fix(actpred): 训练时 action stats 完整路径传给 val_ds，checkpoint 存裸文件名

normalize_actions 默认改为 True 后暴露的潜伏 bug：stats 保存到
checkpoint_dir 后，cfg 只留裸文件名，val_ds 按 cwd 解析导致
FileNotFoundError。现改为验证集用完整路径构建，checkpoint 配置
存裸文件名（推理端按 checkpoint 目录解析）。
同步修正 test_warn_init_from_mismatch 对默认值的隐式依赖。

actpred/test_actpred.py

@@ -666,6 +666,8 @@ class TestParseCheckpointConfig(unittest.TestCase):
         """--init-from 兼容性警告：normalize 或 action_dim 不一致时提示"""
         from config import warn_init_from_mismatch
         cfg = Config()
+        # 显式设定当前运行的 normalize 值，不依赖默认值（默认已改为 True）
+        cfg.data.normalize_actions = False
         init_cfg = {
             "data": {"normalize_actions": True, "action_dim": 12},
         }

actpred/train.py

@@ -157,19 +157,24 @@ def main():
         augment=cfg.train.augment,
         predict_delta=cfg.train.predict_delta, rollout_len=cfg.train.rollout_len,
         imu_dim=cfg.data.imu_dim)
+    auto_stats = False
     if cfg.data.normalize_actions and not cfg.data.action_stats_path:
         # 归一化统计量必须只用训练集计算，再供验证集复用，否则 val loss 不可信
         stats_path = os.path.join(cfg.train.checkpoint_dir, "action_stats.npy")
         np.save(stats_path, train_ds.get_action_stats())
         print(f"Action stats saved to: {stats_path}")
-        # 只存裸文件名：推理端按 checkpoint 目录解析相对路径
-        cfg.data.action_stats_path = "action_stats.npy"
+        # 验证集构建需要完整路径（相对路径按 cwd 解析会找不到文件）
+        cfg.data.action_stats_path = stats_path
+        auto_stats = True
     val_ds = ActionDataset(
         cfg.data.data_dir, cfg.data.history_len, cfg.data.action_dim,
         cfg.data.image_width, cfg.data.image_height, cfg.data.normalize_actions,
         cfg.data.action_stats_path, val_indices, cfg.data.frame_len,
         predict_delta=cfg.train.predict_delta, rollout_len=cfg.train.rollout_len,
         imu_dim=cfg.data.imu_dim)
+    if auto_stats:
+        # checkpoint 配置只存裸文件名：推理端按 checkpoint 目录解析相对路径
+        cfg.data.action_stats_path = "action_stats.npy"
 
     print(f"Samples: {len(train_ds)} train, {len(val_ds)} val")
     if len(train_ds) == 0: