feat(pybot×actpred): R2 多 MPU6050 支持——8×N 姿态向量拼接与归一化平铺

- robot：_find_imus/_read_imus 按脚本块行序收集拼接 ≤4 个 MPU6050，_pad_imu 对齐 predictor.imu_dim

- recorder/imu_norm/dataset/config：imu.npy 宽度 8×N，归一化除数按传感器数平铺

- 测试：双传感器闭环拼接/pad/truncate、宽布局录制、16 维归一化加载

actpred/README.md

@@ -113,7 +113,7 @@ data/
             0001.jpg
             ...
         actions.npy       # shape: (T, action_dim) float32
-        imu.npy           # 可选，shape: (T, imu_dim) float32（MPU6050 姿态，R2）
+        imu.npy           # 可选，shape: (T, 8×N) float32（N 个 MPU6050 姿态拼接，R2）
     episode_002/
         ...
 ```
@@ -121,12 +121,14 @@ data/
 每个 timestep 的样本：帧 `[t-frame_len+1, t]`（旧→新）+ 前 `history_len` 步动作 → 当前步动作。
 采样起点为 `max(history_len, frame_len-1)`。
 
-`imu.npy` 的键序为 `[roll, pitch, ax, ay, az, gx, gy, gz]`（roll/pitch 角度制，
-其余为 MPU6050 原始 int16），由 pybot `--record` 在脚本含 `@MPU6050_BIND` 块时
-逐帧同步落盘。**旧 episode 没有姿态数据，训练 IMU 模型需用新版 pybot 重新录制**；
-`--imu-dim`>0 时缺失 `imu.npy` 的 episode 按零向量兜底（向后兼容，但无姿态先验收益）。
-姿态归一化按物理量程固定缩放（roll/pitch ÷180，原始 int16 ÷32768），训练与推理
-共用 `imu_norm.py`，无需统计文件。
+`imu.npy` 每传感器占 8 槽 `[roll, pitch, ax, ay, az, gx, gy, gz]`（roll/pitch
+角度制，其余为 MPU6050 原始 int16），多传感器（最多 4 个）按脚本
+`@MPU6050_BIND` 行顺序拼接，由 pybot `--record` 逐帧同步落盘。**旧 episode
+没有姿态数据，训练 IMU 模型需用新版 pybot 重新录制**；`--imu-dim`>0 时缺失
+`imu.npy` 的 episode 按零向量兜底（向后兼容，但无姿态先验收益）。
+姿态归一化按物理量程固定缩放（roll/pitch ÷180，原始 int16 ÷32768，8 槽模式
+按传感器数平铺），训练与推理共用 `imu_norm.py`，无需统计文件。
+录制/训练/闭环脚本的传感器行顺序必须一致，否则槽位错位。
 
 ### 数据采集
 
@@ -150,7 +152,7 @@ recorder.flush()
 | `--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）|
-| `--imu-dim` | 0 | R2 姿态输入维度（>0 启用独立 IMU token；8=roll,pitch,ax,ay,az,gx,gy,gz）|
+| `--imu-dim` | 0 | R2 姿态输入维度（>0 启用独立 IMU token；8×N，N=传感器数≤4）|
 | `--backbone` | simple | CNN 类型 (simple/mobilenet) |
 | `--attn-dim` | 128 | 注意力 token 维度 d_model（须能被 attn-heads 整除）|
 | `--attn-heads` | 4 | 注意力头数 |

actpred/config.py

@@ -15,7 +15,8 @@ class DataConfig:
     action_stats_path: Optional[str] = None
     # R2 方案一：MPU6050 姿态作为独立 IMU token 注入（序列 F+H+2）。
     # 0 = 关闭（默认，序列保持 F+H+1，旧 checkpoint 完全兼容）；
-    # 8 = roll,pitch,ax,ay,az,gx,gy,gz（pybot recorder 的 imu.npy 格式）。
+    # 8×N = N 个传感器的 roll,pitch,ax,ay,az,gx,gy,gz 按 pybot 脚本
+    # @MPU6050_BIND 行顺序拼接（最多 4 个 → 32，pybot recorder 的 imu.npy 格式）。
     imu_dim: int = 0
 
 
@@ -85,7 +86,7 @@ def build_argparser(description: str = "") -> argparse.ArgumentParser:
     parser.add_argument("--action-stats-path", type=str, default=None)
     parser.add_argument("--imu-dim", type=int, default=None,
                         help="R2 方案一：MPU6050 姿态维度（0=关闭，默认；"
-                             "8=roll,pitch,ax,ay,az,gx,gy,gz，序列变 F+H+2）")
+                             "8×N=N 个传感器拼接（≤4 个），序列变 F+H+2）")
     parser.add_argument("--backbone", type=str, default=None, choices=["simple", "mobilenet"])
     parser.add_argument("--cnn-feature-dim", type=int, default=None)
     parser.add_argument("--fused-hidden-dim", type=int, default=None)

actpred/dataset.py

@@ -10,7 +10,7 @@ from torch.utils.data import Dataset
 from torchvision import transforms
 from torchvision.transforms import functional as TF
 
-from imu_norm import IMU_SCALES
+from imu_norm import imu_scales
 
 
 def _natural_key(p):
@@ -164,7 +164,7 @@ class ActionDataset(Dataset):
         if len(imus) < n:                       # 与帧数对齐：不足补零
             imus = np.concatenate([
                 imus, np.zeros((n - len(imus), self.imu_dim), dtype=np.float32)])
-        return imus[:n] / IMU_SCALES[:self.imu_dim]
+        return imus[:n] / imu_scales(self.imu_dim)
 
     def _imu_at(self, imus, t):
         """时刻 t 的归一化姿态向量（与最新帧对齐）；无数据 → 零向量"""

actpred/imu_norm.py

@@ -9,20 +9,31 @@
     索引 0,1   /180   → ≈[-1, 1]
     索引 2..7  /32768 → ≈[-1, 1]
 
-键序与 pybot robot.IMU_KEYS / recorder 一致：
+单传感器键序与 pybot robot.IMU_KEYS / recorder 一致：
     [roll, pitch, ax, ay, az, gx, gy, gz]
+多传感器（最多 4 个）按 pybot 脚本 @MPU6050_BIND 行顺序拼接，
+每传感器占 8 槽，imu_dim = 8×N，归一化除数按 8 槽模式平铺。
 
 仅依赖 numpy，保证 hailo_infer.py（HAT 部署环境无 torch）可直接复用。
 """
 
 import numpy as np
 
-# 各索引归一化除数（imu_dim=8 全量；更短的向量取前缀）
+# 各索引归一化除数（单传感器 8 槽；多传感器用 imu_scales() 平铺）
 IMU_SCALES = np.array([180.0, 180.0,
                        32768.0, 32768.0, 32768.0,
                        32768.0, 32768.0, 32768.0], dtype=np.float32)
 
 
+def imu_scales(imu_dim: int) -> np.ndarray:
+    """归一化除数向量：8 槽模式按传感器数平铺（imu_dim = 8×N，N≤4）
+
+    imu_dim ≤ 8 时等价 IMU_SCALES 前缀（roll/pitch 子集仍可用）。
+    """
+    reps = (imu_dim + len(IMU_SCALES) - 1) // len(IMU_SCALES)
+    return np.tile(IMU_SCALES, reps)[:imu_dim]
+
+
 def normalize_imu(imu, imu_dim: int = 8) -> np.ndarray:
     """原始姿态向量 → 归一化向量（pad/truncate 到 imu_dim）
 
@@ -34,4 +45,4 @@ def normalize_imu(imu, imu_dim: int = 8) -> np.ndarray:
         src = np.asarray(imu, dtype=np.float32).ravel()
         n = min(len(src), imu_dim)
         vec[:n] = src[:n]
-    return vec / IMU_SCALES[:imu_dim]
+    return vec / imu_scales(imu_dim)

actpred/test_actpred.py

@@ -1836,6 +1836,20 @@ class TestR2ImuNorm(unittest.TestCase):
         self.assertEqual(out.shape, (2,))
         np.testing.assert_allclose(out, [1.0, -1.0], atol=1e-6)
 
+    def test_multi_sensor_tiled_scales(self):
+        """多传感器（8×N，N≤4）：归一化除数按 8 槽模式平铺"""
+        from imu_norm import normalize_imu, imu_scales, IMU_SCALES
+        scales = imu_scales(32)
+        self.assertEqual(scales.shape, (32,))
+        for k in range(4):
+            np.testing.assert_array_equal(scales[k * 8:(k + 1) * 8],
+                                          IMU_SCALES)
+        # 单传感器 8 槽模式 [±180, ∓180, 32768×6] 拼接两组 → 归一化重复
+        raw = ([180.0, -180.0] + [32768.0] * 6) * 2
+        out = normalize_imu(raw, 16)
+        np.testing.assert_allclose(
+            out, ([1.0, -1.0] + [1.0] * 6) * 2, atol=1e-6)
+
 
 class TestR2ImuModel(unittest.TestCase):
     """R2 方案一模型：独立 IMU token 注入（序列 F+H+2）"""
@@ -1965,6 +1979,22 @@ class TestR2ImuDataset(unittest.TestCase):
             np.testing.assert_allclose(imu[:2], [1.0, -1.0], atol=1e-6)
             np.testing.assert_array_equal(imu[2:], np.zeros(6, np.float32))
 
+    def test_multi_sensor_16wide_normalized(self):
+        """双传感器 imu.npy（16 列）：两组 8 槽分别按物理量程归一化"""
+        with tempfile.TemporaryDirectory() as tmpdir:
+            imus = [[180.0, 0, 0, 0, 0, 0, 0, 0,          # sensor0 roll
+                     0, 0, 0, 0, 0, 0, 0, 32768.0]] * 10  # sensor1 gz
+            self._create_episode(Path(tmpdir), "episode_0001", 10, 2,
+                                 imus=imus)
+            ds = ActionDataset(tmpdir, history_len=2, action_dim=2,
+                               image_width=16, image_height=16, frame_len=2,
+                               imu_dim=16)
+            imu = ds[0]["imu"].numpy()
+            self.assertEqual(imu.shape, (16,))
+            np.testing.assert_allclose(imu[0], 1.0, atol=1e-6)
+            np.testing.assert_allclose(imu[15], 1.0, atol=1e-6)
+            np.testing.assert_array_equal(imu[1:15], np.zeros(14, np.float32))
+
     def test_short_imu_aligned_with_zero_pad(self):
         """imu.npy 行数少于帧数 → 尾部补零对齐"""
         with tempfile.TemporaryDirectory() as tmpdir: