fix(actpred): 修复归一化统计不一致等 5 项问题并增强可复现性

- train/val 归一化统计量改为仅用训练集计算并落盘复用，修复 val loss 不可信
- predict.py 统计文件路径改用 os.path 处理，修复跨平台与无分隔符路径问题
- dataset.py jpg/png 混合时统一按文件名排序，保证时间顺序
- 新增 --seed 全局随机种子（含 DataLoader generator），训练可复现
- 新增 --max-grad-norm 梯度裁剪（默认 1.0），防 GRU 梯度爆炸
- get_episode_count 与数据集目录过滤条件对齐，避免无效目录导致索引错位
- 空验证集返回 inf 并保底保存最终权重，避免伪造 best 模型
- 清理 export_onnx.py 重复分支死代码

actpred/dataset.py

@@ -35,7 +35,8 @@ class ActionDataset(Dataset):
                 continue
             actions = np.load(actions_path).astype(np.float32)
             n_frames = len(actions)
-            image_files = sorted(images_dir.glob("*.jpg")) + sorted(images_dir.glob("*.png"))
+            image_files = sorted(list(images_dir.glob("*.jpg")) + list(images_dir.glob("*.png")),
+                                 key=lambda p: p.name)
             n_images = len(image_files)
             n = min(n_frames, n_images)
             for t in range(history_len, n):
@@ -73,9 +74,15 @@ class ActionDataset(Dataset):
         return None
 
     @staticmethod
-    def get_episode_count(data_dir: str) -> int:
+    def _valid_episode_dirs(data_dir: str) -> list:
         data_path = Path(data_dir)
-        return len([d for d in data_path.iterdir() if d.is_dir()])
+        return sorted([d for d in data_path.iterdir()
+                       if d.is_dir() and (d / "actions.npy").exists() and (d / "images").is_dir()])
+
+    @staticmethod
+    def get_episode_count(data_dir: str) -> int:
+        # 与 __init__ 的过滤条件保持一致，避免 split_episodes 索引错位
+        return len(ActionDataset._valid_episode_dirs(data_dir))
 
 
 class DataRecorder: