feat(actpred): 动作预测模块入库（PyTorch 训练/预测/ONNX 导出）

actpred/README.md

@@ -0,0 +1,83 @@
+# actpred — 动作预测模块
+
+输入摄像头图像 + 历史动作序列，预测下一个连续动作（回归）。
+
+纯神经网络实现（PyTorch），支持轻量 CNN 或 MobileNetV2 图像编码，MLP/GRU 动作历史编码。总参数量 ~140K（默认）至 ~2.3M。
+
+## 架构
+
+```
+图像 (3×64×64)  ──►  CNN 编码器  ──►  img_feat (128)
+                                          │
+                                          ├─ concat ──►  融合头  ──►  预测动作 (action_dim)
+                                          │
+动作历史 (H×D)  ──►  MLP/GRU    ──►  act_feat (64)
+```
+
+## 快速开始
+
+```bash
+# 安装
+cd actpred && bash _set.sh
+
+# 训练
+bash _run.sh train --data-dir ./data --epochs 100 --action-dim 8
+
+# 推理
+bash _run.sh --model checkpoints/best_inference.pt --image frame.jpg \
+    --action-history "45,0,45,0,45,0,45,0:45,10,45,10,45,10,45,10"
+
+# 导出 ONNX
+bash _run.sh export --model checkpoints/best_inference.pt --output model.onnx
+```
+
+## 数据格式
+
+```
+data/
+    episode_001/
+        images/
+            0000.jpg
+            0001.jpg
+            ...
+        actions.npy       # shape: (T, action_dim) float32
+    episode_002/
+        ...
+```
+
+每个 timestep 的样本：当前图像 + 前 `history_len` 步动作 → 当前步动作。
+
+### 数据采集
+
+```python
+from dataset import DataRecorder
+
+recorder = DataRecorder("./data", action_dim=8)
+for image, action in robot_loop():
+    recorder.record(image, action)
+recorder.flush()
+```
+
+## 配置
+
+所有超参数通过 CLI 参数覆盖，默认值见 `config.py`：
+
+| 参数 | 默认值 | 说明 |
+|------|--------|------|
+| `--image-size` | 64 | 图像缩放尺寸 |
+| `--action-dim` | 8 | 动作向量维度 |
+| `--history-len` | 5 | 历史动作窗口长度 |
+| `--backbone` | simple | CNN 类型 (simple/mobilenet) |
+| `--history-encoder` | mlp | 历史编码器 (mlp/gru) |
+| `--epochs` | 100 | 训练轮数 |
+| `--lr` | 0.001 | 学习率 |
+| `--batch-size` | 32 | 批次大小 |
+
+## 编程 API
+
+```python
+from predict import ActionPredictorInference
+
+predictor = ActionPredictorInference("checkpoints/best_inference.pt")
+action = predictor.predict(image_rgb, action_history)  # np.ndarray (action_dim,)
+```