阶段①：危险可供性先验学习（Grid U-Net）

目的：让模型学会"正常驾驶里的危险长什么样"

回顾三阶段分工：阶段①要学出一个通用的危险几何先验 H = {o, ρ, v}，学成后永久冻结，后面阶段②的事故语义、阶段③的扩散生成都建立在它之上。

为什么必须先冻结？这是核心设计决策 3：先验一旦冻结，它就是一块"通用零件"——阶段②随便怎么注入事故语义，都不会反过来污染先验本身；而且下游每次出问题，你可以确定问题不在先验（它有冻结凭证和验收数字），排查范围瞬间缩小。后来阶段③能层层归因，靠的就是这套"冻结+验收闸门"制度。

输入输出：上一阶段的产物直接对接

三个输出的语义对应"回答三个问题"：

• o（占用）：东西在哪——最基础的几何理解；
• ρ（风险强度）：哪里危险、多危险——[0,1] 连续场；
• v（风险方向）：危险从哪个方向来——BEV 单位向量场，只在 mask=1 的体素上被监督。

注意一个设计：模型看 10 帧历史，但预测的是当前帧的危险场。10 帧历史提供运动信息（哪个目标在逼近），输出落在"当下"。

模型设计：为什么是 Grid U-Net

U-Net 的选型逻辑：输入输出都是同分辨率的三维网格（200×200×20），这是典型的"稠密预测"任务——和图像分割同构。U-Net 的下采样路径压缩出大感受野（危险判断需要看到 40m 外的上下文），上采样路径恢复原分辨率，跳跃连接保住局部细节（行人的小核不能被抹掉）。

输出端是三个头：共享一个编码器-解码器主干，最后分叉成 o 头、ρ 头、v 头。共享主干的理由：三个任务是同一个物理现实的三面——"哪里有东西、哪里危险、危险从哪来"高度相关，共享特征互相借力（也埋下了后面多任务损失互相打架的伏笔，马上讲）。

ρ 头输出的是 logits，导出时才过 sigmoid 压到 [0,1]——这个细节当时没人在意，后来在阶段③引发了大地震（背景平台问题，见下面"事后暴露的缺陷"）。

训练的核心难题：ρ 塌缩三轮攻关

背景：数据极度不平衡。回忆任务 B 的验收数字：ρ 场 99.3% 的体素是精确零，非零体素只有 0.71%。这是一个"极端稀疏连续场"。

第一轮：weighted L1 → 完全塌缩

最直觉的做法：L1 损失，正样本加权（w_pos=10）。结果：ρ 比值（mean(预测)/mean(GT)）= 0.00005——模型干脆全部预测零。训练曲线显示 epoch 1 时比值还有 0.76，然后单调塌缩到零。

诊断（这就是"先诊断"的示范）：L1 损失的数学性质是最优解收敛到条件中位数。99.3% 是零的分布，中位数就是 0——损失函数本身在奖励塌缩，给正样本加 10 倍权重也拧不过这个数学事实。而且 mini 集上同口径比值 0.039，和全量一个量级——说明与数据量无关，是损失函数的机制问题。这个对照实验排除了"数据不够"这个错误假设，改动才有依据。

第二轮：CenterNet focal heatmap loss → 延迟塌缩，但仍塌缩

换成检测领域的 focal loss（α=2, β=4），过拟合试金石上很漂亮：200 步内强度维持 0.27~0.83（旧 L1 只有 0.00005）。但全量训练还是塌了：比值 0.410（ep1）→ 0.279（ep2）→ 0.033（best@ep29），塌掉 92%。

更深的根因有两个：

• 全零预测时，99.3% 负样本的 focal 损失天然为 0，模型只承受 0.7% 正样本的有限惩罚——塌缩代价太小；
• 真正的主因是多任务损失失衡：epoch 29 的损失分解显示 velocity 损失 0.00775 占 99.6%，rho 损失占比 0%——velocity 的量级比 rho 大 775 倍。优化器全身心在修方向场，ρ 被彻底无视。

这条教训后来写进了项目方法论：多任务学习，先查损失量级分解，再谈调参。以及：L1 在 ŷ=0 处梯度恒定（立即塌缩），focal 在 ŷ→0 时梯度大（多撑了 1~2 个 epoch 再塌）——任何"点估计"损失（L1/L2/focal）都会被 99.3% 精确零的分布主导，换汤不换药。

第三轮：Distribution Matching Loss（最终方案）→ 通过验收

思路彻底转变：既然逐点监督会被稀疏分布淹没，那就不在逐点层面纠结，改为直接约束分布的统计量：

moment_loss = |mean(pred) − mean(gt)| + |std(pred) − std(gt)|   ← 保总量，防塌缩
sparse_loss = focal(pred[gt>0.1], gt[gt>0.1])                   ← 只在高强度区保精度

• 矩匹配（moment）：不管你每个点预测成什么样，整体均值和标准差必须对齐 GT——想全预测零？均值直接不合格。塌缩路径被数学上封死。
• 稀疏焦点（sparse）：只在 GT > 0.1 的高强度体素上算 focal，把负样本海彻底隔离在外。

调权也走了一轮：v1（λ_moment=10）完全防住了塌缩但比值稳定 3.0——过度放大 ρ 还压制了 velocity（多任务跷跷板）；v2 定版 λ_moment=2.0, λ_sparse=5.0：ρ 比值回落进验收带 [0.5, 1.5]，velocity cosine 恢复 ≥0.95。

这轮攻关沉淀的方法论（都进了经验教训清单）：

• 极端稀疏连续场不能用点估计损失，分布匹配+稀疏焦点是出路；
• 过拟合 200 步是损失改动的试金石——强度能不能追平 GT，200 步内见分晓，不必等全量训练几天；
• 先 mini vs 全量对照排除数据量因素，再改损失。

训练流程与工程保障

• 模式设计：smoke（冒烟，确认管线通）→ overfit（200 步过拟合小样本，试金石）→ train（全量）→ validate（验收）。这个"先冒烟、先试金石、再全量"的流程后来贯穿所有阶段；
• NaN 防护：训练中带 NaN 哨兵，skipped_steps=0 是硬验收项（有 NaN 的 batch 会被跳过并计数，计数必须为零——不允许"悄悄丢数据"）；
• AMP 混合精度 + 断点恢复；
• 全量规模：train 4419 序列，最终 best@epoch27。

验收与冻结

验收闸门（全部满足才准冻结）：

通过后执行冻结仪式：权重另存为 frozen_best.pt，同时生成 frozen_manifest.json 登记验收数字——这份 manifest 是"冻结凭证"，下游任何阶段接入先验时先读它。从这一刻起，阶段①的权重只许读、不许改。

事后暴露的缺陷：背景平台（诚实记录，很重要）

这是项目里非常经典的一个"验收盲区"案例，后来阶段③才被揪出来：

• 阶段①的 ρ 强度比闸门只在 GT mask 内部统计（train.py:202），背景区域（99.3% 的零区）从未被任何损失和闸门约束；
• 结果：ρ 头在背景区自由收敛到一个全局常数平台 ≈ 0.25（sigmoid 后的值），而 GT 背景是精确零。当时验收全绿，没人看得见它；
• 更扎心的是：当初"达标"的 in-mask 强度比，扣掉平台垫高后只有 0.52~0.58——验收数字有水分；
• 阶段③第一次真实消费先验输出时，这个平台把下游条件场灌饱和（H′ 覆盖率 ~100% vs 应有的 45.7%），问题才暴露；
• 修复：用 background_mask_balanced 损失做了 pilot 重训（全局背景 BCE + hard negative 挖掘 + 矩匹配），3 个 epoch 把背景残余从 0.25 压到 0.063，再配 C3 校准和 velocity 门控打通下游链路。正式的"阶段①-v2 重训"被降级为可选质量优化（pilot 已验证路线有效）。

这条教训的普适版本（已入清单）：mask 内部评估对全局背景是失明的；场量验收必须同时闸背景（全局均值/精确零占比）；各阶段自证合格 ≠ 下游消费合格——冻结组件的"够用"是相对于消费方式的。

阶段①小结

阶段① = 用 Grid U-Net 从 10 帧占用历史预测当前帧的 H = {o, ρ, v}；工程上是普通的多任务稠密预测，真正的硬仗是 99.3% 零分布下的 ρ 塌缩——三轮攻关（L1 → focal → 分布匹配）确立了"先诊断机制、再动损失、200 步试金石定生死"的项目方法论；最终以 velocity cosine 0.983、ρ 比值入带的成绩冻结为 frozen_best.pt，成为后续所有阶段赖以站立的地基。而背景平台缺陷的迟到暴露，则给"验收闸门怎么设计"上了最贵的一课。