS | 飽和比例 |
|---|---|---:|---:|---:|---:|
| 模仿 | 無擾動 | 0.554 s | 32.2 cm | 27.3° | 70.1% |
| 模仿＋回復 | 無擾動 | 0.516 s | 23.7 cm | 21.9° | 41.9% |
| 模仿 | 搜尋同向擾動 | 0.546 s | 35.2 cm | 19.6° | 66.6% |
| 模仿＋回復 | 搜尋同向擾動 | 0.493 s | 23.5 cm | 13.3° | 40.7% |
| 模仿＋回復 | 留出反向擾動 | 0.518 s | 21.1 cm | 19.0° | 42.6% |

最新回復控制雖減少路徑／方向誤差和飽和率，但無擾動及同向擾動均更早跌落，不能宣稱穩定性改善。R4 歷史同向擾動：模仿 0.452 s／28.8 cm／31.5°，回復 0.455 s／21.4 cm／12.2°；不混入 R5 的分母或平均。

無擾動 nominal rollout 要求整段 11.50 s，其餘擾動要求 0.75 s。後來的探索性 replay 允許鞋靴擦地繼續，只在身體碰地／骨盆跌低時終止；較早 R1/R4 檢查會在鞋靴擦地終止，不能把兩種終止條件的 survival 值直接比較。

未出現 MuJoCo 數值警告，沒有 root external force 或 wheel actuation，力矩與瞬時功率越限計數為 0。但速度／功率與 slew 沒有共同可行區間時，優先遵守瞬時界限，**仍發生 slew 違例和過高關節速度**；指標已輸出，不能寫成全部馬達條件通過。局部方向控制有改善；穩定滑行、全段銜接和可靠抗擾均未完成。

## 實测分工

| 相同短段 R1 重播 | Windows | Mac M4 |
|---|---:|---:|
| 純 rollout wall time | 78 ms | 36 ms |
| 含啟動／傳輸／稽核的 batch wall time | 3.76 s | 26.42 s |
| 相同鞋靴碰地時點 | 0.153646 s | 0.153646 s |

短案例不足以宣稱一般加速倍數，Mac 小單元的 SSH／檔案傳輸成本高。此次已實際使用 Windows CUDA 訓練、Mac CPU 候選搜尋、Windows CPU 最終重播和聚合。後續 CPU 長批次集中 Mac；極短診斷留本機。跨平台逐幀差異只作診斷；局部求解在两平台的後續重播可分岔，沒有跨平台正式 pass/fail。

Mac 原環境缺 SciPy，固定 scipy 1.18.1 安裝在獨立 `wb012-runtime-extra`，未升級既有訓練 venv。Windows CUDA venv 也沒有 SciPy，因此改為 CPU 求解函數才載入 SciPy，GPU 模仿不依賴它。

## 產物／退出／採用狀態

- 29 個 WB012 執行單元：25 完成、4 執行失敗（Windows probe 過度要求 psutil、Mac 缺 SciPy、退化碰撞 Jacobian 檢查、CUDA probe 過度載入 SciPy）。全部失敗保留，逐批 Python 退出及 artifact audit 均通過。
- Git 候選資產只新增 5 個經 review 檔案，約 2.47 MB；原始壓縮 NPZ、PT、logs、逐案 request/response、重複來源快照全部 ignored。Mac 原始 evidence tar.gz SHA 和取回 NPZ SHA 已逐項比對。
- 原始軌跡未刪除，未 bulk stage，未改寫歷史，未覆蓋過去 WB 或 Cluster 分析。程式、模型、計畫、簡報告和必要 replay 才列為候選版本管理內容。
- `referenceCandidateComplete=true`、`exploratoryImitationCompleted=true`、`recoverySearchCompleted=true`；`stableFullSequenceComplete=false`、`stableRecoveryProven=false`、`defaultReplacement=false`。

## 下一步的具體限制

放寬門檻已讓試行繼續，當前瓶頸是起始承重與參考的動力學可行性。應先在連續窗口內共同優化姿態、支撐／輪面接觸和 joint torque，將碰撞限制放到平滑後的參考及前向動態內，保留來源投影與鞋路徑成本。單純增加同一教師的模仿 epochs 只會更準確地擬合仍會跌落的控制器。此次沒有以假成功標籤擴充教師或自動增加長訓練。
