EXP-MEASUREMENT-PLANNING-ORACLE-V1：预算化深度采集的 oracle 余量审计

结论：HEADROOM_STATUS = NOT_ESTABLISHED，POLICY_TRAINING_ALLOWED = false。

测量本身价值很大： 只请求 1 帧深度，ALL AbsRel 就从 0.289 降到 0.172 到 0.197 之间。
"测哪一帧"几乎被"测最新的帧"（LATEST）解决： 样本内 oracle 比 LATEST 好 0.025。但 oracle 一旦必须用另一个查询来挑帧，优势只剩 0.005，且不显著，场景好坏数为 35/16/32。
按预注册的停止规则，本方向停止方法开发。理由见 negative_result.md。

说明：

协议：PROTOCOL.md；预注册：preregistration.md。2026-10-06 23:08:59 +0800 锁定，preregistration.json 的 sha256 为 140364ae…。
交接审计：HANDOFF_AUDIT.md；相关工作：docs/measurement_planning_related_work.md。
本阶段没有训练任何模型。
统计单位是场景，bootstrap 10,000 次，种子 20260928。
FINAL_HOLDOUT_TOUCHED=false，NEW_DATA_DOWNLOADED=false，GITHUB_PUSHED=false。

主判定（EVAL34 = EVAL-V3 ∪ EVAL-V4，83 个场景，166 个 episode，每条记录 9 个候选帧）

K	不加深度	随机期望	UNIFORM	最强启发式	ORACLE	XORACLE	QUERY_NEAREST
0	0.2890	—	—	—	—	—	—
1	—	0.2380	0.2552	LATEST 0.1974	0.1724	0.1920	0.1922
2	—	0.2136	0.2088	LATEST 0.1774	0.1565	0.1730	0.1729
4	—	0.1846	0.1872	LATEST 0.1605	0.1471	0.1611	0.1578

表中数值都是 ALL AbsRel 的场景平均。

K	样本内余量 D = 最强 − ORACLE	余量比例 F	交叉查询余量 X = 最强 − XORACLE	X 的 V2 gate	判定
1	+0.0250 [+0.0159, +0.0361]，60/23/0	0.215	+0.0054 [−0.0043, +0.0157]，35/16/32	NOT_ESTABLISHED	不成立
2	+0.0208 [+0.0136, +0.0308]，74/9/0	0.157	+0.0044 [−0.0037, +0.0129]，46/6/31	NOT_ESTABLISHED	不成立
4	+0.0134 [+0.0089, +0.0184]，77/6/0	0.094	−0.0006 [−0.0083, +0.0065]，41/1/41	NOT_ESTABLISHED	不成立

读法：

K = 1 时余量比例 0.215，略过 0.20 的门槛，但交叉查询余量的区间跨 0，所以不成立。
样本内 oracle 多出来的那部分，是针对被打分的那个具体查询挑出来的，换一个查询就不再成立。
即使直接知道查询相机（QUERY_NEAREST，不可部署），也只比 LATEST 好约 0.005。

次要分析

分析	K = 1	K = 2	K = 4
EVAL34_GAP3（只留帧序距查询 ≥ 3 的候选帧，每条记录 4–9 个）	LATEST 0.2191，ORACLE 0.2027，F 0.191，X +0.0039 [−0.0052, +0.0133]	LATEST 0.2103，ORACLE 0.1905，F 0.200，X +0.0064 [−0.0018, +0.0153]	GREEDY_FILL_DISTANCE 0.1966，ORACLE 0.1860，F 0.103，X +0.0009 [−0.0046, +0.0062]
EVAL_FAR（远处查询，79 个场景）	GREEDY_COVERAGE 0.2084，ORACLE 0.1884，F 0.275，X −0.0104 [−0.0241, +0.0015]	GREEDY_FILL_DISTANCE 0.1948，ORACLE 0.1748，X −0.0117 [−0.0224, −0.0019]（HARMFUL）	GREEDY_FILL_DISTANCE 0.1809，ORACLE 0.1677，X −0.0111 [−0.0210, −0.0030]（HARMFUL）
REPLICA（8 个场景，描述）	LATEST 0.0717，ORACLE 0.0690	LATEST 0.0701，ORACLE 0.0600	GREEDY_COVERAGE 0.0612，ORACLE 0.0589

读法：

去掉相邻帧之后，仍然没有可推广的余量。
远处查询上最强的规则换成了覆盖类贪心；交叉查询 oracle 反而比它差：选帧过度拟合了一个查询，到另一个查询上不如覆盖规则。
G1 混合后端（已测区域用调和补洞，其余用 G1）的结论相同：
- K = 1：不加深度 0.2559、LATEST 0.1947、ORACLE 0.1712；
- K = 4：LATEST 0.1560、ORACLE 0.1443。

逐条回答第一阶段的问题

额外深度有多大 oracle 余量？ 很大。ALL AbsRel 从 0.289 降到 0.172（1 帧）、0.157（2 帧）、0.147（4 帧）。FAR 区域从 0.493 降到 0.261（1 帧）、0.228（4 帧）。
1、2、4 次测量各带来多少收益？
- 最强可部署规则（LATEST）：0.092、0.112、0.129；
- oracle：0.117、0.133、0.142。
是否很快饱和？ 是。按已测帧数 0、1、2、3 分组，加一帧的平均边际效用依次为 0.051、0.024、0.017、0.012。oracle 曲线在 K = 5–6 时最低（0.146），9 帧全测反而回升到 0.150：在这个无模型后端里，更多深度不一定更好。
哪个简单规则最强？
- 主分析中 K = 1、2、4 都是 LATEST（最新的 k 帧）；
- 远处查询与 GAP3 的 K = 4 是覆盖或距离类的贪心。
简单规则离 oracle 多远？ 样本内 0.025、0.021、0.013（占 oracle 收益的 21%、16%、9%）。能推广到别的查询的部分（交叉查询）只有 0.005、0.004、−0.001，都不显著。
不同场景的最优测量帧是否不同？ 是。best-1 帧最常见的位置是池中最新的一帧，但也只占 31%（52/166），其余分散在整个池中（图 3）。不过这种场景差异无法推广到别的查询视角。
覆盖能否解释 oracle？ 只能部分解释。在主分析中，覆盖类规则（K = 1 时 0.213）不如 LATEST；在远处查询上覆盖类最强，但离 oracle 仍有 0.020 的样本内差距，这部分同样不可推广。
位姿新颖性够不够？ 不够。POSE_FARTHEST 在 K = 1 时排第 2（0.2095），比 LATEST 差 0.012。
是否存在"覆盖高但效用低"或"覆盖低但效用高"的帧？ 存在，各约 8%。在 episode 内按三分位划分，1494 个候选帧中分别有 121 个和 125 个。
效用是否有可学习的结构？ 有中等强度的结构，但主要就是时间新近性。单步效用与各特征在 episode 内的平均 Spearman：
- 池中位置（越新越大）：+0.385；
- 三维新颖性：+0.257；
- 填补距离：+0.223；
- 未覆盖比例：+0.222；
- 光度残差：+0.199；
- 位姿距离：+0.182；
- 旋转：+0.166；
- 平移：+0.155。
远处查询上最强的特征是三维新颖性，相关只有 +0.274（WEAK）。 11. 值得训练效用预测器吗？ 不值得。预注册判定不成立：可推广的余量只有约 0.005，而且不显著。交叉查询 oracle 用的是邻近真实查询的效用，这是部署时拿不到的特权信息，可它也只比 LATEST 好约 0.005。这为学习式预测器能达到的收益给出了一个很低的参照。 12. 与 NBV / active mapping 的边界？ 见相关工作综述。在"轨迹给定、RGB 免费、深度按预算请求、在留出视角上评价"这个设定上，没有找到同构的已发表工作。但"用 RGB 决定何时开深度传感器"已有先例：Noraky & Sze（TCSVT 2020）、ADI 与 Ericsson 的专利、NeuroLiDAR（ICRA 2026）。而且均匀与覆盖策略在相关文献中本来就很强。本实验的结果与这一点一致。

完整性

K = 0 复核： EVAL34 与 GAP3 各做了 332 次，与封存的 REPROJ_HARMONIC 最大差为 0，NEAR 掩码全部相同。
读取审计： 4 个队列中，每个 episode、每个规则、每个预算的读取全部合规。教师路径只出现三种用途：ORACLE_TEACHER_ONLY、QUERY_CAMERA_TEACHER_ONLY、SEALED_QUERY_EVALUATION。
确定性： 分析运行两次，结果逐字节相同。
测试： 41 项通过（tests.json）。FINAL_INTEGRITY=PASS。

文件

契约： task_contract.json、information_contract.json、baseline_contract.json、scene_manifest.json、frame_role_lock.json、preregistration.json。
结果： oracle_results.json、heuristic_results.json、budget_curve.json、bootstrap_results.json、final_summary.json 与 .txt、integrity.json、tests.json。
原始数据： raw/<队列>/<场景>_<角色>.npz（全部子集的表）与 .json（选择、特征、复核、审计）。
图： figures/<队列>/，共 7 张：
1. 预算曲线；
2. 逐场景的 oracle 余量；
3. best-1 帧位置；
4. 效用与覆盖；
5. 效用与位姿；
6. 按历史分组的边际效用；
7. FAR 覆盖增益与 FAR 改善。
起点快照与复现命令： audit/start_state/、commands.sh。