问题（Problem）
将 BFM-Zero（IsaacSim，双卡）迁移到 UniLab（MuJoCo，单卡）做 motion tracking，目标是在 MuJoCo 下复现参考级跟踪质量。目前迁移已能训练但保真未达标：
- v4（commit
0796a92f）：可实现低精度跟踪（动作基本对、精度待提升）。
- v5（commit
412f70dd）：部分动态动作明显退化（fall / jump / fight 类"站着不动 / 跟错目标"）。
- v6：正在跑，旨在同时解决 v4 的精度不足与 v5 的动作退化。
迁移目标
- 迁移效果：MuJoCo 下跟踪 EMD 对齐参考。主指标
eval/humanoidverse_tracking_eval/emd（= state[:23] OT == 参考 obs_state_emd，参考 golden ≈ 0.74，目标 < 0.75）。
- 训练时长：参考 @19m steps 达 EMD 0.9，< 0.75 约需 50–100M steps。按下方单卡吞吐，50–100M ≈ 50–100h（5090 单卡）。实际0.8以内即可。
- 可支持设备：单卡即可训练（不依赖原仓库的双卡）。
吞吐 / 显存现状
| 环境 |
卡 |
显存 |
吞吐 |
| UniLab @ 5090 |
单卡 |
~27 G |
~1M steps/h |
| UniLab @ 6000 Ada |
单卡 |
~27 G |
~0.5M steps/h |
| 原仓库 BFM-Zero @ 5090 |
双卡 |
共 42 G |
~2M steps/h |
当前状态（结合 tensorboard 曲线 + 排查）
口径提示：v4 曲线为 eval_n_motions=16 + 旧 eval rollout（数值虚高），v5（5090）为 eval_n_motions=862 + 修正 rollout；两者 tensorboard 绝对值不可直接比。下方"当前代码全 862 重评"才是同口径对照。
v4（低精度跟踪 OK）
- tensorboard
emd（state[:23]，16 条 / 旧 rollout）：谷 ≈ 2.77 @18.5M → 2.95（旧 rollout 抬高）。
- 现象：能跟踪，精度不足；无明显乱做动作。
v5（部分动作退化）
- tensorboard（5090，862 条）：
emd 谷 1.00 @18M → 回升 1.08 @43M；emd_dof29 谷 1.85 @29m → 1.97。触底回升，而参考单调降到 0.86。
- 同设备对照：
fidelity_v5_6000Ada（同 tatp、新代码）曲线压在 5090 上，emd 1.19 @9.6M 仍降 → 退化是代码驱动、可复现，非跨设备波动。
当前代码全 862 重评（同口径对照）
- 聚合
emd 打平：v4 1.038 / v5_5090 1.048；差异全在尾巴——5090 max 3.90 vs v4 2.74，emd>2.5 的动作 10 vs 4，退化最狠 7/12 是动态动作（fallAndGetUp / jumps / fight）。
- 失败动作是稀有 / 非典型动作（z 与全局均值近正交），即少数难动作被淹没、欠学。
根因（对照参考仓库生效链路）
- 专家速度平滑分辨率错（v5 专属）：先重采样 30→50Hz 再 gaussian σ=2（~40ms 窗），参考在原生 30fps 算再插值（~67ms）。离线 RMS 偏差 lin 12% / ang 23% / dof 14%，dance/fall 最大 → 判别器 / backward 学偏 → 动态动作退化。
- 缺 EMD 优先级重采样（v4/v5 都缺）：参考每次 eval 后按 per-motion EMD 上采样难动作（专家 buffer + 在线 RSI 双路）；UniLab 移植了 buffer 机制但从未接线，复位均匀随机 → 稀有动作欠学、eval 触底回升。
- eval 指标命名反转：UniLab
emd（state[:23]）== 参考 obs_state_emd；UniLab emd_dof29 == 参考 emd 列。绝对值差（~1.0 vs 参考 0.74）来自 MuJoCo vs IsaacGym rollout（sim2sim 本质，非 bug）。
交付物（Deliverable）
- v6：在 MuJoCo 单卡训出不再出现动作退化、且精度不低于 v4 的 tracking 权重。
- 已合入的修复（A/B）：
- A 专家速度按原生 fps 计算再插值（对齐参考顺序）；
- B 接线 EMD 优先级重采样（专家 buffer + 在线 RSI 双路），启动即校验
eval_n_motions == 专家动作数。
- 默认配置更新：
eval_n_motions 16→862，prioritization=true。
重训命令（v6）
uv run train --algo bfm --task g1_bfm --sim mujoco \
+training.log_dir=logs/bfm/fidelity_v6 \
algo.num_env_steps=100000000 \
algo.eval_n_motions=862 \
algo.eval_every_steps=1000000
完成定义（Definition of done）
eval/humanoidverse_tracking_eval/emd（state[:23]）单调下降、不再触底回升。- per-motion 尾巴（
max / p99）较 v5 明显收窄；动态动作不再"站着不动"。
- 最终
emd ≤ v4 水平（862 条 ≈ 1.04），并向参考 0.74 靠拢（受训练步数 + sim2sim gap 约束）。
- 日志每次 eval 后出现
[bfm] prioritization updated: p in [..,..]（p 有分布）。
验证计划（Validation plan）
- 训练中盯
emd / emd_dof29 曲线趋势 + per-motion 尾巴。
- 收敛后用当前代码对 v6 与 v4 做同口径全 862 重评对比。
- 侧写脚本已在
scripts/：_diag_permotion_eval.py（per-motion + 尾巴/z）、_diag_vel_smoothing.py、_verify_A.py、_verify_B.py。
依赖 / 阻塞（Dependencies / blockers）
- 参考仓库：
/home/robot/ws/lxf/BFM-Zero（生效链路对照 + golden 0.74/0.86）。
- UniLab 单卡 eval 为串行（862 条 ~数十分钟/次，复用已有 eval、不额外加成本）；如需提速可后续做并行 eval（不影响正确性）。
问题（Problem）
将 BFM-Zero（IsaacSim，双卡）迁移到 UniLab（MuJoCo，单卡）做 motion tracking，目标是在 MuJoCo 下复现参考级跟踪质量。目前迁移已能训练但保真未达标：
0796a92f）：可实现低精度跟踪（动作基本对、精度待提升）。412f70dd）：部分动态动作明显退化（fall / jump / fight 类"站着不动 / 跟错目标"）。迁移目标
eval/humanoidverse_tracking_eval/emd（=state[:23]OT == 参考obs_state_emd，参考 golden ≈ 0.74，目标 < 0.75）。吞吐 / 显存现状
当前状态（结合 tensorboard 曲线 + 排查）
v4（低精度跟踪 OK）
emd（state[:23]，16 条 / 旧 rollout）：谷 ≈ 2.77 @18.5M → 2.95（旧 rollout 抬高）。v5（部分动作退化）
emd谷 1.00 @18M → 回升 1.08 @43M；emd_dof29谷 1.85 @29m → 1.97。触底回升，而参考单调降到 0.86。fidelity_v5_6000Ada（同 tatp、新代码）曲线压在 5090 上，emd1.19 @9.6M 仍降 → 退化是代码驱动、可复现，非跨设备波动。当前代码全 862 重评（同口径对照）
emd打平：v4 1.038 / v5_5090 1.048；差异全在尾巴——5090max3.90 vs v4 2.74，emd>2.5的动作 10 vs 4，退化最狠 7/12 是动态动作（fallAndGetUp / jumps / fight）。根因（对照参考仓库生效链路）
emd（state[:23]）== 参考obs_state_emd；UniLabemd_dof29== 参考emd列。绝对值差（~1.0 vs 参考 0.74）来自 MuJoCo vs IsaacGym rollout（sim2sim 本质，非 bug）。交付物（Deliverable）
eval_n_motions == 专家动作数。eval_n_motions16→862，prioritization=true。重训命令（v6）
完成定义（Definition of done）
eval/humanoidverse_tracking_eval/emd（state[:23]）单调下降、不再触底回升。max/p99）较 v5 明显收窄；动态动作不再"站着不动"。emd≤ v4 水平（862 条 ≈ 1.04），并向参考 0.74 靠拢（受训练步数 + sim2sim gap 约束）。[bfm] prioritization updated: p in [..,..]（p 有分布）。验证计划（Validation plan）
emd/emd_dof29曲线趋势 + per-motion 尾巴。scripts/：_diag_permotion_eval.py（per-motion + 尾巴/z）、_diag_vel_smoothing.py、_verify_A.py、_verify_B.py。依赖 / 阻塞（Dependencies / blockers）
/home/robot/ws/lxf/BFM-Zero（生效链路对照 + golden 0.74/0.86）。