阶段②：先验激活（FiLM + Direction Routing）

目的：给"通用危险直觉"注入"事故语义"

阶段①的先验是通用的：它学会的是"近+快逼近=危险"这种几何规律，但它不知道什么叫"追尾"、什么叫"切出"。阶段②要做的事：冻结先验不动，用语言描述和事故类型去"激活/改写"它输出的危险场 H，得到一张"特定事故形态下"的危险场 H′。

类比：先验是一个经验丰富的司机的"危险直觉"，阶段②是有人在他耳边说"注意，现在是前车急刹场景"——他的危险直觉立刻聚焦到正前方。这个"说一句话就能改写危险场"的能力，是整个项目区别于传统 bbox 预测的立身之本。

为什么机制上必须是"改写场"而不是"重新生成"？因为先验已经冻结，且事故数据稀缺——能训练的参数必须极少，训练数据必须能程序化无限合成。这两条约束直接决定了后面的全部技术选型。

输入输出

输入：  H = {o, ρ, v}        ← 冻结先验的输出（训练时用 H_gt，原因上一轮讲过）
        type_id              ← 事故类型（rear_end / cut_in_left / head_on / ... 10 类含 unknown）
        text                 ← 英文语言描述（"the car ahead brakes suddenly..."）
 
输出：  H′ = {o′, ρ′, v′}    ← 改写后的场（同网格同形状）
        中间量 {w, λ, γ, β, α_ρ, α_v}  ← 全部可解释、可监控（后面会看到这些救了无数次诊断）
 
可训练参数：仅 ~1-2M（FiLM 层 + Type Embedding + Routing 参数）
冻结：      Grid U-Net 先验 + CLIP 文本编码器（~150M）全部冻结

训练数据：程序化改写

这是本阶段第一个"设计硬核"。要学映射 H → H′，需要成对数据，但没有真实事故占用。解法：规则化合成。以伪标签构造的 H_gt 为起点，按事故类型执行规则化改写生成监督目标 H′_gt：

例：rear_end（ego 追尾前车）→ 在 ego 正前方按校准距离放一个高斯风险核注入 ρ（max 语义，与伪标签栅格化同款），核内 v 全部指向"从前方来"的方向；
cut_in_left → 核放左前方侧向位置；
核的方位/距离/σ/幅度不是拍脑袋——从 DoTA 真实事故数据集的统计分布里采样校准（onset 窗口，事故发生初期 ~1s 内的 bbox 投影统计）；
文本侧：每类 ≥15 条英文模板（含方位词），CLIP 一次性编码成嵌入缓存。

于是配对 (H, H′_gt, type, text) 可以无限量、类别均衡、种子确定性地合成——train 4419 对 / val 1047 对，9 类各 491。真实事故数据（DoTA）只用来做分布校准，不做逐样本监督——这是数据稀缺设定下的标准生存策略。

答辩口径备好了：为什么可行？因为事故的几何前兆（逼近、TTC 骤降、近距切入）在正常数据里完备存在，阶段②只是"把通用几何重新定向到特定事故形态"，这是规则可以描述的局部改写。

机制一：FiLM —— 管"多少、多危险"（强度域）

问题：怎么把"这是追尾场景"这个信息注入一个冻结的 3D 特征场？

选型对比（答辩高危问题）：

concat（拼接条件到输入）：需要后续网络层可训练来消化拼接信息——主干冻结了，没有后续层，出局；
cross-attention：token 级交互，需要大量配对数据训练，参数大——我们只有合成配对、参数预算百万级，出局；
FiLM（Feature-wise Linear Modulation）：逐通道仿射变换，参数百万级、即插即用、天然兼容冻结主干。入选。

FiLM 的做法：

γ, β = MLP(type_emb ⊕ clip_text_emb)        ← 类型嵌入拼接文本嵌入，过一个小 MLP
FiLM(F) = γ ⊙ F + β                          ← 对 3D 特征逐通道缩放+平移

γ（缩放）：决定"放大/抑制哪些特征通道"——比如追尾场景下放大"前方快速逼近"相关的特征通道，抑制侧向通道。这是强度域的改写；
β（平移）：整体偏移；
零初始化技巧：γ 初始化为 1、β 初始化为 0，使训练起点是恒等映射（H′=H，实测误差 0.00e+00）——模型从"什么都不改"出发，按需学改写，而不是从随机改写出发。这个技巧后面会被反复验证其价值（也有一段"被污染权重不能做初始化"的血泪史呼应它）。

FiLM 的短板（刻意留白）：γ、β 是全局共享的一组数——它能把"危险"整体调强调弱，但没有空间分辨能力，说不出"把危险从左边挪到右边"。这个短板由第二个机制补。

机制二：Direction Routing —— 管"在哪、朝哪来"（几何域，自研）

这是项目的原创机制，补 FiLM 的空间短板。分三步：

第 1 步：方位原型库

D = {d_rear, d_side-left, d_side-right, d_front, ...}  ← 8 向原型
每个原型 = 一个单位向量（方向）+ 一个空间锚点（位置）

原型初始化是几何先验（类似检测里的 anchor）——答辩被问"这是不是手工特征"时的口径：原型只是初始化，路由权重由数据学习，这是数据稀缺设定下的结构化归纳偏置，是优点不是缺点。

第 2 步：双通路软路由

两条通路分别对原型库做软选择：

类型通路：type embedding → 与各原型算亲和度 → w = softmax(e·D)
文本通路：CLIP 文本嵌入（含方位词"left lane"/"ahead"...）→ 同样路由
两路印证，冲突时按 λ 混合（λ(type)/λ(text) 可学习门控）

"一辆车从左侧切入"这句话里的 "left"，和 type_id=cut_in_left，应该在原型库里路由到同一个方向——双通路互相印证。unknown 兜底类型强制退化为纯文本通路。

第 3 步：场改写

按路由权重 w 在对应方位生成/移动风险核   → 重定位 ρ′（危险挪到该在的位置）
把方向场向量向原型方向重定向             → 重定向 v′（威胁方向指向正确来向）
改写强度由可学习标量 α_ρ、α_v 门控       ← 这两个小标量后来成为最重要的"仪表盘"

两个机制的分工一句话：FiLM 管强度（多少、多危险），Routing 管几何（在哪、朝哪来）。

训练攻关史：四场硬仗

第 1 仗：过拟合试金石首轮 FAIL —— 损失量级失衡 + 梯度阻断

200 步试金石，结果：总损失只降 39.21%（要求 ≥80%）、v'cos 0.4338（要求 ≥0.9）。按铁律先诊断不动参，定位出两个根因：

velocity/rho 损失量级失衡 19.6 倍（阶段①的 775 倍教训的小型重演）→ λ_rho 1→20；
routing 硬 mask 阻断梯度：v 只在 ρ′ > τ 的区域被改写和监督，而改写幅度由 α_ρ 控制——v 的损失梯度传不到 α_ρ，α_ρ 被 ρ-L1 钉在 0.75，覆盖率封顶 85%，v'cos ≈ 覆盖率，结构性锁死。

解法：覆盖 hinge 损失（给覆盖率一个显式的梯度来源，把被门控阻断的量"捞出来"）+ autograd 解平衡点一次定权。复跑 PASS：损失 −93.5%、routing acc 1.000、v'cos 0.982。

方法论沉淀：硬 mask 会阻断梯度通路——被门控的量收不到下游梯度时，要给它加显式的覆盖约束；λ 用 autograd 平衡点一次解出，胜过逐档试 lr。

第 2 仗：λ_coverage 校准 —— 悬崖与闸门

λ_coverage 这个权重怎么定？设计了 --mode calibrate：观测 α_ρ 动态 → 网格扫描 → 用 autograd 解平衡点 λ = -λ_rho · g_rho / g_cov。

连踩三次悬崖：target_coverage 定 0.88/0.85/0.84，解出来都是 113.6——因为 α_ρ-coverage 曲线在 0.75→1.0 之间存在悬崖（λ 从 ~4.4 跳到 113.6），目标落进空白区就向上取整到悬崖上方。sane 闸门 [4,30] 三次全部拦下，拒绝写回——这就是闸门存在的意义。第四次 target 降到 0.83，解出 λ_coverage=4.353 落带内写回。这个 4.353 后来被列为阶段②定版红线，不可回退。

第 3 仗：全量训练三轮 —— 目标冲突与阈值瓶颈

R1（λ_identity=10）：peak v'cos 0.627 卡住。诊断：identity loss（要求 H′≈H 不要过度改写）与 velocity 优化梯度方向冲突——不是权重没调好，是两个目标在打架。处置：λ_identity=0 关闭，"identity 保持"降级为已知限制。两个目标冲突时，关闭比硬共存更诚实，但要把为什么关写成口径；
R2（th=0.05）：peak 0.640，覆盖率封顶 0.64 锁死；
R3（mask_threshold 0.05→0.03）：peak 0.699，验收通过（routing_acc 1.000、v'cos 0.689、oversat 0.737 ∈ [0.5,1.5]、coverage 0.883）。

这里留下了两阶段 τ 不一致的登记项：阶段①伪标签 τ=0.05，阶段②内部 0.03——进阶段③对接时要小心。

第 4 仗（最大的一仗）：GT 方向约定翻转 → v2 全面重训

R3 验收过后，一次方向约定核查（检查 GT 的 v 是否真的指向"风险源→ego"）掀了桌子：

原始版 rear_end：v 方向 100% 翻转（mean 点积 −0.956）
且 vel 恒为 (−1,0) 类型级常向量——不随样本位置变化
= 双重错误：方向反了 + 根本不是逐样本的几何量

在此之前一切 v'cos 结论都建立在噪声 GT 上——包括刚通过的 0.689。这触发了一整条修复链，是项目"先诊断再修"纪律的最大规模实战：

pair_gen 统一修复：v = normalize(p_ego − p_source) 全分支统一，mask 外严格为零；
DoTA 校准配套：rear_end 的语义以真实数据为准后整个翻转——从"被追尾"（锚点后方 −π）变成"ego 追尾前车"（锚点正前 0.046 rad）。于是文本模板 16 条改写、文本嵌入缓存重编码 161 条……但漏改了一处：activation.yaml 里 rear_end 的原型亲和先验还绑着旧语义 [rear]。这个漏网之鱼后面单独引爆（见下）；
微调路线证伪：用旧 GT 训出的 best.pt 做初始化微调 → 失败（v'cos −0.784）。探针证明：旧权重对 v2 数据系统性反向（mean −0.801）——被污染约定训出的权重不能做新约定的初始化。零初始化才是中性起跑（zero-init 探针：median +0.000，中性起点坐实）；
零初始化重训 + 方案 A/B 攻关：首训 oversat 0.177 塌缩（FiLM 捷径满足 coverage → hinge 失活 → α_ρ 失去梯度来源）→ 方案 A 路径感知 hinge 修结构（α_ρ 0.038→0.27）→ 方案 B 矩匹配修力度（α_ρ 企稳 0.72）→ 定版：v'cos 0.8689、oversat 0.7516、routing 1.0；
rear_end 亲和修复：三弱类探针坐实 rear_end 的路由权重 w 绑死 rear 原型 0.903（就是第 2 步漏改的那行配置）→ 一行配置修复 [rear]→[front] + 重训 → v'cos 0.9613、rear_end 方位 12.40°——教训入库："语义翻转的同步清单要闭环到叶子配置：模板 + 缓存 + affinity 绑定 + 映射表注释，缺一项就是埋雷"。

验收与关闭：全绿，但带着登记在案的已知限制

最终定版（best_v2.pt，冻结）：

闸门	结果
routing_acc	1.000
v'cos	0.9613（v2 原生口径）
oversat	1.048 ∈ [0.5, 1.5]
8 张可视化人工验收	通过（含病理如实呈现）

登记为已知限制、排队专项处理的三件事（关闭不粉饰）：

"文本聋"：λ(type)=0.88 主导下，文本通路被压制——同场景只改文本方位词，H′ 只移动 0.002~0.005 rad（几乎不动）。这直接威胁"语言激活先验"的核心叙事，排队阶段③窗口期专项；
side_swipe 单侧塌缩：w 恒塌到 side-right 0.715，与文本"left lane"冲突——疑与文本聋耦合（左右信息在文本里，但文本通路被压制，单侧塌缩是"信息不可得下的理性策略"）；
intersection_turn 方向不确定：w 分布左右对半（0.343/0.541），低 v'cos 0.544。

阶段②小结

阶段② = 冻结先验之上，用 ~1-2M 参数的 FiLM（强度域改写）+ Direction Routing（几何域改写），把"通用危险直觉"按事故类型和语言描述定向激活成 H′；训练数据全部程序化合成（规则改写 + DoTA 分布校准）；它贡献了项目最多的方法论遗产——梯度阻断与覆盖 hinge、平衡点求解与 sane 闸门、目标冲突的诚实关闭、GT 约定核查先于模型归因、零初始化起跑、语义翻转的同步清单——也以"文本聋"的登记留下了核心叙事上最大的一笔待还债务。