Refine documentation and code comments

README.md

@@ -5,7 +5,7 @@ Qwen2.5-0.5B 文本骨干的 VLM 接到缩小版 diffusion expert，验证以下
 训练、保存、重新加载和推理：
 
 1. 图像、自然语言和 ego-relative 历史坐标进入 VLM；
-2. VLM 生成驾驶文字，也可以在未截断验证分支中生成结构化 CoT、meta-action 和
+2. VLM 生成驾驶指令，也可以在未截断验证分支中生成结构化指令、meta-action 和
    离散轨迹 token；
 3. VLM 的 24 层 past-KV 作为 expert 的前缀；
 4. flow-matching diffusion 预测连续 action，再积分回未来 XY 位置。
@@ -60,8 +60,8 @@ dataset，使用前需要在 Hugging Face 接受其许可。
 | `t0_us` | `1503899` |
 | Camera | `camera_front_wide_120fov` |
 | Event cluster | `WORK_ZONES_TEMP_TRAFFIC_CONTROL` |
-| Reasoning source | `reasoning/ood_reasoning.parquet` 中的 `coc` 字段 |
-| Reasoning | “Steer left following the temporary lane delineated by traffic cones through the construction zone.” |
+| 指令来源 | `reasoning/ood_reasoning.parquet` 中的 `coc` 字段 |
+| 驾驶指令 | “Steer left following the temporary lane delineated by traffic cones through the construction zone.” |
 | History | 8 个点，最后一个点为当前 ego-local 原点 |
 | Future source | egomotion 的 64 个未来点，时间步 0.1 s |
 | Expert target | 从 64 点以索引 `[0,4,8,12,16,21,25,29,33,37,42,46,50,54,58,63]` 取 16 点 |
@@ -77,7 +77,7 @@ dataset，使用前需要在 Hugging Face 接受其许可。
 [`scripts/train_stage1_vlm.py`](scripts/train_stage1_vlm.py) 冻结 vision tower、multimodal
 projector 和 LM head，只训练最后 8 个 Qwen2 language layers 及 final norm。当前 checkpoint
 训练 80 steps，共 119,299,968 个可训练参数：loss 从 `3.9338069` 降至
-`0.0000216427`，greedy 输出与数据集 reasoning 逐字一致。
+`0.0000216427`，greedy 输出与数据集驾驶指令逐字一致。
 
 Stage 1 输出到本地 `outputs/stage1_vlm/`，供后续两个分支使用：
 
@@ -99,8 +99,8 @@ checkpoint 继续训练，并添加：
 `[-4, 4]` 的 128 bins，形成 32 个监督 token。
 
 当前结构化 checkpoint 训练 160 steps，loss 从 `14.17349` 降至 `0.0000347825`，最终
-训练 accuracy 为 1.0。未截断 greedy generation 生成 32/32 个正确轨迹 token，其完整
-目标/输出格式为：
+训练 accuracy 为 1.0。未截断 greedy generation 生成 32/32 个正确轨迹 token。完整
+输出格式如下；`cot` 是上游兼容标记，承载的是单句驾驶指令：
 
 ```text
 <|cot_start|>Steer left following the temporary lane delineated by traffic cones through the construction zone.<|cot_end|>
@@ -269,9 +269,9 @@ VLM 的 32 个生成 token 与量化 GT 全部匹配，因此其非零轨迹误
 
 | 字段 | Ground truth | 模型输出 | Exact match |
 | --- | --- | --- | ---: |
-| Reasoning / CoT | Steer left following the temporary lane delineated by traffic cones through the construction zone. | Steer left following the temporary lane delineated by traffic cones through the construction zone. | 是 |
-| Meta-action | `STEER_LEFT`（由 reasoning 规则派生） | `STEER_LEFT` | 是 |
-| Diffusion conditioning text | 同上方 reasoning | 同上方 reasoning | 是 |
+| 驾驶指令 | Steer left following the temporary lane delineated by traffic cones through the construction zone. | Steer left following the temporary lane delineated by traffic cones through the construction zone. | 是 |
+| Meta-action | `STEER_LEFT`（由驾驶指令规则派生） | `STEER_LEFT` | 是 |
+| Diffusion conditioning text | 同上方驾驶指令 | 同上方驾驶指令 | 是 |
 
 ## 本地产物
 
@@ -322,8 +322,8 @@ ruff check src scripts tests
   unicycle acceleration/curvature action space。
 - action mean/scale 由同一个单样本目标轨迹拟合；VLM direct trajectory 的 32 个监督 token
   也来自该目标，因此其近零误差只证明记忆和输出链路。
-- `STEER_LEFT` 是 [`_infer_meta_action`](scripts/train_vlm_trajectory_logits.py) 从 reasoning
-  文字规则派生的标签，不是 PAI 中独立提供的 meta-action ground truth。
+- `STEER_LEFT` 是 [`_infer_meta_action`](scripts/train_vlm_trajectory_logits.py) 从驾驶指令
+  规则派生的标签，不是 PAI 中独立提供的 meta-action ground truth。
 - 当前 expert 用旧 plain-text `"Continuous action:"` prefix 训练，并未与 structured VLM
   prefix 或 exact generation cache 联合训练。structured handoff 证明 24-layer KV 兼容，
   不代表该 prefix 下的轨迹质量已经收敛。