可运行代码 Demo¶

二十四个 demo，用来给文档里的结论提供可复现的证据 —— 不是伪代码，是能跑出数、能画成图、能改参数看变化的脚本。

除 D 是纯标准库的检索小工具（不依赖 torch）、W 与 X 是纯 numpy 的解析式/蒙特卡洛实验（不训练任何模型）外，其余二十一个都是真实 PyTorch 实现（真 nn.Module、真训练循环、真闭环推演），用来验证正文里的技术结论。

目录结构¶

code/
├── common/
│   ├── quad_sim.py       # 四旋翼仿真（torch 批量）+ 串级控制器
│   └── plotting.py       # 出图：Agg 后端 + 中文字体
├── a_worldmodel_rssm.py  # Demo A: RSSM 世界模型与潜空间想象
├── b_lang_cond_policy.py # Demo B: 语言条件策略与行为克隆的分布漂移
├── c_action_heads.py     # Demo C: 回归动作头 vs 扩散动作头
├── d_track_papers.py     # Demo D: 从 arXiv 号解析年月，画团队研究脉络
├── e_gsc_safety.py       # Demo E: 几何安全校正（GSC）在闭环里管用到什么程度
├── f_control_loop.py     # Demo F: 量化退化 + 外环延迟的闭环容忍边界
├── g_eval_metrics.py     # Demo G: 七个导航指标的排名分歧
├── h_symlog.py           # Demo H: symlog 是否真的统一了不同尺度的优化难度
├── i_plucker.py          # Demo I: Plucker 坐标对相机运动的线性响应
├── j_render_cost.py      # Demo J: 体渲染与 alpha 溅射，同公式不同结果
├── k_physics_prior.py    # Demo K: 物理残差先验管用在哪一路、失效在哪一路
├── l_seq_metrics.py      # Demo L: ATE / RPE / SSIM / FID，纯 numpy 实现与自检
├── m_exposure_bias.py    # Demo M: 像素自回归的误差累积与加噪训练的代价
├── n_quant_bits.py       # Demo N: 位宽不是均匀打折，断崖在哪
├── o_budget.py           # Demo O: 显存的四项开销，与两张出处不明表的对账
├── p_chunk_horizon.py    # Demo P: 动作分块长度与闭环精度的取舍
├── q_rl_posttrain.py     # Demo Q: 奖励加权的后训练压得动多少坏数据
├── r_eval_protocol.py    # Demo R: 同一批回合，三种报法给出三种名次
├── s_wm_data_source.py   # Demo S: 世界模型当数据源，收益与想象步长
├── t_wm_diagnostics.py   # Demo T: 四条诊断量各有瞎掉的那一族
├── u_jepa_probe.py       # Demo U: 重建式表征 vs 预测式表征（闭式解）
├── v_longhorizon_memory.py # Demo V: 遮挡长度、记忆时间常数与重现跳变
├── w_token_budget.py     # Demo W: 视觉 token 预算，描述不怕压、定位怕
├── x_hallucination_metric.py # Demo X: 负样本划分决定幻觉基准的名次
└── requirements.txt

运行¶

pip install -r code/requirements.txt

py -3.9 code/a_worldmodel_rssm.py    # ~90 秒
py -3.9 code/b_lang_cond_policy.py   # ~40 秒
py -3.9 code/c_action_heads.py       # ~35 秒
py -3.9 code/d_track_papers.py       # ~2 秒（纯标准库，不装 torch 也能跑）
py -3.9 code/e_gsc_safety.py         # ~5 秒
py -3.9 code/f_control_loop.py       # ~12 秒
py -3.9 code/g_eval_metrics.py       # ~4 秒
py -3.9 code/h_symlog.py             # ~30 秒
py -3.9 code/i_plucker.py            # ~1 秒
py -3.9 code/j_render_cost.py        # ~5 秒
py -3.9 code/k_physics_prior.py      # ~40 秒
py -3.9 code/l_seq_metrics.py        # ~1 秒
py -3.9 code/m_exposure_bias.py      # ~90 秒
py -3.9 code/n_quant_bits.py         # ~2 分钟
py -3.9 code/o_budget.py             # ~1.5 分钟
py -3.9 code/p_chunk_horizon.py      # ~10 秒
py -3.9 code/q_rl_posttrain.py       # ~2 分钟
py -3.9 code/r_eval_protocol.py      # ~4 秒（纯 numpy）
py -3.9 code/s_wm_data_source.py     # ~4 分钟
py -3.9 code/t_wm_diagnostics.py     # ~7 秒
py -3.9 code/u_jepa_probe.py         # ~1 秒
py -3.9 code/v_longhorizon_memory.py # ~11 秒
py -3.9 code/w_token_budget.py       # ~3 秒（纯 numpy）
py -3.9 code/x_hallucination_metric.py # ~2 秒（纯 numpy）

纯 CPU 即可，全部跑完十六分钟左右（本机实测 944.8 秒）；D、I、L、U、W、X 几乎不耗时。每个脚本会打印指标表，并把图存到仓库根的 figures/。

D 额外有一个可选开关：--verify 会联网去 arXiv API 核对内置的 51 个 ID （走 https://export.arxiv.org，HTTP 会失败），首次约 10 秒。网络不通时脚本会打印提示并正常结束，离线出的图和统计不受影响。

二十四个 demo 分别验证什么¶

Demo	对应文档	验证的结论	产出图
A	模型强化学习世界模型	只用先验推演的"想象"能多准地预测回报——这是 Dreamer 用世界模型替代真实环境的依据	`wm_loss_curve.png`、`wm_imagination.png`
B	语言条件飞行控制	模仿损失低 ≠ 闭环飞得好：给专家数据加噪声，模仿损失涨 1000 倍，闭环误差反而降 30%	`bc_distribution_shift.png`、`bc_trajectory.png`
C	VLA架构演进	多模态动作下，MSE 回归头塌到模态平均，扩散头能采样出两个模态	`c_multimodal.png`
D	最新进展与团队追踪	论文产出按团队、按方向怎么看趋势；以及"先核对元数据"能抓出多少引用错误	`track_two_labs.png`
E	无人机VLA模型	几何安全校正只看得见最近的那个障碍物：凸形场景把碰撞率从 100% 压到 0，凹形场景反而把它从 51.6% 抬到 77.3%	`e_gsc_scene.png`
F	机载部署与优化、LLM驱动的无人机Agent	外环延迟收进闭环：连续轨迹指令下 τ=50 ms 误差 16 cm，τ=1 s 就是 1.62 m；换成离散航点后基准抬高、增长却平缓得多	`f_latency.png`
G	复现指南-UAV-Flow、复现指南-CognitiveDrone	三个策略跑同一任务算七个指标，换一列指标就换一套名次：动作 MSE 上随机策略排第三（0.426），与高增益的 0.412 几乎并列；换到偏航误差，随机策略升到第二（27.62°），仅次于 PID	`g_metrics.png`
H	世界模型发展史	不加 symlog 时总体 MSE 看着更小，那是被 x1000 那组独占的假象；symlog 把四组相对误差从 289.9 倍收到 3.6 倍，但代价是总体 MSE 变大	`h_symlog.png`
I	生成式世界模型	纯前向平移下中心射线的 Plucker 矩严格不变，边缘射线的位移正比于像半径（位移/半径恒为 0.1111）——透视扩张全由边缘贡献	`i_plucker.png`
J	3D场景世界模型	体渲染与 alpha 溅射共用同一个前向合成公式，但公式相同不等于结果相同：残差 0.0787 不随采样密度下降，把深度拉开才收敛到 0.00012	`j_render_cost.png`
K	无人机世界模型综述	物理残差只对它写死的那几路管用：位置通道分布外误差降 56 倍，速度通道纹丝不动；rollout 到 1 秒被纯数据模型反超——单步精度不等于长期精度	`k_physics_prior.png`
L	关键数据集与基准	全局平移偏差在配准后对两个指标都近乎归零（0.442 m 的偏移残下 ATE 8.25e-16、RPE 3.14e-16）；真正拉开差距的是尺度漂移，2% 的尺度误差配准后仍在，ATE 量到 0.0318 m、RPE 只有 6.57e-04	`l_seq_metrics.png`
M	视频生成世界模型	teacher forcing 跑 60 步误差不涨，换成喂自己的输出后第 60 步是第 1 步的 1084 倍；加噪训练买到了抗扰动，却先把单步误差赔掉 8.5 倍	`m_exposure_bias.png`
N	边缘VLM部署、机载部署与优化	位宽不是均匀打折：网络落到哪个盆地本身就带来 93% 的基准波动，INT8 在 10 颗种子间从 -9% 摆到 +56%，能确定的只有断崖存在	`n_quant_bits.png`
O	环境搭建等 Part 7 七篇、机载部署与优化、边缘VLM部署	显存四项里三项是精确算术；LoRA 省的是优化器状态（52.2 → 0.9 GB）而不是权重；真实配置的缺口在激活（544 GB 对 25.6 GB 预算，靠梯度检查点补）；只差 batch 的两行能反解出序列长度，但算得通不等于有出处	`o_budget.png`
P	动作头与动作分块	块长从 1 拉到 16，策略调用掉到 1/15（120 → 8 次），终点误差只涨 14%（1.3593 → 1.5539 m）：省下来的是调用次数，赔进去的是对策略看不见的阵风的反应	`ph6_chunk_horizon.png`
Q	强化学习后训练与自我改进	坏架次占一半时，同一份数据、同一个网络，只换损失里的权重：均匀 BC 3.8593 m，奖励加权 2.5375 m（降 34%）；但坏架次仍拿走 19% 的权重，离全正常架次的 1.3724 m 还差 1.1651 m——软加权压不干净	`ph8_reward_weighting.png`
R	评测基准与报告口径	同一批回合三种报法给出三种名次：强风下均值说标准增益好、中位数说高增益好；成功率差 8.6 个百分点的两个策略，64 回合（半宽 11.4 pp）分辨不出、约 120 回合才行；按模型算的区间是按回合算的 2.78 倍	`ph9_eval_protocol.png`
S	世界模型增强VLA	单步准不代表多步可用：训练集上一步误差只有 0.0058 m 的世界模型，开环 60 步误差放大 16.1 倍（0.0045 → 0.0719 m），起点稍离训练分布第一步就是 45 倍；想象数据把 8 个种子里训崩的那个救回来（最差 2.7312 → 1.7807 m），离散度收到 34%，但想象步长的最优值量不出来	`ph10_wm_data_source.png`
T	世界模型评测与诊断	每一条诊断量都有自己瞎掉的那一族，而且失明是对称的：只看无人机的 D1a 对「目标遗忘」整档恒为 0.0000，只看目标的 D3 对漂移/抖动两族恒为 0.4963（与正常模型逐位相同）；同一个失效在全程平均指标上只体现 0.1356 m，在重现瞬间指标上是 0.9136 m，差 6.7 倍；单步误差相同的两族在 30 步开环下差 √30（实测 5.40–5.52 / 理论 5.477），尾部分位差 1.75 倍	`wm7_diagnostics.png`
U	联合嵌入预测与潜空间世界模型	换判据就换编码器：6 维瓶颈下重建派把 4 个高方差方向（全是无关组）装进来，预测派只留 2 个；预测派的重建 RMSE 差 1.10–1.57 倍（它没为此优化过），但线性探针 0.9835 vs 重建派 0.4649（σ²=0.01），且与不压瓶颈的上界 0.9832 几乎重合——瓶颈的损失来自丢掉信号方向，不是多装无用方向	`wm8_jepa_probe.png`
V	长时程世界模型与交互式生成	没有一种外推方式在全 horizon 上占优：短遮挡下冻结是 O(K)、匀速外推是 O(K²)，中段差距最大；K=160 步时冻结的跳变（3.139 m）反超为优，但它持续喂错带来的累积偏离反而更大（遮挡期 1.491 vs 1.040 m）——失效是「持续错误 + 一次跳变」两段；最优记忆时间常数随遮挡长度单调下移，K=160 时收敛到 3.2 秒，与目标机动特征时间 1/ω = 1.67 秒同阶	`wm9_longhorizon_memory.png`
W	通用VLM架构与视觉编码器	压视觉 token 先崩的是定位、不是描述：B 从 576 压到 4，计数与主导象限恒为 1.0000（整数求和与格子划分无关），而左右判断从 0.9799 掉到 0.7512、单体定位误差涨 12.0 倍；判断左右只用 1 个坐标，同列率是 1/G 而不是 1/B；命中率与 B 成正比（B 从 64 到 576 是 9 倍，命中率 0.0808 → 0.7295）；把 token 集中给目标象限，该区好 1.48 倍、其余三区各差 1.34 倍，按面积加权整体反而差 1.17 倍	`w_token_budget.png`
X	通用VLM评测与幻觉	换一套负样本就换一个名次：图像盲的先验模型在 random 档拿到 0.9250 并排第一，换成 popular 负样本掉到 0.4970（差 0.4280），而它的 Recall 三档恒为 0.9400；翻转是有条件的——正题类频集中度 β=1.00 时它排第二，β ≥ 1.25 才翻过来，但 popular 档下它一律垫底（0.4970–0.5190）；它的 yes-ratio 从 0.5150 升到 0.9430，说明 0.4970 这个准确率不是「随机猜」而是「在猜 yes」	`x_hallucination_metric.png`

仿真的约定¶

A/B/E/F/G/K/P/Q/R/S/T/V 十二个 demo 共用一个极简四旋翼模型（common/quad_sim.py）。其余 demo 用不到它。

状态 12 维:  [p(3), v(3), rpy(3), omega(3)]     位置、速度、姿态角、角速率
动作  4 维:  [thrust, wx, wy, wz]              归一化总距 + 三轴角速率
dt = 0.02 s（50 Hz）

坐标轴是对角约定：正 roll → +x 加速，正 pitch → +y 加速。真实四旋翼不是这么定义的，这里换成对角形式，是为了让"哪个轴修正哪个误差"一眼能看出来 —— Demo B 里那个 "侧向轴交叉耦合"的 bug 正是靠这个约定才暴露出来的。

它不是气动仿真器，只是"够用的被控对象"。要接真机请走 PX4 那条路，见下。

实测环境¶

Python 3.9.12 | torch 2.6.0+cu124 | numpy 2.0.2 | scipy 1.13.1 | matplotlib 3.9.4

Windows / Linux 均可；matplotlib 用 Agg 后端，无显示器也能存图。中文字体按 Microsoft YaHei → SimHei → Noto Sans CJK SC → … 的顺序自动挑，一个都没有时会退回英文而不是画一屏方块。

上面那张运行时间表是在 CPU（单机四线程）上量的；换机器会有出入，量级不变。

关于真机¶

这里的 demo 只做仿真训练。要接到真实无人机或 PX4 SITL，请看各文档 ## 动手验证 一节里的 【待验证】PX4 SITL 接入 段 —— 那部分是 ROS2 + px4_msgs 的 offboard 骨架，未在本仓库本地验证（需要 Ubuntu + PX4 + MicroXRCEAgent 才能跑）。只有涉及飞控闭环的 demo 才写这一段。