update: actpred 默认图像分辨率 64→224

actpred/README.md

@@ -9,7 +9,7 @@ Transformer（pre-LN）自注意力融合，取 [PRED] token 回归下一步动
 ## 架构
 
 ```
-F 帧图像 (F×3×64×64) ─► 共享 CNN 编码器 ─► F 个 token ─► proj → d_model ┐
+F 帧图像 (F×3×224×224) ─► 共享 CNN 编码器 ─► F 个 token ─► proj → d_model ┐
                                                                           ├─► [img×F, act×H, PRED] + 位置编码
 动作历史 (H×D)      ─► Linear proj → d_model ─► H 个 token ────────┤        │
 可学习 [PRED] token ────────────────────────────────────────┘        ▼
@@ -110,7 +110,7 @@ recorder.flush()
 
 | 参数 | 默认值 | 说明 |
 |------|--------|------|
-| `--image-size` | 64 | 图像缩放尺寸 |
+| `--image-size` | 224 | 图像缩放尺寸 |
 | `--action-dim` | 18 | 动作向量维度（对齐 bot4cj 18 列：10 舵机 + 2 云台 + 扬声器频率 + 延时 + 4 预留）|
 | `--history-len` | 5 | 历史动作窗口长度 |
 | `--frame-len` | 3 | 输入图像帧数（含当前帧，旧帧在前）|

actpred/config.py

@@ -5,7 +5,7 @@ from typing import Optional
 
 @dataclass
 class DataConfig:
-    image_size: int = 64
+    image_size: int = 224
     action_dim: int = 18
     history_len: int = 5
     frame_len: int = 3

actpred/dataset.py

@@ -16,7 +16,7 @@ def _natural_key(p):
 
 class ActionDataset(Dataset):
     def __init__(self, data_dir: str, history_len: int, action_dim: int,
-                 image_size: int = 64, normalize_actions: bool = False,
+                 image_size: int = 224, normalize_actions: bool = False,
                  action_stats_path: str = None, episode_indices: list = None,
                  frame_len: int = 3):
         self.history_len = history_len

actpred/test_actpred.py

@@ -263,7 +263,7 @@ class TestConfig(unittest.TestCase):
 
     def test_default_config(self):
         cfg = Config()
-        self.assertEqual(cfg.data.image_size, 64)
+        self.assertEqual(cfg.data.image_size, 224)
         self.assertEqual(cfg.data.action_dim, 18)
         self.assertEqual(cfg.data.history_len, 5)
         self.assertEqual(cfg.data.frame_len, 3)