feat: initial HSAP platform

Huaxu Sentinel Active Safety Platform with embedded algorithm code,
Docker Compose setup, and vendored dataset scaffolds for clone-and-run.

Co-authored-by: Cursor <cursoragent@cursor.com>

algorithms/lane_ufld/code/UFLD/TRAIN_ENV_CPU.md

@@ -0,0 +1,46 @@
+## lane_light + CPU PyTorch（UFLD 训练）
+
+### 1. 激活环境
+
+```bash
+source /home/chengfanglu/miniconda3/etc/profile.d/conda.sh
+conda activate lane_light
+```
+
+### 2. 已安装依赖（`lane_light`）
+
+- `torch` / `torchvision`（**CPU 轮子**，来自 `https://download.pytorch.org/whl/cpu`）
+- `opencv-python`, `tqdm`, `tensorboard`, `addict`, `scikit-learn`, `pathspec`（与 `requirements.txt` 对齐；`sklearn` 包名在 pip 中为 `scikit-learn`）
+
+自检：
+
+```bash
+python -c "import torch; print('torch', torch.__version__, 'cuda=', torch.cuda.is_available())"
+```
+
+### 3. 数据与配置
+
+- 默认数据根仍指向 `lane0_reorganized/lane_training_pack`（见 `configs/mufld_lane_culane.py`）。
+- **CPU 建议**使用 `configs/mufld_lane_culane_cpu.py`（`batch_size=4`，学习率与 warmup 已按 batch 相对 16 做了粗略缩放）。内存不够可改配置或命令行覆盖：
+
+```bash
+cd /home/chengfanglu/DATA/BK2/UFLD
+python train.py configs/mufld_lane_culane_cpu.py --batch_size 2
+```
+
+### 4. 运行训练
+
+```bash
+cd /home/chengfanglu/DATA/BK2/UFLD
+python train.py configs/mufld_lane_culane_cpu.py
+```
+
+说明：
+
+- `train.py` 已改为在 **无 CUDA** 时使用 `cpu`；原仓库中写死的 `CUDA_VISIBLE_DEVICES=1,2` 与 `.cuda()` 已去掉，避免 CPU 机直接报错。
+- 首次 `pretrained=True` 会下载 ResNet 骨干权重，需联网。
+- CPU 训练很慢，建议先用小 `epoch` / 小 `batch_size` 做通路测试。
+
+### 5. 可选：DataLoader `num_workers`
+
+当前 `data/dataloader.py` 里 `num_workers=8`。若 CPU 内存紧张或不想多进程读盘，可自行把该值改小（例如 `0` 或 `2`）。