blackbird

722 Commits 2 Branches 0 Tags

2 Commits

Include renames

Author	SHA1	Message	Date
qing	a2ba797410	feat(pybot×actpred): R2 姿态反馈方案一——MPU6050 独立 IMU token 全链路 - pybot：recorder 逐帧落盘 imu.npy（T×8，roll,pitch,ax,ay,az,gx,gy,gz，与帧/动作同调用对齐）；run_loop 对声明 imu_dim 的 predictor 以 predict(..., imu=) 调用（鸭子类型，旧两参调用向后兼容） - actpred：新增 --imu-dim；model 序列 [img×F, act×H, (IMU), PRED]（imu_dim>0 时 F+H+2，IMU token 位于 PRED 前）；dataset/train 读 imu.npy（缺失按零向量兜底）；predict/ONNX/Hailo 三后端与 export/gen_calibration/dfc_compile/_npu_test 部署链适配 imu 输入 - 姿态按物理量程固定缩放归一化（imu_norm.py，训练/推理共用，零状态） - 测试：actpred 128 passed / pybot loop+recorder 28 passed	2026-08-14 09:07:24 +08:00
qing	cc2f7bca79	feat(actpred): R1 残差预测+多步展开训练与 R4 离线评估基准 R1（可选开关，默认关，向后兼容）： - --predict-delta：残差预测，target=Δ=a[t]-a[t-1]（归一化空间），推理端 predict 自动加回 a_{t-1}（惯性先验平滑动作） - --rollout-len K + --ss-prob：多步展开 + scheduled sampling，首步真历史、后续步按概率用真历史或自预测回传（detach 截断），治 exposure bias；dataset 多步样本返回 {steps:[...]}，自定义 collate - 旧 checkpoint getattr 默认 False 兼容；pybot 闭环/部署链零改动 R4（新增 evaluate.py）： - 留出 episode 开环滚动预测，复刻闭环口径（图像真值滚动、动作自预测回写） - 5 个闭环代理指标：overall_mse/error_growth(发散)/error_curve/ smoothness_ratio(平滑)/oob_rate(越界，数据经验界 min/max+margin) - 支持 --compare A/B 对比与 --output JSON 报告 - 端到端验证：正确捕捉开环发散(单步 MSE 盲区)与残差平滑收益新增 17 用例（R1×10 + R4×7），全量 100 passed 无回归	2026-08-14 07:52:22 +08:00

Author

SHA1

Message

Date

qing

a2ba797410

feat(pybot×actpred): R2 姿态反馈方案一——MPU6050 独立 IMU token 全链路

- pybot：recorder 逐帧落盘 imu.npy（T×8，roll,pitch,ax,ay,az,gx,gy,gz，与帧/动作同调用对齐）；run_loop 对声明 imu_dim 的 predictor 以 predict(..., imu=) 调用（鸭子类型，旧两参调用向后兼容）

- actpred：新增 --imu-dim；model 序列 [img×F, act×H, (IMU), PRED]（imu_dim>0 时 F+H+2，IMU token 位于 PRED 前）；dataset/train 读 imu.npy（缺失按零向量兜底）；predict/ONNX/Hailo 三后端与 export/gen_calibration/dfc_compile/_npu_test 部署链适配 imu 输入

- 姿态按物理量程固定缩放归一化（imu_norm.py，训练/推理共用，零状态）

- 测试：actpred 128 passed / pybot loop+recorder 28 passed

2026-08-14 09:07:24 +08:00

qing

cc2f7bca79

feat(actpred): R1 残差预测+多步展开训练与 R4 离线评估基准

R1（可选开关，默认关，向后兼容）：
- --predict-delta：残差预测，target=Δ=a[t]-a[t-1]（归一化空间），
  推理端 predict 自动加回 a_{t-1}（惯性先验平滑动作）
- --rollout-len K + --ss-prob：多步展开 + scheduled sampling，
  首步真历史、后续步按概率用真历史或自预测回传（detach 截断），
  治 exposure bias；dataset 多步样本返回 {steps:[...]}，自定义 collate
- 旧 checkpoint getattr 默认 False 兼容；pybot 闭环/部署链零改动

R4（新增 evaluate.py）：
- 留出 episode 开环滚动预测，复刻闭环口径（图像真值滚动、动作自预测回写）
- 5 个闭环代理指标：overall_mse/error_growth(发散)/error_curve/
  smoothness_ratio(平滑)/oob_rate(越界，数据经验界 min/max+margin)
- 支持 --compare A/B 对比与 --output JSON 报告
- 端到端验证：正确捕捉开环发散(单步 MSE 盲区)与残差平滑收益

新增 17 用例（R1×10 + R4×7），全量 100 passed 无回归

2026-08-14 07:52:22 +08:00