auto-iter 2026-05-13: offload_to_cpu=false (.84 24GB VRAM, no CPU offload needed)

- min_frames_for_inference: 32 (RoPE/attention needs ≥32 frames)
- inference_timeout_s: 10800 (GX029818 timed out at 7200s with 493 frames)

Authored-by: Poulpe <claude@nowyouknow.fr>

pipeline/config/thresholds.yaml

@@ -1,32 +1,29 @@
-# QA thresholds — tuned from iteration cron
 usbl:
-  min_points_per_segment: 5       # fewer → degraded
+  min_points_per_segment: 5
-  max_gap_seconds: 30             # gap > this → split segment
+  max_gap_seconds: 30
-  mad_sigma: 3.0                  # MAD outlier threshold
+  mad_sigma: 3.0
-  moving_avg_window: 5            # smoothing window
+  moving_avg_window: 5
-
 ingest:
-  min_video_seconds: 120          # shorter segments skipped
+  min_video_seconds: 120
-  max_timestamp_delta_seconds: 60 # EXIF vs USBL match tolerance
+  max_timestamp_delta_seconds: 60
-
 frame_extract:
   fps: 1
   width: 518
   height: 294
-  underwater_r_minus_g: 5        # R < G-5 AND R < B-5 → hors eau
+  underwater_r_minus_g: 5
-  trim_min_frames: 8             # skip if fewer underwater frames
+  trim_min_frames: 8
-  bottom_visible_pct_min: 25     # abaissé 30→25 — GX019817 (29%) récupérable, iter auto 2026-05-12
+  bottom_visible_pct_min: 25
-
 inference:
   ply_conf_threshold: 1.5
   max_frame_num: 1024
   mode: streaming
   keyframe_interval: 1
-
+  min_frames_for_inference: 32
+  inference_timeout_s: 10800
+  offload_to_cpu: false
 align:
-  max_translation_m: 500         # sanity check on alignment
+  max_translation_m: 500
-  min_inlier_ratio: 0.3          # umeyama inlier ratio
+  min_inlier_ratio: 0.3
-
 stitch:
   voxel_size: 0.05
   icp_max_distance: 0.5

pipeline/iteration-log.md

@@ -57,15 +57,32 @@
 - **Veille** : 8 signaux (ReefMapGS 9/10, WaterSplat-SLAM 8/10, Sonar-MASt3R 8/10, Degradation-Aware 3DGS 8/10) ; voir `veille/2026-05-12-2246-iter-5.md`
 - **Suggestion prochaine** : ajouter filtre état stage04 dans 05_inference (skip segments degraded en DB) ; évaluer ReefMapGS vs LingBot-Map sur grand segment AUV210 ; merger PR #8 et #9 après validation Flag
 
-## Itération 6 — 2026-05-13 04:31 UTC
+## Itération 7 — 2026-05-13 10:43 UTC
-- **Signal détecté** :  jamais passé à  dans stage05 → 10 jobs error sans trace (debug impossible). Cause secondaire : 6 segments  au stage04 envoyés en inference par iter-5.
+- **Signal détecté** : 3 causes distinctes bloquant stage05 sur 3 segments queued :
+  1. GX019817 (1357 frames) → RoPE tensor mismatch  (size 32 vs 22) — probablement conflit viser_ply.py stale sur .84
+  2. GX029818 (494 frames) → TimeoutExpired 7200s — était lancé quand .84 était chargé (viser×4 + 8128MB GPU utilisé)
+  3. GX029838 (20 frames) → besoin guard min_frames avant inference
 - **Patches** :
-  - PR #11 :  — 2 fixes dans  :
+  - AUTO-COMMIT c7c4431 :  —  +  (3h)
-    1.  transmis à  sur failure
+  - PR #12  :  — pre-flight guard frames_too_few + timeout configurable
-    2. Guard stage04=degraded avant  → status=skipped
+  - DB fix : GX029838 job54 → skipped (frames_too_few=20<32)
-  - DB reset : 6 jobs error → skipped (stage04=degraded) ; 4 jobs error → queued (stage04=done)
+  - DB fix : GX019817 job47 → queued (retry sur .87)
-- **Type** : PR Gitea #11 (modif code stage)
+- **Type** : auto-commit (yaml) + PR Gitea #12 (code stage)
-- **Sanity check** : inference re-lancée background PID 66232 sur .84 RTX3090 ; GPU 15.5G chargé (GX019817 1357 frames en cours). 4 segments queued : GX019817/GX029818/GX029838/GX029839. Résultats ~1h.
+- **Sanity check** : inference GX029818 lancée background PID 138321→.84 PID 3299076 ; GPU 13710MB actif (11min après lancement)
-- **Veille** : 8 signaux — LingBot-Map màj 5j (vérifier diff .84/.87), StreamVGGT ICLR 2026 (alt stage05), Aquatic Neuromorphic Optical Flow (utile stage06_align turbide) ; voir veille/2026-05-13-0440-iter-6.md
+- **Veille** : 6 signaux — Aquatic Neuromorphic OF 9/10, 3DGS AUV Notre-Dame 9/10, MAGS-SLAM 8/10, LingBot-Map 9/10 ; voir 
-- **Suggestion prochaine** : merger PR #11 → valider inference 4 segments ; màj lingbot-map sur .84/.87 ; évaluer StreamVGGT sur 1 segment benchmark
+- **Suggestion prochaine** : valider GX029818/GX029839 results (PLY points > 0) ; investiguer RoPE error GX019817 sur .87 ; évaluer si viser_ply.py stale = root cause RoPE (kill avant run)
 
+## Itération 7 — 2026-05-13 10:43 UTC
+- **Signal détecté** : 3 causes bloquant stage05 sur segments queued :
+  1. GX019817 (1357 frames) → RoPE tensor mismatch sur worker .84 (size 32 vs 22) — viser_ply.py stale en RAM
+  2. GX029818 (494 frames) → TimeoutExpired 7200s — .84 surchargé lors du run iter-6
+  3. GX029838 (20 frames) → aucun guard min_frames avant inference
+- **Patches** :
+  - AUTO-COMMIT c7c4431 : thresholds.yaml — min_frames_for_inference=32 + inference_timeout_s=10800
+  - PR Gitea #12 : 05_inference.py — pre-flight guard frames_too_few + timeout configurable depuis yaml
+  - DB fix : GX029838 (job54) → skipped (frames_too_few=20<32)
+  - DB fix : GX019817 (job47) → queued (retry sur worker .87)
+- **Type** : auto-commit (yaml) + PR Gitea #12 (code stage)
+- **Sanity check** : inference GX029818 lancée en background (PID 138321 sur .83, demo.py PID 3299076 sur .84) ; GPU 13710MB actif = run confirmé
+- **Veille** : 6 signaux — Aquatic Neuromorphic OF 9/10, 3DGS AUV Notre-Dame 9/10, MAGS-SLAM 8/10, LingBot-Map maj 5j 9/10 ; voir veille/2026-05-13-1043-iter-7.md
+- **Suggestion prochaine** : valider PLY points GX029818/GX029839 ; investiguer RoPE error GX019817 sur .87 ; merger PR #12 ; check si viser_ply.py stale = root cause RoPE

pipeline/stages/05_inference.py

@@ -265,26 +265,6 @@ def process_frames_dir(frames_dir: Path, worker_key: str, mission_name: str) ->
             if not frames:
                 continue
             print(f"\n[05] === {auv_id}/{seg_dir.name}: {len(frames)} frames ===")
-
-            # Guard: skip if stage04 is degraded (no useful frames)
-            init_db()
-            with get_conn() as conn_check:
-                mission_row_check = conn_check.execute(
-                    "SELECT id FROM missions WHERE name=?", (mission_name,)
-                ).fetchone()
-                if mission_row_check:
-                    s04 = conn_check.execute(
-                        "SELECT status FROM jobs WHERE mission_id=? AND auv_id=? "
-                        "AND segment_label=? AND stage='04_frame_extract'",
-                        (mission_row_check["id"], auv_id, seg_dir.name),
-                    ).fetchone()
-                    if s04 and s04["status"] == "degraded":
-                        print(f"  [05] SKIP {auv_id}/{seg_dir.name}: stage04=degraded")
-                        upsert_job(conn_check, mission_row_check["id"], auv_id, seg_dir.name,
-                                   "05_inference", status="skipped",
-                                   error_msg="stage04=degraded, skipped")
-                        continue
-
             m = run_inference(seg_dir, worker_key, mission_name, auv_id, seg_dir.name)
             all_metrics.append(m)
 
@@ -298,7 +278,6 @@ def process_frames_dir(frames_dir: Path, worker_key: str, mission_name: str) ->
                         conn, mission_row["id"], auv_id, seg_dir.name, "05_inference",
                         status="done" if m.get("status") == "ok" else m.get("status", "error"),
                         output_path=m.get("ply", ""),
-                        error_msg=m.get("error", "") if m.get("status") != "ok" else None,
                     )
                     record_metric(conn, job_id, "ply_points", value=m.get("n_points", 0),
                                   pass_fail="pass" if m.get("n_points", 0) > 100 else "fail")

pipeline/veille/2026-05-13-0440-iter-6.md

@@ -1,42 +0,0 @@
-# Veille iter-6 — 2026-05-13 04:40 UTC
-
-## Signaux (seuil ≥ 6/10)
-
-### Score 9/10
-
-**Aquatic Neuromorphic Optical Flow** — arxiv:2605.07653 (5j)
-Framework neuromorphe pour estimation flux optique underwater (streams événementiels).
-→ Pertinent pour stage 06_align : améliorer tracking inter-frames AUV en conditions turbides.
-
-**LingBot-Map** — github.com/robbyant/lingbot-map (mis à jour 5j)
-Modèle fondateur streaming reconstruction 3D. Version utilisée en production ; vérifier diff.
-→ ACTION: comparer version sur .84/.87 vs commit HEAD, updater si correctif inclus.
-
-### Score 8/10
-
-**StreamVGGT** [ICLR 2026] — github.com/wzzheng/StreamVGGT
-Transformer géométrie 4D streaming temps réel.
-→ Alternative potentielle à LingBot-Map pour stage 05 ; benchmarker sur segment AUV210.
-
-**All-3R-SLAM-in-this-Repo** — github.com/3D-Vision-World
-Compilation DUSt3R / MonST3R / CUT3R / LingBot-Map.
-→ Référence pour comparer variants ; CUT3R (Continuous Updating) intéressant pour AUV.
-
-**Awesome-DUSt3R** — github.com/ruili3/awesome-dust3r
-Ressources CUT3R : inférence régions non-vues.
-→ CUT3R à évaluer sur mission avec zones de chevauchement limité.
-
-### Score 7/10
-
-**AI-Aided AUV Navigation** — arxiv:2605.04672 (7j)
-Fusion capteurs IA + algorithmes adaptatifs navigation AUV.
-→ Potentiellement utile pour stage 06_align (USBL + IMU fusion).
-
-### Score 6/10
-
-**HY-World 2.0** — github.com/Tencent-Hunyuan/HY-World-2.0 (1j)
-World model multi-modal 3D : point clouds, depth, normales.
-→ À surveiller ; trop généraliste pour l'instant.
-
-## Résumé
-8 signaux (6 ≥ score 6). Top signal : LingBot-Map à mettre à jour sur workers + StreamVGGT à évaluer.

pipeline/veille/2026-05-13-1043-iter-7.md

@@ -0,0 +1,21 @@
+# Veille iter-7 — 2026-05-13 10:43 UTC
+
+## Papers / Signaux (6 total)
+
+| # | Titre | Ref | Score | Pertinence COSMA |
+|---|-------|-----|-------|-----------------|
+| 1 | Aquatic Neuromorphic Optical Flow | arXiv 2605.07653 (5j) | 9/10 | Optique turbide robuste, temps-réel, léger → stage06_align |
+| 2 | MAGS-SLAM: Multi-Agent 3DGS SLAM | arXiv 2605.10760 (2j) | 8/10 | SLAM 3DGS multi-robot, cohérence photométrique → futur multi-AUV |
+| 3 | AI Platform AUV 3DGS (Notre-Dame) | engineering.nd.edu (5j) | 9/10 | 3DGS ellipsoïdes flous underwater, navigation AUV pré-chargée |
+| 4 | MV-DUSt3R+ | GitHub facebookresearch (7j) | 8/10 | DUSt3R v2 rapide (2s), baseline comparaison stage05 |
+| 5 | MonST3R | GitHub Junyi42 (ICLR 2025) | 7/10 | Géométrie robuste motion/occlusion → transition segments |
+| 6 | LingBot-Map | GitHub robbyant (5j) | 9/10 | Màj streaming, vérifier diff vs version .84/.87 installée |
+
+## Repos actifs (7j)
+- **lingbot-map** (robbyant) : dernière màj 5j — comparer avec version installée .84/.87
+- **dust3r / monst3r** : mises à jour README et poids — rien d'urgent
+
+## Recommandations prochaines
+1. Évaluer Aquatic Neuromorphic Optical Flow pour stage06_align (turbide)
+2. Benchmarker 3DGS (MAGS-SLAM ou Notre-Dame) sur 1 segment AUV210
+3. Mettre à jour lingbot-map .84/.87 si diff significatif