refactor(actpred): 默认图像分辨率改回 640×480

实机测速显示 1080p 采集的预处理缩放（约 45ms）主导端到端延迟
（测速报告 §6.1），640×480 下端到端 18.6ms，与 NPU/ORT 推理开销
更匹配。640×480 亦能被 16 整除，部署导出池化无损失。
已有 checkpoint 自带配置不受影响，仅改新训练默认值。

actpred/README.md

@@ -120,8 +120,8 @@ recorder.flush()
 
 | 参数 | 默认值 | 说明 |
 |------|--------|------|
-| `--image-width` | 1920 | 图像缩放宽度 |
-| `--image-height` | 1080 | 图像缩放高度 |
+| `--image-width` | 640 | 图像缩放宽度 |
+| `--image-height` | 480 | 图像缩放高度 |
 | `--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）|
@@ -131,7 +131,7 @@ recorder.flush()
 | `--attn-layers` | 2 | TransformerEncoder 层数 |
 | `--epochs` | 100 | 训练轮数 |
 | `--lr` | 0.001 | 学习率 |
-| `--batch-size` | 4 | 批次大小（默认分辨率 1920×1080 下 CPU/Pi 内存受限；小分辨率可调大） |
+| `--batch-size` | 4 | 批次大小（默认分辨率 640×480；更高分辨率需调小，小分辨率可调大） |
 | `--normalize-actions` | False | 动作归一化（`--no-normalize-actions` 关闭） |
 | `--dropout` | 0.1 | Dropout 率 |
 | `--weight-decay` | 0.0001 | 权重衰减 |

actpred/config.py

@@ -5,8 +5,8 @@ from typing import Optional
 
 @dataclass
 class DataConfig:
-    image_width: int = 1920
-    image_height: int = 1080
+    image_width: int = 640
+    image_height: int = 480
     action_dim: int = 18
     history_len: int = 5
     frame_len: int = 3
@@ -28,8 +28,8 @@ class ModelConfig:
 
 @dataclass
 class TrainConfig:
-    # 默认输入分辨率 1920×1080，batch=32 在 CPU/Pi 上内存不可行；
-    # 高分辨率训练取小 batch，小分辨率可用 --batch-size 调大
+    # 默认输入分辨率 640×480（1080p 采集的预处理缩放在实机测速中主导
+    # 端到端延迟，见测速报告 §6.1）；更高分辨率训练时需调小 batch
     batch_size: int = 4
     epochs: int = 100
     lr: float = 1e-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_width: int = 1920, image_height: int = 1080,
+                 image_width: int = 640, image_height: int = 480,
                  normalize_actions: bool = False,
                  action_stats_path: str = None, episode_indices: list = None,
                  frame_len: int = 3):

actpred/gen_calibration.py

@@ -60,7 +60,7 @@ def build_image_samples(n_samples, frame_len, height, width, rng,
     """生成 (n_samples, frame_len, 3, H, W) uint8 校准图像
 
     存 uint8 原始像素值（0~255），加载时再做 ToTensor+Normalize，节省磁盘。
-    经 memmap 分块填充后返回：1080p 默认分辨率下整块数组约 600MB，
+    经 memmap 分块填充后返回：高分辨率（如 1080p）下整块数组可达 ~600MB，
     一次性分配容易挤爆内存，分块写盘把峰值压到 chunk_samples 帧量级。
     """
     if chunk_samples < 1:

actpred/test_actpred.py

@@ -305,8 +305,8 @@ class TestConfig(unittest.TestCase):
 
     def test_default_config(self):
         cfg = Config()
-        self.assertEqual(cfg.data.image_width, 1920)
-        self.assertEqual(cfg.data.image_height, 1080)
+        self.assertEqual(cfg.data.image_width, 640)
+        self.assertEqual(cfg.data.image_height, 480)
         self.assertEqual(cfg.data.action_dim, 18)
         self.assertEqual(cfg.data.history_len, 5)
         self.assertEqual(cfg.data.frame_len, 3)

docs/reports/actpred_inference_speed_benchmark_20260813.md

@@ -4,15 +4,15 @@
 设备：Raspberry Pi 5（4×A76）+ AI HAT 2（Hailo-10H）
 模型：actpred（~450K 参数，frame_len=3，history_len=5，action_dim=18）
 
-> ⚠️ **基线分辨率说明（2026-08-12 补注，N-3 修复）**
+> ⚠️ **基线分辨率说明（2026-08-13 更新）**
 >
 > 本报告 §1~§4 的全部数据均在 **640×480** 输入分辨率下测得。
-> 提交 `91b3004`（2026-08-12）已将模块默认输入分辨率改为
-> **1920×1080**（`config.py` 默认 `image_width/image_height`，与 pybot
-> 相机采集分辨率对齐）。**推理延迟随输入像素量近似线性增长
-> （1920×1080 ≈ 640×480 的 6.75 倍像素），本报告数字不能直接外推到
-> 新默认分辨率。** x86 参考机上的 1920×1080 复测数据见 §5；
-> Pi 5 / Hailo 板载在新分辨率下的数据待补测。
+> 提交 `91b3004`（2026-08-12）曾将模块默认输入分辨率改为
+> **1920×1080**（与 pybot 相机采集分辨率对齐）；2026-08-13 实机测速
+> 发现 1080p 采集的预处理缩放（约 45ms）主导端到端延迟（§6.1），
+> 默认分辨率**改回 640×480**（`config.py` 默认
+> `image_width/image_height`），§1~§4 数据重新适用。
+> 1920×1080 的 x86 复测数据见 §5，仅作分辨率影响趋势参考。
 
 ## 1. 测试方法