[Review V2] 第二次独立同行评审 — Minor Revision

paper/review_report_v2.md

@@ -0,0 +1,141 @@
+# 论文二次评审：基于神经网络的四旋翼飞行器端到端视觉避障
+
+第二次独立评审（完全不参考第一次PR），5人评审组。
+
+---
+
+## 评审汇总
+
+| 评审人 | 分数 | 决定 |
+|--------|:----:|:----:|
+| **主编** | 73.8/100 | 通过，显著性保留 |
+| **方法论评审** | 65/100 | 统计严谨性严重不足 |
+| **领域评审** | 85/100 | 小修 |
+| **前瞻性评审** | 68/100 | 小修（需补充嵌入式数据） |
+| **魔鬼代言人** | — | CRITICAL: 叙事与证据不匹配 |
+
+---
+
+## 跨评审人共识议题
+
+### 🔴 高度一致（3+评审人）
+
+| 议题 | 主编 | 方法论 | 领域 | 前瞻 | DA |
+|------|:----:|:------:|:----:|:----:|:--:|
+| **无统计显著性检验(取最优而非均值)** | MAJOR | CRITICAL | — | — | MAJOR |
+| **"Mamba"标签与内容不匹配(E是CNN)** | — | — | — | — | **CRITICAL** |
+| **缺少纯CNN/MLP基线(无SSM对照组)** | — | — | MAJOR | — | **CRITICAL** |
+| **嵌入式平台延迟数据缺失(仅RTX 5090)** | — | — | — | **CRITICAL** | — |
+| **Mamba-3来源不明** | MAJOR | — | MAJOR | — | — |
+
+### 🟡 部分一致（2评审人）
+
+| 议题 | 涉及评审人 |
+|------|-----------|
+| 缺少端到端延迟分解 | 前瞻(High) + 方法论(Minor) |
+| 7m/s数据选择性报告(仅E/B+) | DA(Major) + 方法论(Minor) |
+| 树木环境教师0碰撞未充分解释 | DA(Minor) + 领域(中) |
+| 仿真缺少传感器噪声/域随机化 | 前瞻(High) + 领域(W5) |
+| 数据增强消融结论自相矛盾(B+ vs C/D/E) | DA(Minor) + 方法(Minor) |
+
+---
+
+## 主编评审
+
+**分数**: 原创70 | 重要性72 | 质量75 | 清晰度78
+
+**关键发现**:
+- 实验规模在本科毕设中极高（48组+20+消融）
+- E-SSM实验是全文最具说服力的证据
+- "3次取最优"无误差范围是最大缺陷
+- Mamba-3没有引用出处，严重影响可复现性
+- 树木环境教师0碰撞vs学生1-2次的矛盾被框架为"泛化边界"
+- "部署"语言过于自信（纯仿真）
+
+**建议**: 通过，需要在统计报告和Mamba-3引用上整改
+
+---
+
+## 方法论评审
+
+**分数**: 研究设计72 | 统计有效性45 | 可复现性68
+
+**核心问题**:
+- **CRITICAL**: "取最优"而非均值±标准差，严重偏离ML标准实践
+- MAJOR: 无任何统计显著性检验
+- MAJOR: 仅5个评测种子，碰撞次数的离散整数差异不可靠
+- MAJOR: 评估指标单一（只有碰撞次数，无过程性指标）
+- Minor: 推理延迟无方差报告、训练/验证集划分不明确
+- **复现性评分仅68**：代码开源但"取最优"使复现结果无法验证
+
+**建议**: 首要任务——改为报告5-10次独立运行的均值±标准差
+
+---
+
+## 领域评审
+
+**分数**: 文献覆盖78 | 理论正确85 | 领域贡献88
+
+**核心问题**:
+- **MAJOR**: Mamba-3来源不明（无引用），建议更名
+- 中: HiPPO矩阵公式索引混淆、SSD框架论述不足（无数学形式）
+- 中: 缺少S4ND、Griffin、S5等关键SSM变体的讨论
+- 中: LSTM vs SSM的延迟对比已修正(新commit)，但仍缺公平性能对比
+- 中: 参数量vs MACs/FLOPs不透明
+
+**建议**: 小修即可——修正ZOH公式、澄清Mamba-3来源
+
+---
+
+## 前瞻性评审
+
+**分数**: 实际影响78 | 跨学科洞察70 | 部署可行性55
+
+**核心问题**:
+- **CRITICAL**: 嵌入式平台(Jetson Orin)推理延迟完全缺失
+- High: 端到端延迟未经分解（仅模型推理，缺传感器+预处理+后处理）
+- High: 仿真中未加入传感器噪声模型
+- High: 无域随机化训练
+- Med: 运动模糊未建模、因果推理延迟未被讨论
+- Med: RTX 5090不适合作为唯一基准
+
+**建议**: 最多小修——但需明确标注所有延迟数据来自RTX 5090
+
+---
+
+## 魔鬼代言人
+
+**最强反论**: "这篇关于Mamba的论文，其核心结论与Mamba无关"
+
+**关键指控**:
+- **CRITICAL**: E的最优性能来自CNN编码器，SSM时序头在T=1下贡献可忽略
+- **CRITICAL**: 缺少纯CNN+MLP基线——无法证明SSM优于MLP
+- MAJOR: 7m/s数据选择性报告（仅E/B+，其余4架构缺失）
+- MAJOR: Born-again蒸馏失败表明"知识迁移"可能是误解——实质是特征级正则化
+- MAJOR: 无统计检验，1vs2次碰撞的差异可能不显著
+- Minor: 六种架构在编码器和时序头两个维度同时变化，无真正"控制变量"
+
+**替代解释**:
+1. 正则化假说——蒸馏成功来自特征级正则化，与知识迁移无关
+2. 容量假说——B+优于E只因编码器大3.5倍，非MambaVision优势
+3. 梯度稳定假说——B的DNF恢复来自多任务损失稳定梯度，非蒸馏"修复"
+4. 多步预测失败——模型学会复制当前速度指令而非真正预测
+
+---
+
+## Editorial Decision
+
+### **决定：小修 (Minor Revision)**
+
+**通过理由**: 论文实验规模、系统性、发现深度在本科毕设中属于优秀水平。核心发现（空间结构保留是蒸馏前提）具有学术价值。E-SSM、Fv5验证实验设计巧妙。
+
+**必须整改（答辩前）**:
+1. **统计报告**: 即使不重跑所有实验，也需要明确注明"取3次最优"对结论的影响，并至少提供已有数据的完整分布
+2. **Mamba-3来源**: 在全文中更名或补充引用说明
+3. **7m/s数据**: 补充其他4架构在7m/s下的结果（或明确说明未测试的原因）
+4. **"部署"语言**: 将所有"部署"替换为"仿真验证"，避免暗示真实飞行适用性
+5. **致谢**: 扩展至具体人名
+
+**建议答辩时讨论**:
+- 纯CNN+MLP基线会怎样表现？（可在论文中作为未来工作提及）
+- 仿真到现实的差距具体有多大？（可展示一张Flightmare vs RealSense的深度图对比）