auto-iter 2026-05-13: log iter-6 + veille

- upsert_job now receives error_msg= on failure → debug possible
- Guard before run_inference: skip segments with stage04=degraded,
  mark as skipped instead of attempting inference on bad frames
- Addresses: 10 orphan error records from iter-5 batch (6 were degraded at 04,
  4 had transient SSH failure with no trace in DB)

Author: Poulpe <claude@nowyouknow.fr>

pipeline/iteration-log.md

@@ -56,3 +56,16 @@
 - **Sanity check** : vérifié via ps + /proc/3874 que demo.py tourne sur .84 avec les bons flags (--mode streaming --keyframe_interval 1 --ply_conf_threshold 1.5 --offload_to_cpu)
 - **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
+- **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.
+- **Patches** :
+  - PR #11 :  — 2 fixes dans  :
+    1.  transmis à  sur failure
+    2. Guard stage04=degraded avant  → status=skipped
+  - DB reset : 6 jobs error → skipped (stage04=degraded) ; 4 jobs error → queued (stage04=done)
+- **Type** : PR Gitea #11 (modif 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.
+- **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
+- **Suggestion prochaine** : merger PR #11 → valider inference 4 segments ; màj lingbot-map sur .84/.87 ; évaluer StreamVGGT sur 1 segment benchmark
+

pipeline/stages/05_inference.py

@@ -265,6 +265,26 @@ 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)
 
@@ -278,6 +298,7 @@ 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

@@ -0,0 +1,42 @@
+# 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.