feat(avoidance): 添加低开销压测日志

refactor(avoidance): 清理压测无关入口
add
2026-06-13 16:42:53 +08:00 · 2026-06-13 16:37:04 +08:00 · 2026-06-13 16:31:23 +08:00 · 2026-06-13 16:13:10 +08:00
18 changed files with 1904 additions and 605 deletions
--- a/FishROV/Assets/Scenes/AvoidancePerfDemo.unity
+++ b/FishROV/Assets/Scenes/AvoidancePerfDemo.unity
@@ -165,4 +165,3 @@ MonoBehaviour:
  dimensionMode: 1
  viewMode: 0
  fishCount: 300
-  sharkCount: 1
--- a/FishROV/Assets/Scripts/Benchmark/Agents/BenchmarkAgent.cs
+++ b/FishROV/Assets/Scripts/Benchmark/Agents/BenchmarkAgent.cs
@@ -22,16 +22,12 @@ namespace FishROV.AvoidanceBenchmark

        public static BenchmarkAgent CreatePrimitive(BenchmarkAgentSpawnInfo spawnInfo, Transform parent)
        {
-            var go = spawnInfo.Role == BenchmarkAgentRole.Shark
-                ? GameObject.CreatePrimitive(PrimitiveType.Capsule)
-                : CreateConeObject();
+            var go = CreateConeObject();
            go.name = $"{spawnInfo.Role}_{spawnInfo.GroupId:0000}";
            go.transform.SetParent(parent, false);
            go.transform.position = spawnInfo.Position;

-            var scale = spawnInfo.Role == BenchmarkAgentRole.Shark
-                ? new Vector3(spawnInfo.Radius, spawnInfo.Height, spawnInfo.Radius)
-                : new Vector3(
+            var scale = new Vector3(
                Mathf.Max(0.1f, spawnInfo.Radius * 1.4f),
                Mathf.Max(0.1f, spawnInfo.Radius * 1.4f),
                Mathf.Max(0.2f, spawnInfo.Radius * 3.2f));
@@ -101,9 +97,6 @@ namespace FishROV.AvoidanceBenchmark
                case BenchmarkAgentRole.Fish:
                    color = new Color(0.10f, 0.72f, 0.95f);
                    break;
-                case BenchmarkAgentRole.Shark:
-                    color = new Color(0.95f, 0.22f, 0.16f);
-                    break;
                case BenchmarkAgentRole.SchoolProxy:
                    color = new Color(0.20f, 0.95f, 0.42f);
                    break;
--- a/FishROV/Assets/Scripts/Benchmark/AvoidanceBenchmarkLogWriter.cs
+++ b/FishROV/Assets/Scripts/Benchmark/AvoidanceBenchmarkLogWriter.cs
@@ -0,0 +1,156 @@
+using System;
+using System.Collections.Generic;
+using System.Globalization;
+using System.IO;
+using UnityEngine;
+
+namespace FishROV.AvoidanceBenchmark
+{
+    public sealed class AvoidanceBenchmarkLogWriter
+    {
+        private const float SampleInterval = 0.5f;
+        private const int MaxSamples = 4096;
+
+        private readonly List<Sample> samples = new List<Sample>(1024);
+        private AvoidanceBenchmarkConfig config;
+        private string runName;
+        private float runStartTime;
+        private float nextSampleTime;
+        private bool hasRun;
+
+        public string LastExportPath { get; private set; } = "尚未导出";
+        public int SampleCount => samples.Count;
+
+        public void StartRun(AvoidanceBenchmarkConfig benchmarkConfig, string adapterName)
+        {
+            ExportIfNeeded();
+
+            config = benchmarkConfig.Clone();
+            runName = SanitizeFileName($"{DateTime.Now:yyyyMMdd_HHmmss}_{adapterName}_{config.Scenario}_{config.DimensionMode}_{config.FishCount}");
+            runStartTime = Time.unscaledTime;
+            nextSampleTime = runStartTime;
+            samples.Clear();
+            hasRun = true;
+            LastExportPath = "本轮尚未导出";
+        }
+
+        public void Record(
+            AvoidanceMetricsRecorder metrics,
+            AvoidanceCollisionProbe collisionProbe,
+            int agentCount)
+        {
+            if (!hasRun || Time.unscaledTime < nextSampleTime || samples.Count >= MaxSamples)
+            {
+                return;
+            }
+
+            nextSampleTime += SampleInterval;
+            samples.Add(new Sample
+            {
+                TimeSeconds = Time.unscaledTime - runStartTime,
+                AgentCount = agentCount,
+                AverageFps = metrics.AverageFps,
+                OnePercentLowFps = metrics.OnePercentLowFps,
+                SimulationMs = metrics.SimulationMs,
+                GcAllocKb = metrics.GcAllocBytes / 1024.0,
+                HorizontalOverlapPairs = collisionProbe.HorizontalOverlapPairs,
+                SpatialOverlapPairs = collisionProbe.SpatialOverlapPairs,
+                MinimumClearance = collisionProbe.MinimumClearance
+            });
+        }
+
+        public string ExportIfNeeded()
+        {
+            if (!hasRun || samples.Count == 0)
+            {
+                return LastExportPath;
+            }
+
+            var directory = Path.Combine(Application.persistentDataPath, "AvoidanceBenchmarkLogs");
+            Directory.CreateDirectory(directory);
+            var path = Path.Combine(directory, runName + ".csv");
+
+            using (var writer = new StreamWriter(path, false))
+            {
+                writer.WriteLine("framework,scenario,dimension,fishCount,arenaRadius,screenWidth,screenHeight,targetFrameRate,timeSeconds,agentCount,averageFps,onePercentLowFps,simulationMs,gcAllocKb,horizontalOverlapPairs,spatialOverlapPairs,minimumClearance");
+                for (var i = 0; i < samples.Count; i++)
+                {
+                    var sample = samples[i];
+                    writer.Write(config.Framework);
+                    writer.Write(',');
+                    writer.Write(config.Scenario);
+                    writer.Write(',');
+                    writer.Write(config.DimensionMode);
+                    writer.Write(',');
+                    writer.Write(config.FishCount);
+                    writer.Write(',');
+                    WriteFloat(writer, config.ArenaRadius);
+                    writer.Write(',');
+                    writer.Write(Screen.width);
+                    writer.Write(',');
+                    writer.Write(Screen.height);
+                    writer.Write(',');
+                    writer.Write(Application.targetFrameRate);
+                    writer.Write(',');
+                    WriteFloat(writer, sample.TimeSeconds);
+                    writer.Write(',');
+                    writer.Write(sample.AgentCount);
+                    writer.Write(',');
+                    WriteFloat(writer, sample.AverageFps);
+                    writer.Write(',');
+                    WriteFloat(writer, sample.OnePercentLowFps);
+                    writer.Write(',');
+                    WriteDouble(writer, sample.SimulationMs);
+                    writer.Write(',');
+                    WriteDouble(writer, sample.GcAllocKb);
+                    writer.Write(',');
+                    writer.Write(sample.HorizontalOverlapPairs);
+                    writer.Write(',');
+                    writer.Write(sample.SpatialOverlapPairs);
+                    writer.Write(',');
+                    WriteFloat(writer, sample.MinimumClearance);
+                    writer.WriteLine();
+                }
+            }
+
+            LastExportPath = path;
+            samples.Clear();
+            hasRun = false;
+            Debug.Log($"Avoidance benchmark log exported: {path}");
+            return LastExportPath;
+        }
+
+        private static void WriteFloat(TextWriter writer, float value)
+        {
+            writer.Write(value.ToString("0.###", CultureInfo.InvariantCulture));
+        }
+
+        private static void WriteDouble(TextWriter writer, double value)
+        {
+            writer.Write(value.ToString("0.###", CultureInfo.InvariantCulture));
+        }
+
+        private static string SanitizeFileName(string value)
+        {
+            foreach (var invalid in Path.GetInvalidFileNameChars())
+            {
+                value = value.Replace(invalid, '_');
+            }
+
+            return value;
+        }
+
+        private struct Sample
+        {
+            public float TimeSeconds;
+            public int AgentCount;
+            public float AverageFps;
+            public float OnePercentLowFps;
+            public double SimulationMs;
+            public double GcAllocKb;
+            public int HorizontalOverlapPairs;
+            public int SpatialOverlapPairs;
+            public float MinimumClearance;
+        }
+    }
+}
--- a/FishROV/Assets/Scripts/Benchmark/FrameworkAdapters/AstarRvoAdapter.cs.meta
+++ b/FishROV/Assets/Scripts/Benchmark/FrameworkAdapters/AstarRvoAdapter.cs.meta
@@ -1,5 +1,5 @@
 fileFormatVersion: 2
-guid: 3f0e3f32e10e42eda4a2c6e58d0f9f8b
+guid: 9c67563022844219b17fcf6a3630062c
 MonoImporter:
  externalObjects: {}
  serializedVersion: 2
--- a/FishROV/Assets/Scripts/Benchmark/AvoidanceBenchmarkTypes.cs
+++ b/FishROV/Assets/Scripts/Benchmark/AvoidanceBenchmarkTypes.cs
@@ -6,19 +6,16 @@ namespace FishROV.AvoidanceBenchmark
    public enum AvoidanceFrameworkKind
    {
        NoAvoidance = 0,
-        AstarRvo = 1,
-        Rvo2 = 2,
-        UnityNavMesh = 3,
-        SamplingLocal = 4
+        Rvo2 = 1,
+        SamplingLocal = 2
    }

    public enum AvoidanceScenarioKind
    {
        FreeSwim = 0,
        CrossFlow = 1,
-        SharkCharge = 2,
-        NarrowPassage = 3,
-        DenseCircleStress = 4
+        NarrowPassage = 2,
+        DenseCircleStress = 3
    }

    public enum AvoidanceDimensionMode
@@ -33,16 +30,14 @@ namespace FishROV.AvoidanceBenchmark
        Overview = 0,
        TopDown = 1,
        Side = 2,
-        Shark = 3,
-        FollowSchool = 4
+        FollowSchool = 3
    }

    public enum BenchmarkAgentRole
    {
        Fish = 0,
-        Shark = 1,
-        SchoolProxy = 2,
-        Obstacle = 3
+        SchoolProxy = 1,
+        Obstacle = 2
    }

    [Serializable]
@@ -67,13 +62,10 @@ namespace FishROV.AvoidanceBenchmark
        public AvoidanceScenarioKind Scenario = AvoidanceScenarioKind.FreeSwim;
        public AvoidanceDimensionMode DimensionMode = AvoidanceDimensionMode.XZ25D;
        public int FishCount = 300;
-        public int SharkCount = 1;
        public int SchoolCount = 1;
        public float ArenaRadius = 28f;
        public float FishRadius = 0.35f;
-        public float SharkRadius = 2.2f;
        public float FishSpeed = 2.4f;
-        public float SharkSpeed = 3.4f;
        public int MaxNeighbours = 8;
        public int RandomSeed = 13999;
        public bool UseSchoolProxy = false;
--- a/FishROV/Assets/Scripts/Benchmark/AvoidancePerfBootstrap.cs
+++ b/FishROV/Assets/Scripts/Benchmark/AvoidancePerfBootstrap.cs
@@ -12,12 +12,12 @@ namespace FishROV.AvoidanceBenchmark
        [SerializeField] private AvoidanceDimensionMode dimensionMode = AvoidanceDimensionMode.XZ25D;
        [SerializeField] private BenchmarkViewMode viewMode = BenchmarkViewMode.Overview;
        [SerializeField] private int fishCount = 300;
-        [SerializeField] private int sharkCount = 1;

        private readonly List<BenchmarkAgent> agents = new List<BenchmarkAgent>(512);
        private readonly AvoidanceScenarioController scenarioController = new AvoidanceScenarioController();
        private readonly AvoidanceMetricsRecorder metrics = new AvoidanceMetricsRecorder();
        private readonly AvoidanceCollisionProbe collisionProbe = new AvoidanceCollisionProbe();
+        private readonly AvoidanceBenchmarkLogWriter logWriter = new AvoidanceBenchmarkLogWriter();
        private AvoidanceBenchmarkConfig config;
        private IAvoidanceAdapter adapter;
        private Transform agentRoot;
@@ -60,6 +60,7 @@ namespace FishROV.AvoidanceBenchmark

            collisionProbe.Update(agents, config.DimensionMode, Time.unscaledDeltaTime);
            metrics.EndSimulation();
+            logWriter.Record(metrics, collisionProbe, agents.Count);
        }

        private void OnGUI()
@@ -68,11 +69,12 @@ namespace FishROV.AvoidanceBenchmark
            GUILayout.Label("FishROV 本地避障压测");
            GUILayout.Label($"当前方案：{adapter?.Name ?? "未初始化"}");
            GUILayout.Label($"状态：{adapter?.Status ?? "未初始化"}");
-            GUILayout.Label($"对象数量：小鱼 {fishCount}，鲨鱼 {sharkCount}，总数 {agents.Count}");
+            GUILayout.Label($"对象数量：鱼 {fishCount}，总数 {agents.Count}");
            GUILayout.Label($"帧率：平均 {metrics.AverageFps:F1} | 1% Low {metrics.OnePercentLowFps:F1}");
            GUILayout.Label($"模拟耗时：{metrics.SimulationMs:F2} ms | GC：{metrics.GcAllocBytes / 1024f:F1} KB");
            GUILayout.Label($"碰撞调试：XZ重叠 {collisionProbe.HorizontalOverlapPairs} 对 | 3D重叠 {collisionProbe.SpatialOverlapPairs} 对 | 最近间距 {collisionProbe.MinimumClearance:F2}");
            GUILayout.Label($"帧率限制：不锁帧，vSync={QualitySettings.vSyncCount}，targetFrameRate={Application.targetFrameRate}");
+            GUILayout.Label($"日志样本：{logWriter.SampleCount} | {logWriter.LastExportPath}");

            GUILayout.Space(8);
            DrawEnumButtons("避障方案", framework, value =>
@@ -124,12 +126,18 @@ namespace FishROV.AvoidanceBenchmark
            {
                ResetBenchmark();
            }
+
+            if (GUILayout.Button("导出日志"))
+            {
+                logWriter.ExportIfNeeded();
+            }
            GUILayout.EndHorizontal();
            GUILayout.EndArea();
        }

        private void OnDestroy()
        {
+            logWriter.ExportIfNeeded();
            adapter?.Dispose();
            metrics.Dispose();
        }
@@ -138,6 +146,7 @@ namespace FishROV.AvoidanceBenchmark
        {
            adapter?.Dispose();
            adapter = null;
+            logWriter.ExportIfNeeded();

            if (agentRoot != null)
            {
@@ -151,7 +160,6 @@ namespace FishROV.AvoidanceBenchmark
                Scenario = scenario,
                DimensionMode = dimensionMode,
                FishCount = fishCount,
-                SharkCount = sharkCount,
                UseSchoolProxy = false
            };

@@ -161,8 +169,8 @@ namespace FishROV.AvoidanceBenchmark
            adapter.Initialize(config);

            SpawnFish();
-            SpawnSharks();
            scenarioController.Reset(config, agents);
+            logWriter.StartRun(config, adapter.Name);
        }

        private void SpawnFish()
@@ -185,27 +193,6 @@ namespace FishROV.AvoidanceBenchmark
            }
        }

-        private void SpawnSharks()
-        {
-            for (var i = 0; i < config.SharkCount; i++)
-            {
-                var angle = i * Mathf.PI * 2f / Mathf.Max(1, config.SharkCount);
-                var spawn = new BenchmarkAgentSpawnInfo
-                {
-                    Position = new Vector3(Mathf.Cos(angle), 0f, Mathf.Sin(angle)) * config.ArenaRadius * 0.85f,
-                    Radius = config.SharkRadius,
-                    Height = config.SharkRadius * 2f,
-                    MaxSpeed = config.SharkSpeed,
-                    Layer = 2,
-                    CollidesWith = 4,
-                    Priority = 1f,
-                    Role = BenchmarkAgentRole.Shark,
-                    GroupId = i
-                };
-                agents.Add(adapter.CreateAgent(spawn, agentRoot));
-            }
-        }
-
        private Vector3 SpawnPosition(int index, int total, float radius)
        {
            if (scenario == AvoidanceScenarioKind.CrossFlow)
@@ -282,12 +269,6 @@ namespace FishROV.AvoidanceBenchmark
                    position = new Vector3(0f, radius * 0.45f, -radius * 1.9f);
                    rotation = Quaternion.Euler(12f, 0f, 0f);
                    break;
-                case BenchmarkViewMode.Shark:
-                    var shark = agents.Find(agent => agent.Role == BenchmarkAgentRole.Shark);
-                    var sharkPos = shark != null ? shark.transform.position : Vector3.zero;
-                    position = sharkPos + new Vector3(0f, radius * 0.35f, -radius * 0.75f);
-                    rotation = Quaternion.LookRotation(sharkPos - position + Vector3.up * 2f, Vector3.up);
-                    break;
                case BenchmarkViewMode.FollowSchool:
                    var center = CalculateAgentCenter();
                    position = center + new Vector3(0f, radius * 0.65f, -radius);
@@ -342,20 +323,14 @@ namespace FishROV.AvoidanceBenchmark
            {
                case AvoidanceFrameworkKind.NoAvoidance:
                    return "无避障";
-                case AvoidanceFrameworkKind.AstarRvo:
-                    return "A* RVO";
                case AvoidanceFrameworkKind.Rvo2:
                    return "RVO2";
-                case AvoidanceFrameworkKind.UnityNavMesh:
-                    return "NavMesh";
                case AvoidanceFrameworkKind.SamplingLocal:
-                    return "采样避障";
+                    return "自研版";
                case AvoidanceScenarioKind.FreeSwim:
                    return "自由巡游";
                case AvoidanceScenarioKind.CrossFlow:
                    return "对向穿流";
-                case AvoidanceScenarioKind.SharkCharge:
-                    return "鲨鱼冲群";
                case AvoidanceScenarioKind.NarrowPassage:
                    return "狭窄通道";
                case AvoidanceScenarioKind.DenseCircleStress:
@@ -372,8 +347,6 @@ namespace FishROV.AvoidanceBenchmark
                    return "俯视";
                case BenchmarkViewMode.Side:
                    return "侧视";
-                case BenchmarkViewMode.Shark:
-                    return "跟鲨鱼";
                case BenchmarkViewMode.FollowSchool:
                    return "跟鱼群";
                default:
--- a/FishROV/Assets/Scripts/Benchmark/FrameworkAdapters/AstarRvoAdapter.cs
+++ b/FishROV/Assets/Scripts/Benchmark/FrameworkAdapters/AstarRvoAdapter.cs
@@ -1,286 +0,0 @@
-using System;
-using System.Collections.Generic;
-using System.Reflection;
-using UnityEngine;
-
-namespace FishROV.AvoidanceBenchmark
-{
-    public sealed class AstarRvoAdapter : IAvoidanceAdapter
-    {
-        private const BindingFlags MemberFlags = BindingFlags.Instance | BindingFlags.Public | BindingFlags.NonPublic;
-
-        private readonly Dictionary<BenchmarkAgent, RvoAgentBinding> bindings =
-            new Dictionary<BenchmarkAgent, RvoAgentBinding>(512);
-
-        private Type rvoControllerType;
-        private Type rvoSimulatorType;
-        private MethodInfo setTargetMethod;
-        private MethodInfo calculateMovementDeltaMethod;
-        private GameObject simulatorObject;
-        private AvoidanceBenchmarkConfig config;
-        private string status = "Not initialized";
-
-        public string Name => "A* RVO 本地避障";
-        public bool IsAvailable => rvoControllerType != null && rvoSimulatorType != null;
-        public string Status => status;
-
-        public void Initialize(AvoidanceBenchmarkConfig config)
-        {
-            this.config = config;
-            ResolveAstarTypes();
-
-            if (!IsAvailable)
-            {
-                status = "未检测到 A* Pathfinding Project Pro 的 RVO 模块；请导入 A* Pro，确保存在 Pathfinding.RVO.RVOController 和 RVOSimulator。当前退回基线移动。";
-                return;
-            }
-
-            simulatorObject = new GameObject("A* RVO 模拟器");
-            var simulator = simulatorObject.AddComponent(rvoSimulatorType);
-            ConfigureSimulator(simulator);
-
-            var dimensionNote = config.DimensionMode == AvoidanceDimensionMode.XYZ3D
-                ? "3D 压测会投影到 A* RVO 的 XZ 平面"
-                : "XZ 平面";
-            status = $"A* Pro RVO 已通过反射接入（{dimensionNote}）。";
-        }
-
-        public BenchmarkAgent CreateAgent(BenchmarkAgentSpawnInfo spawnInfo, Transform parent)
-        {
-            var agent = BenchmarkAgent.CreatePrimitive(spawnInfo, parent);
-            if (!IsAvailable)
-            {
-                return agent;
-            }
-
-            var controller = agent.gameObject.AddComponent(rvoControllerType);
-            ConfigureController(controller, spawnInfo);
-            bindings[agent] = new RvoAgentBinding(agent, controller);
-            return agent;
-        }
-
-        public void SetPreferredVelocity(BenchmarkAgent agent, Vector3 preferredVelocity)
-        {
-            if (!IsAvailable || !bindings.TryGetValue(agent, out var binding))
-            {
-                agent.ApplyVelocity(preferredVelocity);
-                return;
-            }
-
-            binding.PreferredVelocity = Vector3.ClampMagnitude(preferredVelocity, agent.MaxSpeed);
-        }
-
-        public void SetTarget(BenchmarkAgent agent, Vector3 target)
-        {
-            agent.Target = target;
-        }
-
-        public void Tick(float deltaTime)
-        {
-            if (!IsAvailable || deltaTime <= 0f)
-            {
-                return;
-            }
-
-            foreach (var binding in bindings.Values)
-            {
-                var velocity = CalculateAvoidedVelocity(binding, deltaTime);
-                binding.Agent.ApplyVelocity(velocity);
-            }
-        }
-
-        public void Dispose()
-        {
-            bindings.Clear();
-            if (simulatorObject != null)
-            {
-                UnityEngine.Object.Destroy(simulatorObject);
-                simulatorObject = null;
-            }
-        }
-
-        private void ResolveAstarTypes()
-        {
-            rvoControllerType = FindType("Pathfinding.RVO.RVOController");
-            rvoSimulatorType = FindType("Pathfinding.RVO.RVOSimulator");
-
-            if (rvoControllerType == null)
-            {
-                return;
-            }
-
-            setTargetMethod = rvoControllerType.GetMethod(
-                "SetTarget",
-                MemberFlags,
-                null,
-                new[] { typeof(Vector3), typeof(float), typeof(float), typeof(Vector3) },
-                null);
-            calculateMovementDeltaMethod = rvoControllerType.GetMethod(
-                "CalculateMovementDelta",
-                MemberFlags,
-                null,
-                new[] { typeof(Vector3), typeof(float) },
-                null);
-        }
-
-        private void ConfigureSimulator(object simulator)
-        {
-            SetMember(simulator, "desiredSimulationFPS", 60);
-            SetMember(simulator, "movementPlane", "XZ");
-            SetMember(simulator, "doubleBuffering", true);
-            SetMember(simulator, "workerThreads", "None");
-            SetMember(simulator, "symmetryBreakingBias", 0.1f);
-        }
-
-        private void ConfigureController(object controller, BenchmarkAgentSpawnInfo spawnInfo)
-        {
-            SetMember(controller, "radius", spawnInfo.Radius);
-            SetMember(controller, "height", Mathf.Max(spawnInfo.Height, spawnInfo.Radius * 2f));
-            SetMember(controller, "center", Vector3.up * spawnInfo.Height * 0.5f);
-            SetMember(controller, "maxSpeed", spawnInfo.MaxSpeed);
-            SetMember(controller, "priority", Mathf.Clamp01(spawnInfo.Priority));
-            SetMember(controller, "layer", spawnInfo.Layer);
-            SetMember(controller, "collidesWith", spawnInfo.CollidesWith);
-            SetMember(controller, "locked", spawnInfo.IsKinematicObstacle);
-            SetMember(controller, "lockWhenNotMoving", spawnInfo.IsKinematicObstacle);
-        }
-
-        private Vector3 CalculateAvoidedVelocity(RvoAgentBinding binding, float deltaTime)
-        {
-            var agent = binding.Agent;
-            var preferredVelocity = binding.PreferredVelocity;
-            var position = agent.transform.position;
-            var target = position + preferredVelocity;
-            var speed = preferredVelocity.magnitude;
-
-            if (setTargetMethod != null)
-            {
-                TryInvoke(
-                    setTargetMethod,
-                    binding.Controller,
-                    new object[] { target, speed, agent.MaxSpeed, target });
-            }
-
-            if (calculateMovementDeltaMethod == null)
-            {
-                return preferredVelocity;
-            }
-
-            try
-            {
-                var delta = calculateMovementDeltaMethod.Invoke(
-                    binding.Controller,
-                    new object[] { position, deltaTime });
-                if (delta is Vector3 movementDelta)
-                {
-                    return movementDelta / deltaTime;
-                }
-            }
-            catch (Exception exception)
-            {
-                status = $"A* RVO 反射调用失败：{exception.GetBaseException().Message}";
-            }
-
-            return preferredVelocity;
-        }
-
-        private static void TryInvoke(MethodInfo method, object target, object[] parameters)
-        {
-            try
-            {
-                method.Invoke(target, parameters);
-            }
-            catch
-            {
-                // Keep the benchmark running even when an A* version changes a reflected member.
-            }
-        }
-
-        private static void SetMember(object target, string name, object value)
-        {
-            if (target == null)
-            {
-                return;
-            }
-
-            var type = target.GetType();
-            var property = type.GetProperty(name, MemberFlags);
-            if (property != null && property.CanWrite)
-            {
-                TrySetValue(property.PropertyType, value, converted => property.SetValue(target, converted, null));
-                return;
-            }
-
-            var field = type.GetField(name, MemberFlags);
-            if (field != null)
-            {
-                TrySetValue(field.FieldType, value, converted => field.SetValue(target, converted));
-            }
-        }
-
-        private static void TrySetValue(Type targetType, object value, Action<object> setter)
-        {
-            try
-            {
-                setter(ConvertValue(targetType, value));
-            }
-            catch
-            {
-                // Optional reflected configuration only; defaults are acceptable across A* versions.
-            }
-        }
-
-        private static object ConvertValue(Type targetType, object value)
-        {
-            if (value == null || targetType.IsInstanceOfType(value))
-            {
-                return value;
-            }
-
-            if (targetType.IsEnum)
-            {
-                if (value is string enumName)
-                {
-                    return Enum.Parse(targetType, enumName);
-                }
-
-                return Enum.ToObject(targetType, value);
-            }
-
-            return Convert.ChangeType(value, targetType);
-        }
-
-        private static Type FindType(string fullName)
-        {
-            var direct = Type.GetType(fullName);
-            if (direct != null)
-            {
-                return direct;
-            }
-
-            foreach (var assembly in AppDomain.CurrentDomain.GetAssemblies())
-            {
-                var type = assembly.GetType(fullName);
-                if (type != null)
-                {
-                    return type;
-                }
-            }
-
-            return null;
-        }
-
-        private sealed class RvoAgentBinding
-        {
-            public RvoAgentBinding(BenchmarkAgent agent, object controller)
-            {
-                Agent = agent;
-                Controller = controller;
-            }
-
-            public BenchmarkAgent Agent { get; }
-            public object Controller { get; }
-            public Vector3 PreferredVelocity { get; set; }
-        }
-    }
-}
--- a/FishROV/Assets/Scripts/Benchmark/FrameworkAdapters/AvoidanceAdapterRegistry.cs
+++ b/FishROV/Assets/Scripts/Benchmark/FrameworkAdapters/AvoidanceAdapterRegistry.cs
@@ -8,12 +8,8 @@ namespace FishROV.AvoidanceBenchmark
            {
                case AvoidanceFrameworkKind.NoAvoidance:
                    return new NoAvoidanceAdapter();
-                case AvoidanceFrameworkKind.AstarRvo:
-                    return new AstarRvoAdapter();
                case AvoidanceFrameworkKind.Rvo2:
                    return new Rvo2Adapter();
-                case AvoidanceFrameworkKind.UnityNavMesh:
-                    return new UnityNavMeshAdapter();
                case AvoidanceFrameworkKind.SamplingLocal:
                    return new SamplingLocalAvoidanceAdapter();
                default:
--- a/FishROV/Assets/Scripts/Benchmark/FrameworkAdapters/SamplingLocalAvoidanceAdapter.cs
+++ b/FishROV/Assets/Scripts/Benchmark/FrameworkAdapters/SamplingLocalAvoidanceAdapter.cs
@@ -34,7 +34,7 @@ namespace FishROV.AvoidanceBenchmark
            states.Clear();
            orderedStates.Clear();
            buckets.Clear();
-            cellSize = Mathf.Max(config.SharkRadius * 2.5f, config.FishRadius * NeighbourRangeMultiplier);
+            cellSize = config.FishRadius * NeighbourRangeMultiplier;
        }

        public BenchmarkAgent CreateAgent(BenchmarkAgentSpawnInfo spawnInfo, Transform parent)
@@ -143,7 +143,7 @@ namespace FishROV.AvoidanceBenchmark
            var position = state.Agent.transform.position;
            var centerCell = ToCell(position);
            var queryRange = Mathf.CeilToInt(
-                Mathf.Max(state.Agent.Radius * NeighbourRangeMultiplier, state.Agent.Radius + config.SharkRadius) / cellSize);
+                state.Agent.Radius * NeighbourRangeMultiplier / cellSize);
            queryRange = Mathf.Clamp(queryRange, 1, 4);

            for (var x = -queryRange; x <= queryRange; x++)
--- a/FishROV/Assets/Scripts/Benchmark/FrameworkAdapters/UnityNavMeshAdapter.cs
+++ b/FishROV/Assets/Scripts/Benchmark/FrameworkAdapters/UnityNavMeshAdapter.cs
@@ -1,197 +0,0 @@
-using System.Collections.Generic;
-using UnityEngine;
-using UnityEngine.AI;
-
-namespace FishROV.AvoidanceBenchmark
-{
-    public sealed class UnityNavMeshAdapter : IAvoidanceAdapter
-    {
-        private readonly Dictionary<BenchmarkAgent, NavMeshAgent> navAgents = new Dictionary<BenchmarkAgent, NavMeshAgent>(512);
-        private AvoidanceBenchmarkConfig config;
-        private NavMeshData runtimeNavMeshData;
-        private NavMeshDataInstance runtimeNavMeshInstance;
-        private bool hasNavMeshData;
-        private int fallbackAgentCount;
-
-        public string Name => "Unity NavMeshAgent 对照组";
-        public bool IsAvailable => hasNavMeshData;
-
-        public string Status
-        {
-            get
-            {
-                if (!hasNavMeshData)
-                {
-                    return "NavMesh 数据构建失败；当前退回基线移动。";
-                }
-
-                if (fallbackAgentCount > 0)
-                {
-                    return $"NavMeshAgent 已接管 {navAgents.Count} 个对象；{fallbackAgentCount} 个对象无法放到 NavMesh 上，使用基线移动。";
-                }
-
-                return $"Unity NavMeshAgent 避障已接管 {navAgents.Count} 个对象。";
-            }
-        }
-
-        public void Initialize(AvoidanceBenchmarkConfig config)
-        {
-            this.config = config.Clone();
-            navAgents.Clear();
-            fallbackAgentCount = 0;
-            BuildRuntimeNavMesh();
-
-            var triangulation = NavMesh.CalculateTriangulation();
-            hasNavMeshData = triangulation.vertices != null && triangulation.vertices.Length > 0;
-        }
-
-        public BenchmarkAgent CreateAgent(BenchmarkAgentSpawnInfo spawnInfo, Transform parent)
-        {
-            var benchmarkAgent = BenchmarkAgent.CreatePrimitive(spawnInfo, parent);
-            if (!hasNavMeshData)
-            {
-                return benchmarkAgent;
-            }
-
-            if (!TryPlaceOnNavMesh(benchmarkAgent, spawnInfo))
-            {
-                fallbackAgentCount++;
-                return benchmarkAgent;
-            }
-
-            var navAgent = benchmarkAgent.gameObject.AddComponent<NavMeshAgent>();
-            ConfigureNavMeshAgent(navAgent, spawnInfo);
-            navAgents[benchmarkAgent] = navAgent;
-            return benchmarkAgent;
-        }
-
-        public void SetPreferredVelocity(BenchmarkAgent agent, Vector3 preferredVelocity)
-        {
-            if (!hasNavMeshData || !navAgents.TryGetValue(agent, out var navAgent) || !navAgent.isOnNavMesh)
-            {
-                agent.ApplyVelocity(preferredVelocity);
-                return;
-            }
-
-            var navVelocity = preferredVelocity;
-            if (config.DimensionMode != AvoidanceDimensionMode.XYZ3D)
-            {
-                navVelocity.y = 0f;
-            }
-
-            navAgent.nextPosition = agent.transform.position;
-            navAgent.velocity = Vector3.ClampMagnitude(navVelocity, agent.MaxSpeed);
-        }
-
-        public void SetTarget(BenchmarkAgent agent, Vector3 target)
-        {
-            agent.Target = target;
-        }
-
-        public void Tick(float deltaTime)
-        {
-            if (!hasNavMeshData)
-            {
-                return;
-            }
-
-            foreach (var entry in navAgents)
-            {
-                var benchmarkAgent = entry.Key;
-                var navAgent = entry.Value;
-                if (benchmarkAgent == null || navAgent == null || !navAgent.isOnNavMesh)
-                {
-                    continue;
-                }
-
-                var smoothedVelocity = Vector3.MoveTowards(
-                    benchmarkAgent.Velocity,
-                    navAgent.velocity,
-                    navAgent.acceleration * deltaTime);
-                benchmarkAgent.ApplyVelocity(smoothedVelocity);
-                navAgent.nextPosition = benchmarkAgent.transform.position;
-            }
-        }
-
-        public void Dispose()
-        {
-            foreach (var navAgent in navAgents.Values)
-            {
-                if (navAgent != null)
-                {
-                    Object.Destroy(navAgent);
-                }
-            }
-
-            navAgents.Clear();
-            fallbackAgentCount = 0;
-
-            if (runtimeNavMeshInstance.valid)
-            {
-                runtimeNavMeshInstance.Remove();
-            }
-
-            runtimeNavMeshData = null;
-        }
-
-        private void BuildRuntimeNavMesh()
-        {
-            if (runtimeNavMeshInstance.valid)
-            {
-                runtimeNavMeshInstance.Remove();
-            }
-
-            var buildSettings = NavMesh.GetSettingsByID(0);
-            buildSettings.agentRadius = Mathf.Max(0.05f, config.FishRadius);
-            buildSettings.agentHeight = Mathf.Max(0.2f, config.FishRadius * 2f);
-            buildSettings.agentClimb = 0.4f;
-            buildSettings.agentSlope = 45f;
-
-            var arenaSize = Mathf.Max(8f, config.ArenaRadius * 2.4f);
-            var sources = new List<NavMeshBuildSource>
-            {
-                new NavMeshBuildSource
-                {
-                    shape = NavMeshBuildSourceShape.Box,
-                    transform = Matrix4x4.TRS(Vector3.zero, Quaternion.identity, Vector3.one),
-                    size = new Vector3(arenaSize, 0.1f, arenaSize),
-                    area = 0
-                }
-            };
-
-            var bounds = new Bounds(Vector3.zero, new Vector3(arenaSize, 2f, arenaSize));
-            runtimeNavMeshData = NavMeshBuilder.BuildNavMeshData(buildSettings, sources, bounds, Vector3.zero, Quaternion.identity);
-            if (runtimeNavMeshData != null)
-            {
-                runtimeNavMeshInstance = NavMesh.AddNavMeshData(runtimeNavMeshData);
-            }
-        }
-
-        private bool TryPlaceOnNavMesh(BenchmarkAgent benchmarkAgent, BenchmarkAgentSpawnInfo spawnInfo)
-        {
-            var searchDistance = Mathf.Max(2f, spawnInfo.Height + spawnInfo.Radius);
-            if (!NavMesh.SamplePosition(spawnInfo.Position, out var hit, searchDistance, NavMesh.AllAreas))
-            {
-                return false;
-            }
-
-            benchmarkAgent.transform.position = hit.position;
-            return true;
-        }
-
-        private static void ConfigureNavMeshAgent(NavMeshAgent navAgent, BenchmarkAgentSpawnInfo spawnInfo)
-        {
-            navAgent.radius = Mathf.Max(0.01f, spawnInfo.Radius);
-            navAgent.height = Mathf.Max(0.1f, spawnInfo.Height);
-            navAgent.speed = Mathf.Max(0.01f, spawnInfo.MaxSpeed);
-            navAgent.acceleration = navAgent.speed * 8f;
-            navAgent.angularSpeed = 720f;
-            navAgent.obstacleAvoidanceType = ObstacleAvoidanceType.HighQualityObstacleAvoidance;
-            navAgent.avoidancePriority = Mathf.Clamp(Mathf.RoundToInt((1f - spawnInfo.Priority) * 99f), 0, 99);
-            navAgent.autoBraking = false;
-            navAgent.autoRepath = false;
-            navAgent.updatePosition = false;
-            navAgent.updateRotation = false;
-        }
-    }
-}
--- a/FishROV/Assets/Scripts/Benchmark/FrameworkAdapters/UnityNavMeshAdapter.cs.meta
+++ b/FishROV/Assets/Scripts/Benchmark/FrameworkAdapters/UnityNavMeshAdapter.cs.meta
@@ -1,11 +0,0 @@
-fileFormatVersion: 2
-guid: 7d3b299dd0504f849b83e4af9ed272a7
-MonoImporter:
-  externalObjects: {}
-  serializedVersion: 2
-  defaultReferences: []
-  executionOrder: 0
-  icon: {instanceID: 0}
-  userData: 
-  assetBundleName: 
-  assetBundleVariant: 
--- a/FishROV/Assets/Scripts/Benchmark/Scenarios/AvoidanceScenarioController.cs
+++ b/FishROV/Assets/Scripts/Benchmark/Scenarios/AvoidanceScenarioController.cs
@@ -43,11 +43,6 @@ namespace FishROV.AvoidanceBenchmark
                desired.y = 0f;
            }

-            if (config.Scenario == AvoidanceScenarioKind.SharkCharge && agent.Role == BenchmarkAgentRole.Shark)
-            {
-                desired = new Vector3(Mathf.Sin(elapsed * 0.35f) * 8f, 0f, -agent.transform.position.z);
-            }
-
            if (desired.sqrMagnitude < 0.0001f)
            {
                return Vector3.zero;
@@ -66,13 +61,6 @@ namespace FishROV.AvoidanceBenchmark
                    return agent.GroupId % 2 == 0
                        ? new Vector3(radius, HeightFor(agent), Random.Range(-radius, radius))
                        : new Vector3(-radius, HeightFor(agent), Random.Range(-radius, radius));
-                case AvoidanceScenarioKind.SharkCharge:
-                    if (agent.Role == BenchmarkAgentRole.Shark)
-                    {
-                        return new Vector3(0f, HeightFor(agent), -radius);
-                    }
-                    var schoolPoint = Random.insideUnitCircle * radius * 0.45f;
-                    return new Vector3(schoolPoint.x, HeightFor(agent), schoolPoint.y);
                case AvoidanceScenarioKind.NarrowPassage:
                    return new Vector3(agent.GroupId % 2 == 0 ? radius : -radius, HeightFor(agent), Random.Range(-3f, 3f));
                case AvoidanceScenarioKind.DenseCircleStress:
--- a/FishROV/Docs/avoidance-core-comparison.html
+++ b/FishROV/Docs/avoidance-core-comparison.html
@@ -0,0 +1,631 @@
+<!doctype html>
+<html lang="zh-CN">
+<head>
+  <meta charset="utf-8">
+  <meta name="viewport" content="width=device-width, initial-scale=1">
+  <title>RVO2 避障压测方案收束</title>
+  <style>
+    :root {
+      --ink: #1d2528;
+      --muted: #667175;
+      --paper: #f5f1e8;
+      --line: #d8d0c1;
+      --green: #1f6f62;
+      --blue: #255f85;
+      --red: #a64138;
+      --gold: #a36d18;
+      --dark: #233033;
+      --soft: rgba(255, 255, 255, 0.64);
+      --shadow: 0 18px 60px rgba(35, 48, 51, 0.14);
+    }
+
+    * {
+      box-sizing: border-box;
+    }
+
+    body {
+      margin: 0;
+      color: var(--ink);
+      background:
+        linear-gradient(90deg, rgba(31, 111, 98, 0.08) 1px, transparent 1px),
+        linear-gradient(180deg, rgba(31, 111, 98, 0.06) 1px, transparent 1px),
+        var(--paper);
+      background-size: 34px 34px;
+      font-family: "Microsoft YaHei", "Noto Sans CJK SC", "PingFang SC", sans-serif;
+      line-height: 1.65;
+    }
+
+    header {
+      padding: 56px clamp(20px, 5vw, 72px) 30px;
+      border-bottom: 1px solid var(--line);
+      background: linear-gradient(135deg, rgba(255,255,255,0.72), rgba(221,232,221,0.34));
+    }
+
+    .eyebrow {
+      display: inline-flex;
+      align-items: center;
+      gap: 10px;
+      color: var(--green);
+      font-size: 13px;
+      font-weight: 700;
+      letter-spacing: 0.08em;
+      text-transform: uppercase;
+    }
+
+    .eyebrow::before {
+      content: "";
+      width: 32px;
+      height: 2px;
+      background: var(--green);
+    }
+
+    h1 {
+      max-width: 1060px;
+      margin: 18px 0 16px;
+      font-family: Georgia, "Times New Roman", serif;
+      font-size: clamp(34px, 5vw, 72px);
+      line-height: 1.02;
+      letter-spacing: 0;
+    }
+
+    .lead {
+      max-width: 980px;
+      margin: 0;
+      color: var(--dark);
+      font-size: clamp(17px, 2vw, 22px);
+    }
+
+    main {
+      padding: 34px clamp(18px, 4vw, 64px) 72px;
+    }
+
+    section {
+      max-width: 1280px;
+      margin: 0 auto 42px;
+    }
+
+    h2 {
+      margin: 0 0 18px;
+      font-size: clamp(24px, 2.8vw, 38px);
+      line-height: 1.16;
+      letter-spacing: 0;
+    }
+
+    h3 {
+      margin: 0 0 10px;
+      font-size: 18px;
+      letter-spacing: 0;
+    }
+
+    .thesis {
+      display: grid;
+      grid-template-columns: minmax(240px, 0.86fr) minmax(280px, 1.14fr);
+      gap: 22px;
+      align-items: stretch;
+    }
+
+    .verdict {
+      padding: 28px;
+      background: var(--dark);
+      color: #f8f4eb;
+      box-shadow: var(--shadow);
+    }
+
+    .verdict strong {
+      color: #f1c66d;
+    }
+
+    .shared {
+      padding: 26px;
+      background: rgba(255,255,255,0.72);
+      border: 1px solid var(--line);
+    }
+
+    .shared ul,
+    .axis-list {
+      margin: 0;
+      padding-left: 20px;
+    }
+
+    .shared li,
+    .axis-list li {
+      margin: 8px 0;
+    }
+
+    .matrix-wrap {
+      overflow-x: auto;
+      background: rgba(255,255,255,0.7);
+      border: 1px solid var(--line);
+      box-shadow: var(--shadow);
+    }
+
+    table {
+      width: 100%;
+      min-width: 1080px;
+      border-collapse: collapse;
+      background: rgba(255,255,255,0.8);
+    }
+
+    th,
+    td {
+      padding: 16px 18px;
+      border-bottom: 1px solid var(--line);
+      vertical-align: top;
+      text-align: left;
+      font-size: 15px;
+    }
+
+    th {
+      position: sticky;
+      top: 0;
+      z-index: 1;
+      color: #f8f4eb;
+      background: var(--dark);
+      font-size: 14px;
+      white-space: nowrap;
+    }
+
+    tr:last-child td {
+      border-bottom: 0;
+    }
+
+    .method {
+      font-weight: 800;
+      color: var(--dark);
+      white-space: nowrap;
+    }
+
+    .tag {
+      display: inline-block;
+      margin: 0 6px 6px 0;
+      padding: 4px 8px;
+      border: 1px solid currentColor;
+      border-radius: 999px;
+      font-size: 12px;
+      font-weight: 700;
+    }
+
+    .tag-green { color: var(--green); }
+    .tag-blue { color: var(--blue); }
+    .tag-red { color: var(--red); }
+    .tag-gold { color: var(--gold); }
+
+    .axis-grid {
+      display: grid;
+      grid-template-columns: repeat(3, minmax(240px, 1fr));
+      gap: 18px;
+    }
+
+    .axis {
+      padding: 22px;
+      background: rgba(255,255,255,0.72);
+      border-top: 6px solid var(--green);
+      box-shadow: 0 10px 30px rgba(35, 48, 51, 0.09);
+    }
+
+    .axis:nth-child(2) { border-top-color: var(--blue); }
+    .axis:nth-child(3) { border-top-color: var(--red); }
+    .axis:nth-child(4) { border-top-color: var(--gold); }
+    .axis:nth-child(5) { border-top-color: #6e5a93; }
+    .axis:nth-child(6) { border-top-color: #3f6b2f; }
+
+    .axis p {
+      margin: 0;
+      color: var(--muted);
+    }
+
+    .lane {
+      display: grid;
+      grid-template-columns: 180px 1fr;
+      gap: 14px;
+      align-items: start;
+      padding: 18px 0;
+      border-bottom: 1px solid var(--line);
+    }
+
+    .lane:last-child {
+      border-bottom: 0;
+    }
+
+    .lane-title {
+      font-weight: 800;
+      color: var(--dark);
+    }
+
+    .bars {
+      display: grid;
+      gap: 10px;
+    }
+
+    .bar {
+      display: grid;
+      grid-template-columns: 150px 1fr;
+      gap: 12px;
+      align-items: center;
+      font-size: 14px;
+    }
+
+    .bar-track {
+      height: 12px;
+      background: rgba(35, 48, 51, 0.12);
+      border-radius: 999px;
+      overflow: hidden;
+    }
+
+    .bar-fill {
+      height: 100%;
+      background: linear-gradient(90deg, var(--green), var(--gold));
+      border-radius: inherit;
+    }
+
+    .recommend {
+      display: grid;
+      grid-template-columns: repeat(3, minmax(260px, 1fr));
+      gap: 18px;
+    }
+
+    .scenario {
+      display: grid;
+      grid-template-columns: 1.02fr 0.98fr;
+      gap: 20px;
+    }
+
+    .scenario-card {
+      padding: 24px;
+      background: rgba(255,255,255,0.76);
+      border: 1px solid var(--line);
+      box-shadow: 0 10px 32px rgba(35, 48, 51, 0.08);
+    }
+
+    .flow {
+      display: grid;
+      gap: 12px;
+    }
+
+    .flow-step {
+      display: grid;
+      grid-template-columns: 34px 1fr;
+      gap: 12px;
+      align-items: start;
+    }
+
+    .num {
+      display: grid;
+      place-items: center;
+      width: 34px;
+      height: 34px;
+      color: #f8f4eb;
+      background: var(--green);
+      border-radius: 50%;
+      font-weight: 800;
+      line-height: 1;
+    }
+
+    .fit-grid {
+      display: grid;
+      grid-template-columns: repeat(4, minmax(190px, 1fr));
+      gap: 14px;
+    }
+
+    .benchmark-grid {
+      display: grid;
+      grid-template-columns: 0.9fr 1.1fr;
+      gap: 20px;
+    }
+
+    .benchmark-card {
+      padding: 24px;
+      color: #f8f4eb;
+      background: var(--dark);
+      box-shadow: var(--shadow);
+    }
+
+    .benchmark-card h3 {
+      color: #f1c66d;
+    }
+
+    .benchmark-card p {
+      margin: 0;
+    }
+
+    .test-list {
+      padding: 24px;
+      background: rgba(255,255,255,0.76);
+      border: 1px solid var(--line);
+    }
+
+    .test-list ol {
+      margin: 0;
+      padding-left: 22px;
+    }
+
+    .test-list li {
+      margin: 8px 0;
+    }
+
+    .fit {
+      padding: 18px;
+      min-height: 156px;
+      background: rgba(255,255,255,0.72);
+      border-left: 5px solid var(--blue);
+    }
+
+    .fit strong {
+      display: block;
+      margin-bottom: 6px;
+      color: var(--dark);
+    }
+
+    .fit small {
+      color: var(--muted);
+      font-size: 13px;
+    }
+
+    .choice {
+      padding: 22px;
+      background: var(--soft);
+      border: 1px solid var(--line);
+    }
+
+    .choice b {
+      color: var(--red);
+    }
+
+    .footnote {
+      color: var(--muted);
+      font-size: 13px;
+    }
+
+    @media (max-width: 900px) {
+      .thesis,
+      .scenario,
+      .benchmark-grid,
+      .axis-grid,
+      .recommend {
+        grid-template-columns: 1fr;
+      }
+
+      .fit-grid {
+        grid-template-columns: 1fr;
+      }
+
+      .lane {
+        grid-template-columns: 1fr;
+      }
+
+      .bar {
+        grid-template-columns: 120px 1fr;
+      }
+    }
+  </style>
+</head>
+<body>
+  <header>
+    <div class="eyebrow">FishROV Avoidance Benchmark</div>
+    <h1>RVO2 基准与自研版压测收束</h1>
+    <p class="lead">
+      当前阶段先忽略复杂玩法状态，只压测局部避障算法在理想和极端条件下的表现。主线收束为两项：RVO2 原版作为成熟 ORCA 基准，基于 RVO2 思想的自研版作为项目可控方案。
+    </p>
+  </header>
+
+  <main>
+    <section class="benchmark-grid" aria-labelledby="benchmark-title">
+      <div class="benchmark-card">
+        <h2 id="benchmark-title">压测结论</h2>
+        <h3>只测两条线就够</h3>
+        <p>
+          如果当前目标是忽略实际玩法状态，只验证理想与极端条件下的局部避障性能，那么建议压测对象收束为：
+          <strong>RVO2 原版</strong> 和 <strong>基于 RVO2 思想的自研版</strong>。RVO2 是稳定基准，自研版负责验证项目可控性、可调参空间和性能上限。
+        </p>
+      </div>
+
+      <div class="test-list">
+        <h2>推荐压测口径</h2>
+        <ol>
+          <li><strong>理想情况：</strong>空旷水域、均匀分布、目标方向一致或轻微交叉，验证基础吞吐和稳定收敛。</li>
+          <li><strong>中等冲突：</strong>双向穿流、圆阵向心、随机目标切换，验证重叠率、抖动和换边稳定性。</li>
+          <li><strong>极端情况：</strong>高密度聚集、初始重叠、狭窄通道、所有 agent 争同一目标点，验证退化行为。</li>
+          <li><strong>规模阶梯：</strong>100、500、1000、3000、5000 agent，记录每帧耗时、最大耗时、重叠对、平均速度损失。</li>
+          <li><strong>移动端口径：</strong>固定竖屏 1080x1920，编辑器和百元机使用相同分辨率、数量档、场景和采样窗口。</li>
+          <li><strong>公平条件：</strong>相同半径、最大速度、timeStep、目标生成、积分方式、邻居查询范围和日志采样策略。</li>
+        </ol>
+      </div>
+    </section>
+
+    <section aria-labelledby="log-title">
+      <h2 id="log-title">日志与真实性要求</h2>
+      <div class="matrix-wrap">
+        <table>
+          <thead>
+            <tr>
+              <th>环境</th>
+              <th>必须输出</th>
+              <th>不要做</th>
+              <th>推荐实现</th>
+            </tr>
+          </thead>
+          <tbody>
+            <tr>
+              <td class="method">Unity 编辑器</td>
+              <td>算法、场景、数量、分辨率、平均 FPS、1% Low、模拟耗时、最大耗时、GC、XZ/3D 重叠对。</td>
+              <td>不要每帧 `Debug.Log`，不要在热路径拼接字符串，不要每帧写文件。</td>
+              <td>内存环形缓冲 + 固定间隔采样；单轮结束后一次性导出 CSV/JSON，并在 Console 只打印摘要。</td>
+            </tr>
+            <tr>
+              <td class="method">百元机真机</td>
+              <td>同一套指标，加设备型号、Unity 图形 API、目标帧率、分辨率 1080x1920、温度/降频观察备注。</td>
+              <td>不要开详细 HUD、不要高频日志、不要连接调试器长期采样导致额外开销。</td>
+              <td>Release/Development 分开测；真机默认静默聚合，测试结束或手动按钮导出日志文件。</td>
+            </tr>
+            <tr>
+              <td class="method">性能公平性</td>
+              <td>日志开销要对两个算法一致，最好能统计采样写入耗时。</td>
+              <td>不要让某个算法额外输出调试明细，导致对比不公平。</td>
+              <td>所有算法只写结构化数值样本，统一由 benchmark runner 收集和导出。</td>
+            </tr>
+          </tbody>
+        </table>
+      </div>
+    </section>
+
+    <section class="thesis" aria-labelledby="summary-title">
+      <div class="verdict">
+        <h2 id="summary-title">一句话判断</h2>
+        <p>
+          如果当前阶段只做算法压测，<strong>RVO2 原版 + RVO2 思想自研版</strong> 就是最小有效对照组。
+          其他方案暂时不必进入压测主线，可以作为解释来源或后续扩展参考。
+        </p>
+      </div>
+
+      <div class="shared">
+        <h2>共同点</h2>
+        <ul>
+          <li>大多数方案都需要上层提供目标或期望速度，然后再做局部修正。</li>
+          <li>核心输入都离不开位置、速度、半径、邻居范围和预测时间。</li>
+          <li>都在权衡两个目标：尽量接近期望运动，同时减少未来碰撞风险。</li>
+          <li>当前压测只关心局部速度修正，不比较全局寻路、地图可达性或复杂玩法状态。</li>
+          <li>在 FishROV 的 3D/2.5D 场景里，多数方案仍需要明确如何处理 XZ 投影、高度层和真实体积冲突。</li>
+        </ul>
+      </div>
+    </section>
+
+    <section aria-labelledby="matrix-title">
+      <h2 id="matrix-title">核心矩阵</h2>
+      <div class="matrix-wrap">
+        <table>
+          <thead>
+            <tr>
+              <th>方案</th>
+              <th>核心抽象</th>
+              <th>最终如何选速度</th>
+              <th>安全性来源</th>
+              <th>最擅长</th>
+              <th>主要风险</th>
+              <th>FishROV 定位</th>
+            </tr>
+          </thead>
+          <tbody>
+            <tr>
+              <td class="method">RVO2 / ORCA</td>
+              <td><span class="tag tag-green">速度空间</span><span class="tag tag-blue">半平面约束</span><br>把每个邻居变成 ORCA 线性约束。</td>
+              <td>在所有安全半平面内，求最接近期望速度的新速度。</td>
+              <td>显式几何约束和低维优化，理论性最强。</td>
+              <td>大规模多动态 agent 的实时局部避障。</td>
+              <td>不做全局规划，2D 投影，参数不当会保守、停滞或碰撞。</td>
+              <td>最适合作为局部避障工程基准和对照组。</td>
+            </tr>
+            <tr>
+              <td class="method">HRVO</td>
+              <td><span class="tag tag-green">速度空间</span><span class="tag tag-gold">混合 VO/RVO</span><br>把 VO 与 RVO 的几何边界混合。</td>
+              <td>排除危险速度，再选择接近期望速度且更稳定的速度。</td>
+              <td>速度障碍几何，加上减少 reciprocal 振荡的边界设计。</td>
+              <td>对称对冲、互相避让时减少左右横跳。</td>
+              <td>仍是局部 2D 方法，不处理地图和动力学约束。</td>
+              <td>适合作为处理振荡问题的设计参考。</td>
+            </tr>
+            <tr>
+              <td class="method">RVO_Py_MAS</td>
+              <td><span class="tag tag-green">速度空间</span><span class="tag tag-gold">采样过滤</span><br>把动态体和静态障碍都转成速度禁区。</td>
+              <td>采样候选速度，先过滤禁区，有安全速度就选最接近期望速度的；没有安全速度则选折中。</td>
+              <td>禁区过滤加碰撞时间折中，不是严格 ORCA 求解。</td>
+              <td>学习 RVO 建模方式，快速改造原型。</td>
+              <td>没有空间索引时规模变贵，采样可能错过好速度。</td>
+              <td>适合作为可读的 RVO 原理参考，不建议直接当大规模生产方案。</td>
+            </tr>
+            <tr>
+              <td class="method">采样避障学习版</td>
+              <td><span class="tag tag-gold">候选速度</span><span class="tag tag-red">评分函数</span><br>候选速度由期望速度、偏转、减速、停止等组成。</td>
+              <td>对每个候选速度计算目标偏差、平滑、预测碰撞、当前重叠、边界等惩罚，选最低分。</td>
+              <td>启发式风险函数和权重调参，不保证无碰撞。</td>
+              <td>项目内自研、调参、验证新评分项。</td>
+              <td>权重依赖场景，高密度可能局部最优或卡住。</td>
+              <td>最适合作为 FishROV 自研避障算法的实验骨架。</td>
+            </tr>
+            <tr>
+              <td class="method">rl_rvo_nav</td>
+              <td><span class="tag tag-red">学习策略</span><span class="tag tag-green">RVO 先验</span><br>把 VO/RVO 风险编码进状态和奖励。</td>
+              <td>PPO actor 根据自身状态和 VO/RVO 序列输出速度增量。</td>
+              <td>训练经验、RVO 区域奖励、预计碰撞时间塑形。</td>
+              <td>复杂多机器人场景下学习更灵活的风险权衡。</td>
+              <td>训练成本高，泛化依赖仿真覆盖，工程可控性较弱。</td>
+              <td>建议先吸收风险表达和 reward/score 思想，不急着引入完整 RL 链路。</td>
+            </tr>
+          </tbody>
+        </table>
+      </div>
+    </section>
+
+    <section aria-labelledby="axes-title">
+      <h2 id="axes-title">真正拉开差距的六个轴</h2>
+      <div class="axis-grid">
+        <article class="axis">
+          <h3>1. 位置空间还是速度空间</h3>
+          <p>RVO2、HRVO、RVO_Py_MAS、rl_rvo_nav 都把问题转成“哪些速度会导致未来碰撞”。采样学习版虽然是评分，但最关键的预测碰撞项也已经进入速度空间。</p>
+        </article>
+        <article class="axis">
+          <h3>2. 约束、过滤还是惩罚</h3>
+          <p>ORCA 是约束求解，危险速度直接被半平面排除。RVO_Py_MAS 是采样后过滤禁区。采样学习版是给风险加惩罚，危险速度未必完全禁止。RL 是把风险变成训练信号。</p>
+        </article>
+        <article class="axis">
+          <h3>3. 谁承担避让责任</h3>
+          <p>VO 偏“我躲别人”；RVO/ORCA 假设双方共同承担；HRVO 在 reciprocal 基础上减少来回换边。采样版需要靠评分项或通行偏置来塑造行为。</p>
+        </article>
+        <article class="axis">
+          <h3>4. 是否进入主压测</h3>
+          <p>当前主压测只保留 RVO2 原版和自研版。HRVO、RVO_Py_MAS、RL-RVO 只作为思想参考，不进入编辑器选择项。</p>
+        </article>
+        <article class="axis">
+          <h3>5. 可解释性和可改性</h3>
+          <p>RVO2 理论清晰但实现复杂。自研版最容易改权重和新增评分项。RVO_Py_MAS 最适合读懂速度障碍。RL 灵活但可解释性和复现实验成本更高。</p>
+        </article>
+        <article class="axis">
+          <h3>6. 2D 与 3D 的边界</h3>
+          <p>这些方案多数原生是 2D 或平面导航。FishROV 里如果只看 XZ，会把不同高度层的对象误判为冲突，也可能漏掉真实 3D 体积风险。核心决策必须明确水平避障、高度分层和体积碰撞的关系。</p>
+        </article>
+      </div>
+    </section>
+
+    <section aria-labelledby="score-title">
+      <h2 id="score-title">工程选择倾向</h2>
+      <div class="lane">
+        <div class="lane-title">理论安全约束</div>
+        <div class="bars">
+          <div class="bar"><span>RVO2 / ORCA</span><div class="bar-track"><div class="bar-fill" style="width: 92%"></div></div></div>
+          <div class="bar"><span>HRVO</span><div class="bar-track"><div class="bar-fill" style="width: 82%"></div></div></div>
+          <div class="bar"><span>采样 / RL</span><div class="bar-track"><div class="bar-fill" style="width: 48%"></div></div></div>
+        </div>
+      </div>
+      <div class="lane">
+        <div class="lane-title">可改可调</div>
+        <div class="bars">
+          <div class="bar"><span>采样学习版</span><div class="bar-track"><div class="bar-fill" style="width: 94%"></div></div></div>
+          <div class="bar"><span>RVO_Py_MAS</span><div class="bar-track"><div class="bar-fill" style="width: 78%"></div></div></div>
+          <div class="bar"><span>RVO2</span><div class="bar-track"><div class="bar-fill" style="width: 45%"></div></div></div>
+        </div>
+      </div>
+    </section>
+
+    <section aria-labelledby="recommend-title">
+      <h2 id="recommend-title">推荐读法</h2>
+      <div class="recommend">
+        <div class="choice">
+          <h3>先压测 RVO2</h3>
+          <p>把 <b>RVO2 / ORCA</b> 当成标准基线，确认理想、拥挤、对冲、初始重叠等场景下的耗时和重叠率。</p>
+        </div>
+        <div class="choice">
+          <h3>再压测自研版</h3>
+          <p>自研版可以先吸收 RVO2 的速度空间思想，但保留可调评分、鱼群权重和性能优化入口。</p>
+        </div>
+        <div class="choice">
+          <h3>暂缓其他方案</h3>
+          <p>HRVO、RVO_Py_MAS、RL-RVO 暂时不用进编辑器主压测。先把 RVO2 和自研版两条主线测准。</p>
+        </div>
+      </div>
+    </section>
+
+    <section class="footnote">
+      <p>依据文档：rvo2-core-principles.md、unity-navmesh-core-principles.md、sampling-local-avoidance-core-principles.md、hrvo-core-principles.md、rvo-py-mas-core-principles.md、rl-rvo-nav-core-principles.md。</p>
+    </section>
+  </main>
+</body>
+</html>
--- a/FishROV/Docs/hrvo-core-principles.md
+++ b/FishROV/Docs/hrvo-core-principles.md
@@ -0,0 +1,239 @@
+# HRVO 核心原理
+
+## 一句话结论
+
+HRVO 的核心是 **在速度空间里排除未来会发生碰撞的速度，然后选择一个尽量接近期望速度、同时更不容易产生左右振荡的新速度**。
+
+它不是全局寻路算法，也不是推进器控制器，而是一个去中心化的局部避障算法。每个 agent 只根据自己感知到的邻居位置和速度独立决策，不需要中心调度，也不需要 agent 之间通信。
+
+仓库地址：
+
+```text
+https://github.com/snape/HRVO
+```
+
+## 要解决的问题
+
+多 agent 避障最麻烦的不是单个障碍物，而是 **大家都会动，并且大家都会试图避让**。
+
+如果用简单 steering，常见逻辑是：
+
+```text
+朝目标走
+靠近别人就加一个排斥力
+最后合成速度
+```
+
+这种方式容易出现几个问题：
+
+- 只看当前距离，不一定能判断未来是否会撞上。
+- 多个 agent 同时避让时，可能互相把对方推乱。
+- 对称场景下容易左右摇摆。
+- 高密度场景里，排斥力叠加后速度可能非常不稳定。
+
+HRVO 换了一个视角：不直接在位置空间里把 agent 推开，而是在速度空间里判断：
+
+```text
+如果我现在选择这个速度，
+按照邻居的当前位置和速度预测，
+未来一小段时间内会不会撞上？
+```
+
+会撞的速度，就是不能选的速度。
+
+## Velocity Obstacle
+
+Velocity Obstacle，简称 VO，表示速度空间中的危险区域。
+
+假设有两个 agent：A 和 B。
+
+- A 的位置是 `pA`，速度是 `vA`，半径是 `rA`。
+- B 的位置是 `pB`，速度是 `vB`，半径是 `rB`。
+- 如果未来某个时间，两者中心距离小于 `rA + rB`，就会发生碰撞。
+
+对 A 来说，可以把 B 膨胀成半径 `rA + rB` 的圆。然后在速度空间中构造一片区域：
+
+```text
+如果 A 选择这片区域里的速度，
+并且 B 继续保持当前速度，
+A 未来会撞到 B。
+```
+
+这片速度区域就是 B 对 A 产生的 Velocity Obstacle。
+
+直观理解：
+
+```text
+位置空间：哪里有障碍？
+速度空间：哪些速度会导致未来撞上障碍？
+```
+
+VO 的价值在于，它把动态碰撞预测变成了当前帧的速度选择问题。
+
+## RVO：双方共同承担避让
+
+普通 VO 假设“别人保持当前速度，我来躲”。这在动态 agent 群里会偏保守，因为实际上对方也会躲。
+
+RVO 的思想是 reciprocal：
+
+```text
+A 和 B 都是主动体。
+如果两者当前速度组合会导致碰撞，
+不应该让 A 独自承担全部避让修正。
+双方各承担一部分速度修正。
+```
+
+这样 agent 的行为会更自然，尤其适合：
+
+- 机器人群；
+- 人群模拟；
+- 鱼群或艇群；
+- 多个同等级 NPC 的局部避让。
+
+## HRVO：减少 reciprocal 避让振荡
+
+RVO 虽然比 VO 更对称，但在某些对称场景中仍然可能出现振荡。
+
+典型例子：
+
+```text
+A 和 B 正面对冲
+这一帧双方都觉得向左让比较好
+下一帧相对状态变化后，双方又都觉得向右让比较好
+然后反复左右切换
+```
+
+HRVO 的关键改进就是 Hybrid：
+
+```text
+它不是完全使用 VO，也不是完全使用 RVO，
+而是把两者的几何边界混合起来，
+构造一个更偏向稳定避让侧的速度障碍。
+```
+
+直观说，HRVO 会让速度障碍的顶点和边界选择更偏向“别来回改主意”，从而减少互相避让时的左右横跳。
+
+所以 HRVO 关注的不只是无碰撞，还包括：
+
+```text
+collision-free
+oscillation-free
+decentralized
+```
+
+也就是无碰撞、少振荡、去中心化。
+
+## 每帧流程
+
+HRVO 每帧大致做这些事：
+
+1. 更新每个 agent 的当前位置和当前速度。
+2. 为每个 agent 设置期望速度 `preferredVelocity`。
+3. 查找附近邻居。
+4. 对每个邻居构造一个 HRVO 速度障碍。
+5. 在可选速度中寻找一个不落入危险区域、且最接近期望速度的新速度。
+6. 用新速度推进 agent。
+
+可以理解成：
+
+```text
+目标方向
+  -> 期望速度
+  -> 邻居预测
+  -> 构造速度禁区
+  -> 选择安全速度
+  -> 推进位置
+```
+
+## 和 VO / RVO / ORCA 的区别
+
+| 方法 | 核心假设 | 主要特点 |
+| --- | --- | --- |
+| VO | 我躲别人，别人保持当前速度 | 简单直接，但对动态群体偏保守 |
+| RVO | 双方都会避让，各承担一部分修正 | 更适合多 agent，但对称场景可能振荡 |
+| HRVO | 混合 VO 和 RVO 的速度障碍 | 在 reciprocal 基础上减少左右振荡 |
+| ORCA | 把避障转成半平面约束和优化问题 | 工程上更常用，求解形式更规整 |
+
+HRVO 可以看作 RVO 家族中的一个改进版本，重点是处理 reciprocal collision avoidance 中的振荡问题。
+
+## 关键参数
+
+HRVO 这类算法通常会关心这些参数：
+
+- `radius`：agent 半径，决定碰撞距离。
+- `neighborDist`：多远范围内的 agent 会被当作邻居。
+- `maxNeighbors`：最多考虑多少邻居。
+- `timeHorizon`：向未来预测多长时间内的碰撞。
+- `maxSpeed`：最大速度。
+- `timeStep`：仿真步长。
+
+参数影响很直接：
+
+- `neighborDist` 太小：反应太晚，容易贴脸避让。
+- `neighborDist` 太大：邻居过多，性能下降，也可能过度保守。
+- `timeHorizon` 太短：只处理眼前风险。
+- `timeHorizon` 太长：提前避让过多，路径可能绕或慢。
+- `maxNeighbors` 太低：高密度时可能漏掉重要邻居。
+
+## 优点
+
+- 去中心化，不需要统一调度所有 agent。
+- 对多动态 agent 场景更自然。
+- 使用速度空间建模，可解释性比纯排斥力强。
+- 相比普通 RVO，更重视减少对称避让中的振荡。
+- 适合实时局部避障。
+
+## 局限
+
+- 它主要是二维平面局部避障算法。
+- 不负责全局路径规划。
+- 不理解地图语义、死胡同、长期收益。
+- 对强动力学约束系统需要额外适配。
+- 高密度或狭窄通道中仍可能出现局部最优、停滞或拥堵。
+- 如果 agent 初始已经严重重叠，算法需要时间把重叠解开。
+
+## 放到 FishROV 中的定位
+
+在 FishROV 里，HRVO 更适合作为一层局部避障参考，而不是完整运动方案。
+
+建议定位：
+
+```text
+全局目标 / 路径
+  -> 生成期望速度
+  -> HRVO 局部避障修正速度
+  -> FishROV 自身运动控制 / 刚体控制 / 推进器控制
+```
+
+也就是说，HRVO 输出的是“当前更安全的速度建议”，不是最终控制指令。
+
+如果用于 ROV 或鱼群 benchmark，需要特别注意：
+
+- 如果当前运动是 3D，HRVO 原生二维模型需要投影到 XZ 平面，或扩展为 3D 近似。
+- 如果存在水流、惯性、最大转向角、加速度限制，需要在 HRVO 输出之后再做动力学约束。
+- 如果有地形、洞穴、障碍物、任务点顺序，仍然需要全局或中层规划。
+- 如果 agent 高度层不同，不能只看 XZ 重叠，否则会把视觉上错层的对象也当成冲突。
+
+## 对自研避障算法的启发
+
+HRVO 最值得吸收的不是具体代码，而是这三个思想：
+
+```text
+1. 在速度空间里判断未来碰撞，而不是只看当前距离。
+2. 假设其他动态体也会避让，而不是全部由自己承担。
+3. 对称避让时要显式处理振荡，不然会左右横跳。
+```
+
+如果后续继续做 FishROV 自研局部避障，可以把 HRVO 作为参考方向：
+
+- 用预测碰撞时间替代单纯距离惩罚。
+- 把候选速度分成安全区、危险区和高风险区。
+- 给 reciprocal 避让加入稳定侧偏好，减少频繁换边。
+- 把“接近期望速度”和“避碰安全”放进同一个评分或约束求解里。
+- 在 3D 场景中明确区分水平面冲突和真实体积冲突。
+
+## 参考
+
+- HRVO 仓库：https://github.com/snape/HRVO
+- HRVO 项目页：https://gamma.cs.unc.edu/HRVO/
+- Velocity Obstacle 术语说明：https://en.wikipedia.org/wiki/Velocity_obstacle
--- a/FishROV/Docs/local-avoidance-benchmark-notes.md
+++ b/FishROV/Docs/local-avoidance-benchmark-notes.md
@@ -2,26 +2,30 @@

 ## 目标

-这个 Unity 工程用于横向压测本地避障方案。不同方案之间唯一应该变化的变量，是 `AvoidanceFrameworkKind` 选择后由 `AvoidanceAdapterRegistry` 创建的 adapter。
+这个 Unity 工程用于压测本地避障方案。当前阶段先收束到两条主线：
+
+- `Rvo2Adapter`：成熟 RVO2 / ORCA 基准。
+- 项目自研 RVO2 思想版本：用于验证可控性、可调参空间和性能上限。
+
+当前工程入口只保留 `NoAvoidance`、`Rvo2` 和自研版。不同方案之间唯一应该变化的变量，是 `AvoidanceFrameworkKind` 选择后由 `AvoidanceAdapterRegistry` 创建的 adapter。

 ## 共享运行入口

 - 场景：`Assets/Scenes/AvoidancePerfDemo.unity`
 - 入口脚本：`AvoidancePerfBootstrap`
 - Game 视口调试面板：
-  - 避障方案选择
+  - 避障方案选择：无避障、RVO2、自研版
  - 测试场景选择
  - 2D / 2.5D / 3D 模式
  - 观察视角切换
-  - 小鱼数量预设和滑条
+  - 鱼数量预设和滑条
  - 暂停 / 继续 / 重置
  - 平均 FPS、1% Low FPS、模拟耗时、GC 分配
  - 碰撞调试：XZ 平面重叠对数、3D 空间重叠对数、最近清空间距
- 表现对象：鱼群为运行时圆锥，圆锥尖头表示朝向；鲨鱼为 Capsule。
+- 表现对象：鱼为运行时圆锥，圆锥尖头表示朝向。
 - 共享场景：
  - 自由巡游
  - 对向穿流
-  - 鲨鱼冲群
  - 狭窄通道
  - 圆阵高压

@@ -36,7 +40,7 @@ Assets/Scripts/Benchmark/FrameworkAdapters/
 adapter 可以给运行时创建的对象追加框架自己的组件，但不应改变：

 - 场景生成逻辑
- 小鱼/鲨鱼数量档
+- 鱼数量档
 - Game 视口调试控件
 - 指标名称
 - 相机/视角模式
@@ -46,16 +50,42 @@ adapter 可以给运行时创建的对象追加框架自己的组件，但不应

 `NoAvoidanceAdapter` 是对照基线：只按期望速度移动，不做避障。

-A* RVO、RVO2、Unity NavMesh、采样避障学习版都通过同一个调试面板选择，用同一套场景、数量、相机和指标进行对比。
+当前压测结论主线只比较 RVO2 原版和基于 RVO2 思想的自研版本。编辑器压测入口已经只保留无避障、RVO2 和自研版，避免无关选项干扰当前结论。

-## A* Pathfinding Project Pro RVO Adapter
+## 当前压测口径

-`AstarRvoAdapter` 位于 `Assets/Scripts/Benchmark/FrameworkAdapters/`，由 `AvoidanceFrameworkKind.AstarRvo` 选择。
+- 分辨率：标准移动端竖屏 `1080x1920`。
+- 环境：先在 Unity 编辑器下跑同一套场景，再到百元机真机复测。
+- 场景：理想空旷、双向穿流、圆阵向心、高密度聚集、初始重叠、狭窄通道、单目标争抢。
+- 数量档：建议至少覆盖 `100 / 500 / 1000 / 3000 / 5000`。
+- 指标：平均 FPS、1% Low FPS、模拟耗时、最大模拟耗时、GC 分配、XZ 平面重叠对数、3D 空间重叠对数、最近清空间距、平均速度损失。
+- 公平条件：半径、最大速度、`timeStep`、目标生成、积分方式、邻居范围、日志采样策略必须一致。

- adapter 通过反射查找 `Pathfinding.RVO.RVOController` 和 `Pathfinding.RVO.RVOSimulator`，所以没有导入 A* Pro 时工程仍可编译。
- 如果缺少 A* Pro RVO 类型，Game 视口状态会提示缺包，并退回基线移动。
- 如果类型存在，adapter 会创建运行时 `RVOSimulator`，给 benchmark 对象添加 `RVOController`，把期望速度送入 A* RVO，再把反射得到的避障速度写回 `BenchmarkAgent.ApplyVelocity`。
- 共享场景、HUD、数量档、指标和相机逻辑不变。
+## 日志策略
+
+编辑器和百元机都需要日志，但日志不能拖慢性能测试。
+
+- 日志目录：`Application.persistentDataPath/AvoidanceBenchmarkLogs/`。
+- 编辑器下通常在用户目录的 `AppData/LocalLow/.../AvoidanceBenchmarkLogs/`。
+- 真机下在 App 的 persistent data path 里，使用面板的“导出日志”按钮或结束/重置测试自动写出。
+- 不要每帧 `Debug.Log`。
+- 不要在热路径里拼接字符串。
+- 不要每帧写文件。
+- 不要让某个 adapter 单独输出额外明细，导致对比不公平。
+- 建议只在内存中记录结构化数值样本。
+- 当前实现固定每 `0.5s` 采样一次，先写入内存列表。
+- 单轮重置、退出或点击“导出日志”时一次性导出 CSV。
+- Console 只打印一行摘要，例如算法、场景、数量、平均 FPS、1% Low、平均模拟耗时、最大耗时、重叠对峰值。
+
+百元机真机日志建议额外记录：
+
+- 设备型号。
+- 目标帧率。
+- 实际分辨率是否为 `1080x1920`。
+- Unity 图形 API。
+- 是否 Development Build。
+- 是否连接调试器。
+- 是否出现明显发热、降频或后台干扰。

 ## RVO2 Adapter

@@ -65,20 +95,11 @@ A* RVO、RVO2、Unity NavMesh、采样避障学习版都通过同一个调试面
 - 每帧设置期望速度前会同步 Unity Transform 位置，避免 RVO 内部位置和 benchmark 边界夹取结果漂移。
 - RVO2-CS 是 2D 算法，2D 和 2.5D 使用 Unity `x/z` 到 RVO `x/y` 的映射；3D 模式会投影到 XZ 平面。

-## Unity NavMesh Adapter
-
-`UnityNavMeshAdapter` 使用内置 `UnityEngine.AI.NavMeshAgent` 做对照组。
-
- adapter 会使用 `NavMeshBuilder.BuildNavMeshData` 为 benchmark 场景运行时生成一张平面 NavMesh，不需要手动烘焙场景。
- 如果运行时 NavMesh 构建失败，Game 视口状态会提示，并退回基线移动，不会添加无效 `NavMeshAgent`。
- NavMeshAgent 计算出的速度会按自身 `acceleration` 平滑后再交给 benchmark 可视对象，减少高密度场景的一帧速度尖峰抖动。
- 因为 NavMesh 是平面数据，3D 压测更适合作为 2D / 2.5D 对照；完整 3D 体积避障仍需要专门方案。
-
 ## 采样避障学习版

 `SamplingLocalAvoidanceAdapter` 是项目内自写的学习算法，用来和成熟框架做横向对比。

 - 使用空间哈希查找近邻，避免全量 O(n²) 扫描。
 - 对每个 agent 采样多组候选速度，并用目标偏差、速度平滑、预测碰撞、当前重叠、边界越界惩罚打分。
- 它不是完整 ORCA，也不保证无碰撞；目的在于提供一个可读、可改、可调参的学习基线。
- 如果它在某些场景比 RVO2 或 NavMesh 更稳，只能说明当前启发式适合该场景，不代表算法理论上更强。
+- 它不是完整 ORCA，也不保证无碰撞；当前只作为自研候选的弱基线，表现明显差于 RVO2 是预期内结果。
+- 如果它在某些场景比 RVO2 更稳，只能说明当前启发式适合该场景，不代表算法理论上更强。
--- a/FishROV/Docs/rl-rvo-nav-core-principles.md
+++ b/FishROV/Docs/rl-rvo-nav-core-principles.md
@@ -0,0 +1,230 @@
+# rl_rvo_nav 核心原理说明
+
+资料来源：
+
+- GitHub 仓库：https://github.com/hanruihua/rl_rvo_nav
+- 论文：Reinforcement Learned Distributed Multi-Robot Navigation with Reciprocal Velocity Obstacle Shaped Rewards
+- arXiv 页面：https://arxiv.org/abs/2203.10229
+
+## 一句话结论
+
+`rl_rvo_nav` 的核心不是纯强化学习避障，也不是传统 RVO/ORCA 求解器，而是把 **RVO/VO 几何避障先验** 编码进强化学习的状态表示和奖励函数中，让 PPO 训练出的策略在多机器人局部避障中更安全、更高效、更不保守。
+
+可以理解为：
+
+> RVO 负责告诉策略“哪些速度区域有碰撞风险”，强化学习负责学“在这些风险结构下，当前该怎么选一个更好的速度增量”。
+
+## 背景问题
+
+多机器人导航常见有两类方案：
+
+- 中心化调度：全局规划能力强，但机器人数量增加后计算和通信压力上升。
+- 分布式避障：每个机器人独立决策，扩展性好，但只能依靠局部观测，容易出现碰撞、震荡、过度保守或互相等待。
+
+传统 VO/RVO/ORCA 方法会在速度空间中构造不可选速度区域，从而实时选择避障速度。它们计算高效、可解释，但在复杂场景中可能保守，对感知误差、非完整约束和长期收益的处理也有限。
+
+纯深度强化学习方法可以通过大量仿真经验学到更激进、更灵活的策略，但如果直接输入位置、速度、距离等原始状态，网络需要自己学会推导碰撞几何关系，样本效率和可控性都不理想。
+
+`rl_rvo_nav` 的设计目标就是结合两者：
+
+- 用 RVO/VO 给强化学习提供结构化避障知识。
+- 用 DRL 学出比手写几何规则更灵活的局部控制策略。
+
+## 核心模块
+
+### 1. 分布式多机器人决策
+
+每个机器人独立运行同一个策略，不依赖中心控制器，也不依赖机器人之间的通信。
+
+机器人只使用自身状态和局部感知范围内的其他机器人、障碍物信息进行决策。
+
+自身状态通常包括：
+
+- 当前速度
+- 当前朝向
+- 期望速度
+- 用于避障的虚拟半径
+
+周围环境状态包括：
+
+- 动态机器人产生的 RVO 向量
+- 静态障碍物产生的 VO 向量
+- 相对距离
+- 预计碰撞时间
+
+### 2. 用 RVO/VO 表示碰撞风险
+
+传统 RL 避障常把邻居机器人表示成位置、速度、半径等数据，例如：
+
+```text
+other_position, other_velocity, other_radius
+```
+
+`rl_rvo_nav` 更进一步，把这些信息转换成速度空间中的 VO/RVO 表示。
+
+VO 表示：
+
+- 如果自身选择某些速度，就会在未来一段时间内撞到障碍物。
+- 这些危险速度构成一个速度空间区域。
+
+RVO 表示：
+
+- 对动态机器人，不只假设“我避让它”，而是假设双方都会承担一部分避让责任。
+- 这让策略更容易学到互惠避障行为，减少单方过度避让或互相卡住。
+
+因此，网络输入不是单纯的几何坐标，而是更接近“碰撞约束”的状态。
+
+这也是该方案最重要的思想：**把避障问题从物理空间状态学习，转成速度空间风险学习。**
+
+### 3. BiGRU 处理可变数量邻居
+
+周围机器人和障碍物数量是不固定的。普通 MLP 需要固定长度输入，不适合直接处理可变数量的邻居。
+
+该方案把周围对象的 VO/RVO 信息组织成序列，再用 RNN 模块提取特征。
+
+论文强调使用 bidirectional GRU，也就是 BiGRU。仓库代码中的 `policy_rnn_ac.py` 里也能看到 `GRU`、`LSTM`、`biGRU` 模式。
+
+结构大致是：
+
+```text
+自身状态
+  +
+周围对象 VO/RVO 序列
+  -> GRU/BiGRU
+  -> 固定维度环境特征
+  -> Actor 输出动作分布
+  -> Critic 输出状态价值
+```
+
+BiGRU 的作用是：
+
+- 能处理数量变化的邻居。
+- 不只偏向序列末尾对象。
+- 在较低计算成本下提取局部交互特征。
+
+### 4. 动作输出是速度增量
+
+很多 RL 避障方法直接输出最终控制速度。
+
+`rl_rvo_nav` 输出的是当前速度的增量，也就是 velocity increment/change rate。
+
+这样做的好处：
+
+- 控制更平滑。
+- 不容易出现速度突变。
+- 更接近差速机器人实际控制需求。
+
+最终速度再被分解成差速机器人的线速度和角速度。
+
+### 5. 奖励函数由 RVO 区域和预计碰撞时间塑形
+
+该方案的奖励函数不是简单距离奖励。
+
+传统距离奖励大致是：
+
+- 离目标更近，奖励。
+- 离障碍更近，惩罚。
+- 碰撞，强惩罚。
+
+但 `rl_rvo_nav` 的输入本身是 VO/RVO 表示，不直接以原始位置距离为核心。因此它设计了基于 RVO/VO 区域的奖励。
+
+奖励重点判断：
+
+- 当前选择的速度是否落入 RVO/VO 危险区域。
+- 当前速度与期望速度的差距。
+- 按当前运动趋势，预计多久会发生碰撞。
+
+预计碰撞时间比单纯距离更有信息量，因为它同时考虑了距离和相对速度。
+
+例如：
+
+- 距离近但相对远离，风险不一定高。
+- 距离远但高速相向，风险可能很高。
+
+所以该方案用 expected collision time 来衡量碰撞风险，使策略在拥挤环境里能更合理地权衡安全和效率。
+
+## 训练方式
+
+仓库使用 PPO 训练 actor-critic 策略。
+
+训练流程大致如下：
+
+1. 在仿真环境中让多个机器人运行当前策略。
+2. 收集每个机器人的 observation、action、reward。
+3. 使用 GAE 计算优势。
+4. 用 PPO 更新 actor 和 critic。
+5. 在更复杂机器人数量和场景中继续训练。
+
+README 中给出的训练阶段是：
+
+- 第一阶段：4 个机器人 circle 场景。
+- 第二阶段：加载已有模型，在 10 个机器人 circle 场景继续训练。
+
+测试场景包括：
+
+- circle scenario
+- random scenario
+
+## 与传统 RVO/ORCA 的区别
+
+| 维度 | 传统 RVO/ORCA | rl_rvo_nav |
+| --- | --- | --- |
+| 决策方式 | 手写几何规则或优化求解 | 神经网络策略 |
+| 避障知识 | 显式速度空间约束 | 作为状态和奖励先验 |
+| 输出 | 当前最优避障速度 | 速度增量 |
+| 优点 | 可解释、稳定、实时 | 更灵活，可从经验中学习效率和风险权衡 |
+| 风险 | 可能保守 | 依赖训练覆盖和仿真质量 |
+
+## 与纯强化学习避障的区别
+
+| 维度 | 纯 DRL 避障 | rl_rvo_nav |
+| --- | --- | --- |
+| 输入 | 位置、速度、距离、传感器数据等 | VO/RVO 风险向量 |
+| 学习难度 | 网络需自行推导碰撞几何 | 几何风险已经结构化 |
+| 奖励 | 常基于距离和碰撞结果 | 基于 RVO 区域和预计碰撞时间 |
+| 可解释性 | 较弱 | 更容易解释为速度空间风险规避 |
+
+## 对 FishROV 的启发
+
+如果把这个方案借鉴到 FishROV 或水下 ROV 局部避障中，最值得吸收的不是直接照搬 PPO 训练，而是以下思想：
+
+1. **把避障风险表达在速度空间中**
+
+   不只判断“障碍在哪里”，而是判断“当前可选速度里哪些会导致未来碰撞”。
+
+2. **把规则避障和学习策略分层**
+
+   几何规则可以生成风险特征，学习策略负责在风险、目标方向、速度平滑性之间做权衡。
+
+3. **优先考虑可解释的 reward/score**
+
+   即使不用 RL，也可以把 RVO 区域、预计碰撞时间、目标速度差异组合成局部避障评分函数。
+
+4. **对动态障碍比静态障碍更有价值**
+
+   如果 FishROV 主要面对静态地形或固定障碍，传统 NavMesh、A*、局部 steering 可能更直接。
+
+   如果未来要处理鱼群、其他 ROV、移动机械臂、动态水流漂浮物等，RVO/RL-RVO 的价值会明显上升。
+
+## 局限和注意点
+
+该方案也有明显门槛：
+
+- 需要高质量仿真环境。
+- 策略泛化依赖训练场景覆盖。
+- PPO 训练成本高于传统局部避障。
+- 真实机器人部署需要考虑感知误差、控制延迟、水动力扰动等 sim-to-real 问题。
+- 对游戏或仿真项目来说，直接使用 RL 模型未必划算，抽取其 RVO 风险建模思想可能更实用。
+
+## 简短评价
+
+`rl_rvo_nav` 最核心的价值是提出了一种很清楚的混合范式：
+
+```text
+传统几何避障知识
+  -> 结构化状态表示
+  -> RVO/碰撞时间塑形奖励
+  -> PPO 学习连续局部控制策略
+```
+
+它适合研究或高复杂度多机器人动态避障。如果当前目标是工程落地，建议优先把它当作“设计参考”：吸收 VO/RVO 风险表达和 expected collision time 评分，而不是第一步就引入完整 RL 训练链路。
--- a/FishROV/Docs/rvo-py-mas-core-principles.md
+++ b/FishROV/Docs/rvo-py-mas-core-principles.md
@@ -0,0 +1,280 @@
+# RVO_Py_MAS 核心原理
+
+## 一句话结论
+
+`RVO_Py_MAS` 的核心是 **在速度空间里排除未来会碰撞的速度，然后选择一个最接近期望速度的安全速度**。
+
+它不是全局寻路系统，也不负责生成完整路径。它更像一个局部避障控制器：上层系统先给每个 agent 一个期望速度，RVO 再根据周围动态 agent 和静态障碍，把这个速度修正成更安全的实际速度。
+
+典型接入方式是：
+
+```text
+目标/任务控制器
+  -> 计算期望速度 V_desired
+  -> RVO_Py_MAS 根据邻居和障碍修正速度
+  -> 输出实际速度 V
+  -> 推进位置
+```
+
+## 它要解决的问题
+
+普通 steering 或分离力算法通常在位置空间工作：
+
+```text
+离目标近一点
+离邻居远一点
+离障碍远一点
+最后把多个力合成一个速度
+```
+
+这类方法简单，但容易出现几个问题：
+
+- 只看当前距离，不一定能判断未来是否会撞上。
+- 多个 agent 同时互相躲避时，可能左右摇摆。
+- 高密度场景下，分离力叠加后速度容易变乱。
+- 很难回答“这个速度在未来一小段时间内是否安全”。
+
+RVO 的视角不同。它不直接问“我现在离别人多近”，而是问：
+
+```text
+如果我选择这个速度，
+在未来一段时间内会不会撞到别人？
+```
+
+## Velocity Obstacle
+
+对两个 agent A 和 B：
+
+- A 的位置是 `pA`，速度是 `vA`，半径是 `rA`。
+- B 的位置是 `pB`，速度是 `vB`，半径是 `rB`。
+- 如果未来某个时间点，两者中心距离小于 `rA + rB`，就会发生碰撞。
+
+Velocity Obstacle 的意思是：
+
+```text
+对 A 来说，有一片速度区域是危险的。
+如果 A 选择这片区域内的速度，
+并且 B 按当前趋势运动，
+A 未来就可能撞到 B。
+```
+
+这片危险区域可以理解成速度空间里的一个锥形区域。锥的方向由 A 指向 B 的相对位置决定，锥的张角由双方半径和距离决定。
+
+## RVO：双方共同承担避让
+
+普通 VO 假设“对方保持原样，我单方面避让”。如果所有 agent 都这么算，就容易过度避让或振荡。
+
+RVO 的关键变化是：
+
+```text
+A 和 B 都是主动体。
+如果未来可能碰撞，不应该只让 A 负责全部避让。
+双方都假设对方也会做类似避让，因此各自承担一部分速度修正。
+```
+
+在 `RVO_Py_MAS` 代码里，RVO 版本的速度障碍平移点使用了双方当前速度的平均项：
+
+```python
+transl_vB_vA = [
+    pA[0] + 0.5 * (vB[0] + vA[0]),
+    pA[1] + 0.5 * (vB[1] + vA[1]),
+]
+```
+
+这就是 reciprocal 的工程化表达：不是单边躲避，而是假设双方都会动一点。
+
+## 每个 agent 的计算流程
+
+`RVO_update` 对每个 agent 做下面几步：
+
+1. 读取当前 agent 的位置 `pA` 和当前速度 `vA`。
+2. 遍历其他 agent。
+3. 为每个邻居构造一个 RVO 速度障碍。
+4. 遍历静态圆形障碍，也构造速度障碍。
+5. 调用 `intersect`，从候选速度里选择最合适的速度。
+6. 把结果写回输出速度列表。
+
+可以简化成：
+
+```text
+对每条鱼：
+  收集周围会影响它的动态体和静态障碍
+  把这些对象都转成速度空间中的禁区
+  找一个不在禁区里、又最接近期望速度的速度
+```
+
+## 动态 agent 如何形成禁区
+
+对每个邻居 B，代码会计算：
+
+- `dist_BA`：A 和 B 的距离。
+- `theta_BA`：A 指向 B 的方向角。
+- `theta_BAort`：碰撞锥的半角。
+- `bound_left` / `bound_right`：碰撞锥左右边界。
+
+然后把这个速度障碍存成：
+
+```python
+RVO_BA = [
+    transl_vB_vA,
+    bound_left,
+    bound_right,
+    dist_BA,
+    2 * ROB_RAD,
+]
+```
+
+其中 `2 * ROB_RAD` 表示两个相同半径 agent 的安全距离。代码里还给机器人半径额外加了 `0.1`，相当于保守安全边距。
+
+## 静态障碍如何处理
+
+静态障碍被当成速度为 0 的对象：
+
+```python
+vB = [0, 0]
+```
+
+圆形障碍直接用自身半径加 agent 半径形成安全距离。代码里还有一个 `OVER_APPROX_C2S = 1.5`，用于把某些障碍做更保守的圆形近似。
+
+所以动态 agent 和静态障碍最终都被转成同一种东西：
+
+```text
+速度空间里的危险区域
+```
+
+这让算法主体可以统一处理。
+
+## 候选速度选择
+
+`intersect` 函数不是做严格的数学优化，而是在速度空间里采样候选速度：
+
+```python
+for theta in numpy.arange(0, 2 * PI, 0.1):
+    for rad in numpy.arange(0.02, norm_v + 0.02, norm_v / 5.0):
+        new_v = [rad * cos(theta), rad * sin(theta)]
+```
+
+也就是：
+
+```text
+按不同方向 theta 采样
+按不同速度大小 rad 采样
+组合成一批候选速度
+```
+
+每个候选速度都会拿去检查：它是否落在任意一个 RVO 禁区里。
+
+- 没落入禁区：放入 `suitable_V`。
+- 落入禁区：放入 `unsuitable_V`。
+
+## 如果有安全速度
+
+如果存在 `suitable_V`，算法选一个最接近期望速度 `vA` 的速度：
+
+```python
+vA_post = min(suitable_V, key=lambda v: distance(v, vA))
+```
+
+这体现了 README 里说的“minimal modification of desired velocity”：
+
+```text
+能不改就不改。
+必须避让时，也尽量少改。
+```
+
+## 如果没有安全速度
+
+高密度或被包围时，可能没有任何候选速度完全安全。
+
+这时算法会从 `unsuitable_V` 里选一个折中速度。它会估计每个不安全速度的碰撞时间 `tc`，然后用下面的代价选择：
+
+```python
+(WT / tc) + distance(v, vA)
+```
+
+含义是：
+
+```text
+尽量晚碰撞
+同时尽量接近期望速度
+```
+
+这不是严格安全保证，而是“没有好选择时选一个相对不坏的选择”。
+
+## VO / RVO / HRVO 的区别
+
+这个仓库的代码里保留了三种思路的切换痕迹：
+
+| 方法 | 核心假设 | 工程表现 |
+| --- | --- | --- |
+| VO | 对方保持当前速度，我单方避让 | 简单，但多主动体容易过度避让 |
+| RVO | 双方都会避让，各承担一部分修正 | 更适合多 agent 对等场景 |
+| HRVO | 混合 VO 和 RVO，减少振荡和死锁 | 理论上更稳，但实现略复杂 |
+
+当前代码默认使用 RVO。普通 VO 和 HRVO 的部分在代码里以注释形式保留。
+
+## 优点
+
+- 思路直观，代码量小，适合学习和改造。
+- 不需要复杂全局地图，只依赖局部位置、速度、半径。
+- 上层控制目标可以保持独立，只需要提供期望速度。
+- 对多 agent 场景比单纯分离力更有“未来碰撞预测”意识。
+- 动态 agent 和静态障碍可以统一成速度空间约束。
+
+## 局限
+
+- 这是局部避障，不是全局寻路。
+- 候选速度靠采样，可能错过真正更优的速度。
+- 高密度场景可能没有完全安全速度，只能选折中。
+- 代码没有空间索引，agent 数量大时两两遍历会变贵。
+- 它不是 ORCA/RVO2 那种半平面约束加线性规划求解。
+- 参数、步长、最大速度不合适时仍可能碰撞或卡住。
+
+## 和 RVO2 / ORCA 的区别
+
+| 维度 | RVO_Py_MAS | RVO2 / ORCA |
+| --- | --- | --- |
+| 核心方式 | 采样候选速度，过滤禁区 | 构造半平面约束，求最近安全速度 |
+| 实现复杂度 | 低 | 更高 |
+| 可读性 | 很直观 | 数学和工程结构更复杂 |
+| 理论性质 | 较弱 | 更强 |
+| 性能 | 小规模足够，规模大需优化 | 更成熟，适合大量 agent |
+| 学习价值 | 很高，适合理解速度障碍 | 更适合工程使用和高性能仿真 |
+
+## 对 FishROV 的启发
+
+如果 FishROV 后续要做自研鱼群避障，可以吸收它的核心结构：
+
+```text
+目标速度
+  -> 构造邻居/障碍的未来碰撞风险
+  -> 在速度空间选择替代速度
+  -> 优先保持目标意图
+  -> 只有必要时才避让
+```
+
+更适合 FishROV 的工程版本可以考虑：
+
+- 加空间哈希或网格邻居查询，避免全量两两比较。
+- 把 3D 鱼群投影到 XZ 平面做水平避障，再单独处理高度层。
+- 在候选速度里加入最大转向角、最大加速度、速度平滑约束。
+- 对不同鱼群状态加权，例如巡游、逃逸、聚集、追逐。
+- 增加右侧/左侧通行偏置，减少对称场景下的互相卡住。
+- 把“预计碰撞时间”和“当前重叠深度”作为调试指标输出。
+
+## 结论
+
+`RVO_Py_MAS` 最值得学习的不是它的具体 Python 代码，而是它的建模方式：
+
+```text
+不要只在位置空间推开物体。
+要在速度空间判断：哪些速度会导致未来碰撞。
+```
+
+它适合作为理解 RVO 思想和自研局部避障算法的入门参考；如果目标是直接上生产级大规模 agent 避障，RVO2 / ORCA 或项目内针对鱼群特征优化后的采样避障会更合适。
+
+## 参考
+
+- [MengGuo/RVO_Py_MAS](https://github.com/MengGuo/RVO_Py_MAS)
+- [RVO_Py_MAS/RVO.py](https://github.com/MengGuo/RVO_Py_MAS/blob/master/RVO.py)
+- [Reciprocal Velocity Obstacles for Real-Time Multi-Agent Navigation](https://gamma.cs.unc.edu/RVO/)
--- a/FishROV/Packages/packages-lock.json
+++ b/FishROV/Packages/packages-lock.json
@@ -0,0 +1,295 @@
+{
+  "dependencies": {
+    "com.unity.ext.nunit": {
+      "version": "1.0.6",
+      "depth": 1,
+      "source": "registry",
+      "dependencies": {},
+      "url": "https://packages.unity.cn"
+    },
+    "com.unity.test-framework": {
+      "version": "1.1.33",
+      "depth": 0,
+      "source": "registry",
+      "dependencies": {
+        "com.unity.ext.nunit": "1.0.6",
+        "com.unity.modules.imgui": "1.0.0",
+        "com.unity.modules.jsonserialize": "1.0.0"
+      },
+      "url": "https://packages.unity.cn"
+    },
+    "com.unity.textmeshpro": {
+      "version": "3.0.7",
+      "depth": 0,
+      "source": "registry",
+      "dependencies": {
+        "com.unity.ugui": "1.0.0"
+      },
+      "url": "https://packages.unity.cn"
+    },
+    "com.unity.timeline": {
+      "version": "1.7.7",
+      "depth": 0,
+      "source": "registry",
+      "dependencies": {
+        "com.unity.modules.audio": "1.0.0",
+        "com.unity.modules.director": "1.0.0",
+        "com.unity.modules.animation": "1.0.0",
+        "com.unity.modules.particlesystem": "1.0.0"
+      },
+      "url": "https://packages.unity.cn"
+    },
+    "com.unity.ugui": {
+      "version": "1.0.0",
+      "depth": 0,
+      "source": "builtin",
+      "dependencies": {
+        "com.unity.modules.ui": "1.0.0",
+        "com.unity.modules.imgui": "1.0.0"
+      }
+    },
+    "com.unity.modules.ai": {
+      "version": "1.0.0",
+      "depth": 0,
+      "source": "builtin",
+      "dependencies": {}
+    },
+    "com.unity.modules.androidjni": {
+      "version": "1.0.0",
+      "depth": 0,
+      "source": "builtin",
+      "dependencies": {}
+    },
+    "com.unity.modules.animation": {
+      "version": "1.0.0",
+      "depth": 0,
+      "source": "builtin",
+      "dependencies": {}
+    },
+    "com.unity.modules.assetbundle": {
+      "version": "1.0.0",
+      "depth": 0,
+      "source": "builtin",
+      "dependencies": {}
+    },
+    "com.unity.modules.audio": {
+      "version": "1.0.0",
+      "depth": 0,
+      "source": "builtin",
+      "dependencies": {}
+    },
+    "com.unity.modules.cloth": {
+      "version": "1.0.0",
+      "depth": 0,
+      "source": "builtin",
+      "dependencies": {
+        "com.unity.modules.physics": "1.0.0"
+      }
+    },
+    "com.unity.modules.director": {
+      "version": "1.0.0",
+      "depth": 0,
+      "source": "builtin",
+      "dependencies": {
+        "com.unity.modules.audio": "1.0.0",
+        "com.unity.modules.animation": "1.0.0"
+      }
+    },
+    "com.unity.modules.imageconversion": {
+      "version": "1.0.0",
+      "depth": 0,
+      "source": "builtin",
+      "dependencies": {}
+    },
+    "com.unity.modules.imgui": {
+      "version": "1.0.0",
+      "depth": 0,
+      "source": "builtin",
+      "dependencies": {}
+    },
+    "com.unity.modules.jsonserialize": {
+      "version": "1.0.0",
+      "depth": 0,
+      "source": "builtin",
+      "dependencies": {}
+    },
+    "com.unity.modules.particlesystem": {
+      "version": "1.0.0",
+      "depth": 0,
+      "source": "builtin",
+      "dependencies": {}
+    },
+    "com.unity.modules.physics": {
+      "version": "1.0.0",
+      "depth": 0,
+      "source": "builtin",
+      "dependencies": {}
+    },
+    "com.unity.modules.physics2d": {
+      "version": "1.0.0",
+      "depth": 0,
+      "source": "builtin",
+      "dependencies": {}
+    },
+    "com.unity.modules.screencapture": {
+      "version": "1.0.0",
+      "depth": 0,
+      "source": "builtin",
+      "dependencies": {
+        "com.unity.modules.imageconversion": "1.0.0"
+      }
+    },
+    "com.unity.modules.subsystems": {
+      "version": "1.0.0",
+      "depth": 1,
+      "source": "builtin",
+      "dependencies": {
+        "com.unity.modules.jsonserialize": "1.0.0"
+      }
+    },
+    "com.unity.modules.terrain": {
+      "version": "1.0.0",
+      "depth": 0,
+      "source": "builtin",
+      "dependencies": {}
+    },
+    "com.unity.modules.terrainphysics": {
+      "version": "1.0.0",
+      "depth": 0,
+      "source": "builtin",
+      "dependencies": {
+        "com.unity.modules.physics": "1.0.0",
+        "com.unity.modules.terrain": "1.0.0"
+      }
+    },
+    "com.unity.modules.tilemap": {
+      "version": "1.0.0",
+      "depth": 0,
+      "source": "builtin",
+      "dependencies": {
+        "com.unity.modules.physics2d": "1.0.0"
+      }
+    },
+    "com.unity.modules.ui": {
+      "version": "1.0.0",
+      "depth": 0,
+      "source": "builtin",
+      "dependencies": {}
+    },
+    "com.unity.modules.uielements": {
+      "version": "1.0.0",
+      "depth": 0,
+      "source": "builtin",
+      "dependencies": {
+        "com.unity.modules.ui": "1.0.0",
+        "com.unity.modules.imgui": "1.0.0",
+        "com.unity.modules.jsonserialize": "1.0.0"
+      }
+    },
+    "com.unity.modules.umbra": {
+      "version": "1.0.0",
+      "depth": 0,
+      "source": "builtin",
+      "dependencies": {}
+    },
+    "com.unity.modules.unityanalytics": {
+      "version": "1.0.0",
+      "depth": 0,
+      "source": "builtin",
+      "dependencies": {
+        "com.unity.modules.unitywebrequest": "1.0.0",
+        "com.unity.modules.jsonserialize": "1.0.0"
+      }
+    },
+    "com.unity.modules.unitywebrequest": {
+      "version": "1.0.0",
+      "depth": 0,
+      "source": "builtin",
+      "dependencies": {}
+    },
+    "com.unity.modules.unitywebrequestassetbundle": {
+      "version": "1.0.0",
+      "depth": 0,
+      "source": "builtin",
+      "dependencies": {
+        "com.unity.modules.assetbundle": "1.0.0",
+        "com.unity.modules.unitywebrequest": "1.0.0"
+      }
+    },
+    "com.unity.modules.unitywebrequestaudio": {
+      "version": "1.0.0",
+      "depth": 0,
+      "source": "builtin",
+      "dependencies": {
+        "com.unity.modules.unitywebrequest": "1.0.0",
+        "com.unity.modules.audio": "1.0.0"
+      }
+    },
+    "com.unity.modules.unitywebrequesttexture": {
+      "version": "1.0.0",
+      "depth": 0,
+      "source": "builtin",
+      "dependencies": {
+        "com.unity.modules.unitywebrequest": "1.0.0",
+        "com.unity.modules.imageconversion": "1.0.0"
+      }
+    },
+    "com.unity.modules.unitywebrequestwww": {
+      "version": "1.0.0",
+      "depth": 0,
+      "source": "builtin",
+      "dependencies": {
+        "com.unity.modules.unitywebrequest": "1.0.0",
+        "com.unity.modules.unitywebrequestassetbundle": "1.0.0",
+        "com.unity.modules.unitywebrequestaudio": "1.0.0",
+        "com.unity.modules.audio": "1.0.0",
+        "com.unity.modules.assetbundle": "1.0.0",
+        "com.unity.modules.imageconversion": "1.0.0"
+      }
+    },
+    "com.unity.modules.vehicles": {
+      "version": "1.0.0",
+      "depth": 0,
+      "source": "builtin",
+      "dependencies": {
+        "com.unity.modules.physics": "1.0.0"
+      }
+    },
+    "com.unity.modules.video": {
+      "version": "1.0.0",
+      "depth": 0,
+      "source": "builtin",
+      "dependencies": {
+        "com.unity.modules.audio": "1.0.0",
+        "com.unity.modules.ui": "1.0.0",
+        "com.unity.modules.unitywebrequest": "1.0.0"
+      }
+    },
+    "com.unity.modules.vr": {
+      "version": "1.0.0",
+      "depth": 0,
+      "source": "builtin",
+      "dependencies": {
+        "com.unity.modules.jsonserialize": "1.0.0",
+        "com.unity.modules.physics": "1.0.0",
+        "com.unity.modules.xr": "1.0.0"
+      }
+    },
+    "com.unity.modules.wind": {
+      "version": "1.0.0",
+      "depth": 0,
+      "source": "builtin",
+      "dependencies": {}
+    },
+    "com.unity.modules.xr": {
+      "version": "1.0.0",
+      "depth": 0,
+      "source": "builtin",
+      "dependencies": {
+        "com.unity.modules.physics": "1.0.0",
+        "com.unity.modules.jsonserialize": "1.0.0",
+        "com.unity.modules.subsystems": "1.0.0"
+      }
+    }
+  }
+}
Author	SHA1	Message	Date
$JSD\13999$ JSD\13999	e596d17866	feat(avoidance): 添加低开销压测日志	2026-06-13 16:42:53 +08:00
$JSD\13999$ JSD\13999	49acdf93cc	refactor(avoidance): 清理压测无关入口	2026-06-13 16:37:04 +08:00
$JSD\13999$ JSD\13999	6e92c87d5a	add	2026-06-13 16:31:23 +08:00
$JSD\13999$ JSD\13999	31408c3500	docs(avoidance): 收束 RVO2 避障压测文档	2026-06-13 16:13:10 +08:00