just delete KB

docs/18.md

@@ -0,0 +1,76 @@
+# Frenet 规划器：用 `KD ∈ [0,1]` 控制“从最左到最右”偏移
+
+你现在的实现里，`KD` 被当作「`offset cost` 的权重」来用：
+
+- `KD` 越大，只会让轨迹更贴近中心线（`l=0`），
+- 不能直接表达“期望偏左/偏右”的连续控制。
+
+如果你希望 `KD=0` 表示最左、`KD=1` 表示最右，建议把 `KD` 映射为**目标横向位置**，然后最小化“轨迹终点与目标横向位置的误差”。
+
+---
+
+## 核心改法
+
+1. 把 `KD` 映射到目标横向位置：
+
+```python
+KD = np.clip(planner_param[1], 0.0, 1.0)
+l_ref = -MAX_ROAD_WIDTH + 2.0 * MAX_ROAD_WIDTH * KD
+# KD=0 -> -MAX_ROAD_WIDTH (最左)
+# KD=0.5 -> 0 (中间)
+# KD=1 -> +MAX_ROAD_WIDTH (最右)
+```
+
+2. 用新的偏移误差替换你当前的 `abs(tfp.l[-1])`：
+
+```python
+raw_bias_error = abs(tfp.l[-1] - l_ref)
+norm_bias_cost = raw_bias_error / (2.0 * MAX_ROAD_WIDTH)
+```
+
+3. 最终代价使用 `norm_bias_cost`（而不是原来的 `norm_offset_cost`）。
+
+---
+
+## 可直接替换的关键片段
+
+```python
+# =====================================
+# final weighted cost
+# =====================================
+KJ = max(0.0, min(1.0, planner_param[0]))
+KD = max(0.0, min(1.0, planner_param[1]))  # 这里 KD 改为“左右偏移控制旋钮”
+
+# KD: [0,1] -> 目标横向位置 [-MAX_ROAD_WIDTH, +MAX_ROAD_WIDTH]
+l_ref = -MAX_ROAD_WIDTH + 2.0 * MAX_ROAD_WIDTH * KD
+
+raw_bias_error = abs(tfp.l[-1] - l_ref)
+norm_bias_cost = raw_bias_error / (2.0 * MAX_ROAD_WIDTH)
+
+# 这里给一个稳定的默认权重分配：
+# - jerk 权重由 KJ 控制
+# - 偏移跟踪固定占一部分（KB），确保 KD 变化有可见效果
+# - 剩余给效率项
+KB = 0.35
+if KJ + KB > 1.0:
+    KJ = 1.0 - KB
+KT = 1.0 - KJ - KB
+
+tfp.cd = norm_jerk_cost
+tfp.cv = norm_speed_cost + norm_acc_cost + norm_progress_cost
+tfp.cf = KJ * tfp.cd + KB * norm_bias_cost + KT * tfp.cv
+```
+
+---
+
+## 使用建议
+
+- 先固定 `KJ`（例如 `0.2`），只扫 `KD`：`0.0 -> 0.25 -> 0.5 -> 0.75 -> 1.0`。
+- 如果“左右偏移不明显”，增大 `KB`（例如从 `0.35` 到 `0.5`）。
+- 如果轨迹变抖，适当增大 `KJ` 或提高 `Ti`。
+
+这样调参时，`KD` 的语义会非常直观：
+
+- **0 = 最左**
+- **0.5 = 居中**
+- **1 = 最右**