这不是机器学习意义上的黑箱训练。

这是mpS意义上的证据链整理。

候选从哪里来，为什么失败，在哪个局部条件下失败，失败能不能复现，下一轮搜索应该避开哪一类结构。

而这张图的出现，也意味着江临在废土苦熬了近十年后，第一次将非周期六足从一台能动的机械玩具，强行提升成了在数学和物理上完全可观测的移动平台。

第十年以后，真正的灵魂G-01c，开始加载安全状态机。

状态机能够执行的动作极度匮乏，只有五个。

降速，释放当前机械锁止，主动卸载异常接触腿的动力，控制机身回撤半步，重新切入下一个支撑相位。

这是一个寻找钢丝上平衡点的地狱级折磨。

如果判定阈值设得太低，平台就会像惊弓之鸟，只要稍微踩到一块碎石就会频繁误触发保护，移动效率低到令人发指。

如果阈值设得太高，等算法判断出异常时，强大的电机扭矩早就让棘爪死死咬住，机械结构已经发生了不可逆的金属形变。

如果只看足端载荷，算法会愚蠢地把正常的越障冲击当成撞墙异常。

如果只看主轴电流，电流反馈的滞后性会让你等到电机冒烟才发现故障已经扩散全身。

如果只看ImU的横摆角，又极容易把机身在崎岖地形上的自然摇摆误判成即将侧翻。

废土第二十三年，无数个报废的电机、折断的连杆、误触发日志和反例表堆满了工作目录，江临终于熬出了那个能真正在复杂地形下稳定工作的版本。

多信号短窗逻辑判定。

它不再依赖单一阈值，而是建立了一个动态的时间窗口。

当然，真正困难的不是写出一个状态机。

而是哪些信号有资格触发它？

江临最初试过几十种看似合理的规则。

足端载荷超过阈值，误触发。

主轴电流斜率异常，滞后。

ImU横摆角过大，误把正常越障当成侧翻。

相位窗口进入危险区，无法区分真实卡死和短暂冲击。

mpS-Forge在这里第一次显出锋利。

它不替江临发明智慧。

只是把四十年里积累的正常样本、失败样本、误触发样本和真实卡滞样本压成一张反例表，然后逼着所有候选规则接受审讯。

只看一个信号的规则，全部死掉。

只看静态阈值的规则，全部死掉。

不能解释误触发来源的规则，全部死掉。

最后留下来的，不是最聪明的规则，而是最不容易被反例打穿的规则。

在这个几十毫秒的极短窗口内，足端载荷出现异常双峰，横摆角速度导数出现阶跃上升，主轴电流的斜率偏离正常模型，相位窗口滑入预设的危险扇区。

只有当这四个条件中，至少有三个在同一短窗内同时满足时，安全状态机才会被强行激活介入。

同年，G-01c完成了第一组震撼人心的完整对照实验。

在江临最初焊接的标准障碍板上，作为对照组的A1平台依然走得干净利落，甚至速度略胜一筹。

但在布满火山岩碎屑和断裂钢筋的非重复障碍场地上，A1平台在连续迈出三步后，相近支撑窗口内出现了微小的接触异常叠加，最终导致重心失衡，电机嘶吼着触发保护停机，四脚朝天。

而G-01c呢？
本章未完，请翻下一页继续阅读.........