比较训练前后，
验证每一次落地。

基础PD与倒置修复

r6已有姿态P与角速度D，I为0。修复版保留反馈，限制目标角速度，按当前气压估算刹转余量，先分配姿态力矩，再分配竖直喷力。近正立时另做固定姿态的竖直刹降预测。它是单独记录的控制结构修复，不是第101代训练。查看同初态对照与失败边界 ↗

每个周期重新闭环计算

控制器持续读取当前状态，不是仅按初态求出整条轨迹。目前直接使用 MuJoCo 真值，相当于理想传感器；尚未加入 IMU、测距噪声、延迟或姿态融合。实车控制仍需单独完成这些环节。

训练的是参数，不是画面

CEM 交叉熵搜索采样 15 个控制参数，保留高分候选，更新采样分布。奖励包含实际峰值高度、动作完成、稳定接触，扣除耗气、耗时与冲击。人工基线独立保留，不参与搜索初始化。

这次没有训练神经网络。所有候选都通过同一个世界检验，最终参数在固定开发评估集上选择，开发集 12 例中有 2 例也用于训练。使用 120 个任务初态与 80 个自由姿态做固定留出评估，均未参与本轮拟合或参数选择。这批初态在上一版开发中已经使用过，适合跨版本配对比较。

只控制姿态及竖直起降

目标水平喷力为零。轮胎摩擦、风扇排气，以及阀门延迟或喷口饱和造成的残差仍可能改变水平速度；系统不会把速度强行锁定。

全程降压供气

假设气体按多方过程膨胀，压力比例为剩余气量比例的 1.2 次方；喷力上限跟随压力降低，没有稳压阶段。压力是相对值，没有冒充实车储罐压力。

低重心的假设

平地整车重心离地 0.50 m，纵横向居中；车轮与车壳质量共同满足这个重心。此值参考低置电池的电动车量级，气体在本简化模型中对称消耗，重心保持不变。依据与边界 ↗

怎样才算平稳落地

完成指定翻转，车身未触地，碰撞速度与接触力未超限；随后至少三轮接触连续 1 秒，竖直速度与侧滑速度均 <0.30 m/s、轮胎接地点滑移 <0.50 m/s、角速 <0.20 rad/s、倾角 <8°。允许沿车头方向滚动，不要求刹停或返回起点。两项 kickflip 另须实际重心峰值达到 5 m，这是本轮工程目标，不是实车的通用安全下限。

风扇近地压差吸力和排气推力共用功率。离开密封间隙后，压差吸力消失。轮胎接触和碰撞壳是简化模型，尚无实车标定。