 qing
|
1cf428f384
|
feat(actpred): log_range 归一化——spk 两列对数尺度修正精度错配
fixed_range 线性 min-max 下常用值挤在低端（10Hz→0.002），闭环反馈
中小绝对误差=大相对误差（模型 C/D 发散根因）。新增 normalize_mode=
log_range：spk.F/spk.delay 用 log10(1+x) 对数尺度（10Hz→0.27），
舵机列保持线性。全链路接入（dataset/pretrain/predict/onnx/hailo/
calibration/export），与 v3 审计 none 模式/元数据自动识别合并。
|
2026-08-14 21:38:14 +00:00 |
|
|
qing
|
85bf68f505
|
feat(actpred): 固定范围归一化 + 逐列加权损失，附 pybot*actpred 审计修复
新增 action_norm.py 固定物理范围 min-max 归一化，无 stats 文件零状态部署；train.py 引入 _weighted_mse 逐列加权（舵机 1.0/spk 0.2/保留位 0.0）。审计修复: P0-1 pybot 读 normalize_mode, R2-1 NaN 阻断 best, P2-a 后端大小写不敏感, P1-3 utf-8-sig BOM, R1-1 data_dir 覆盖, R2-7 _run.sh 报错, R2-3 空 val 存 best.pt, P2-a2 误报警, R1-2 合并 parse_action_history, P2-b 合并 numpy import。评估修正 oob 物理界+error_growth 按 episode 中位数。推理部署全链支持 fixed_range。
|
2026-08-14 18:26:03 +08:00 |
|
|
qing
|
aa271e395a
|
fix(pybot×actpred): 审计修复 7 项——Hailo 部署链语义对齐 + NaN 安全
P1-1: export_deploy.py forward() 从硬编码 3 帧改为 *inputs 动态解析
P1-2: hailo_infer.py 补 predict_delta 支持（残差模式 + --ckpt 自动检测）
P1-3: pybot _load_predictor 自动查找 pred_token.npy/action_stats.npy/
companion checkpoint，恢复 Hailo 推理训练语义
P1-4: pretrain_mt.py random_images 每 batch 重新生成噪声，防 BN 退化
P2-1: predict.py/hailo_infer.py/robot.py 三层 NaN/Inf 防线
P2-3: recorder.py imu_dim 默认 8→0，避免外部直接使用时形状错误
P2-5: _npu_test.py imu_dim 移到函数定义前，消除执行顺序依赖
|
2026-08-14 16:23:05 +08:00 |
|
|
qing
|
823e91a30e
|
fix(actpred): 修复 HEF 帧归一化误判与部署图数值不等价，补齐 P3 审计项
- hailo_infer: 帧归一化判定改为量化网格 dequant(0)（旧启发式把归一化
帧当原始像素喂入，图像路径饱和破坏；实机 max_diff 2.55→0.37，
img 敏感性 1.44→22.26）
- export_deploy: pool kernel 由卷积真实输出尺寸探测（H//16 在 1080
高度下静默丢弃末行）；mobilenet backbone 给出明确报错
- mt_parser: @Action 为文件末位块时解析成功，不再静默丢数据
- config: checkpoint train 段未知键/非 dict 校验；init-from 兼容性
警告助手（normalize/action_dim），train 与 pretrain 共用
- dataset: stats 文件形状校验；predict: 移除误导性 --action-dim
- dfc_compile: --frame-count 参数化（原硬编码 3 帧）
- gen_calibration: 旧模式校准图像改分块 memmap 生成（1080p 原一次性
分配 ~600MB）
- _npu_test: torch 参考反归一化对齐后再与 HEF 比较
- 单测 81→90 全过；README 与测速报告更新为验证轮次数据
|
2026-08-13 15:22:34 +08:00 |
|
|
qing
|
316758d80e
|
fix(actpred): 修复动作归一化统计量未覆盖 history 导致的 z-score 爆炸
两个问题（本轮归一化编译链路上实测暴露）：
1. 统计量只按 targets 计算：targets 中恒定的列 std 落到 1e-8
地板值，而 history 窗口可能含该列的其他取值（.mt 脚本前几行），
z-score 爆炸（实测 (90-45)/1e-8=4.5e9）→ act_tokens ±1e9 →
DFC optimize 报 NegativeSlopeExponentNonFixable（desired shift
23 > 15 data bits）。pretrain_mt.py 与 dataset.py 的统计量改为
history∪target 联合计算，修复后校准数据 max|z| = 4.77。
2. action_stats_path 存成含目录的相对路径（"./checkpoints/
action_stats.npy"），推理端（predict/export_deploy/gen_calibration）
按 checkpoint 目录解析时二次拼接成 checkpoints/./checkpoints，
导出直接 FileNotFoundError。train.py/pretrain_mt.py 改存裸文件名
"action_stats.npy"（stats 与 checkpoint 同目录，语义一致）。
新增回归测试 test_stats_cover_history_values（history 独有取值不
得被 1e-8 地板值打爆），全量 77 通过。
归一化重编译全链路通过：token 量级 |img|=0.53 |act|=2.93 健康，
optimize 通过，连通性检查 5/5，HEF 2.02MB 已部署 Pi 待 _npu_test
复验。
|
2026-08-13 06:43:51 +00:00 |
|
|
qing
|
52c0ade3c4
|
fix(actpred): 定位 HEF 输入不敏感根因，补齐归一化预训练链路
根因：预训练全零图像占位使 BN running_var 停在初始小值，推理时
特征放大至 ±1e6，DFC 在 token merge 点按最大幅度分配共享量化
scale，pred_token/act_tokens 全部被压成 0，HEF 输出对任何输入
恒定（详见 docs/reports/actpred_hef_insensitivity_rootcause_20260813.md）
- export_deploy.py：新增 check_token_ranges 导出前 token 量级检查
（|img|>100 中止导出并提示微调；act/img 比例过大警告；归一化
模型在 z 空间采样，避免零方差列爆炸）
- pretrain_mt.py：新增 --random-images（ImageNet 归一化噪声占位，
恢复 BN 统计）、--init-from（微调起点，含动作空间一致性警告）、
--normalize-actions 完整支持（训练集 stats 计算与保存、验证集复用）
- gen_calibration.py：归一化模型的校准集自动 z-score 动作历史
- _onnx_validate.py / _npu_test.py：归一化模型适配（torch 参考
z-score、HailoPredictor 传 stats_path）
- README：预训练章节补充新参数与 NPU 部署警告
- 单测 76/76 通过；冒烟验证：1 epoch 噪声微调后 |img| 2.46e5→8，
归一化后 |act| 694→2.9
|
2026-08-13 13:57:38 +08:00 |
|
|
qing
|
91b30040c7
|
refactor(actpred): 模型输入尺寸 image_size → image_width/image_height，默认 1920×1080
config/model/dataset/train/pretrain/predict/export 全链路适配非方形输入，
hailo_infer/onnx_infer 从模型元数据动态推导宽高；旧 224 checkpoint 配置键
不兼容（重训后替换）。Pi 5 CPU 冒烟验证 1080p 训练可行（~4.75s/步 batch=2）。
|
2026-08-13 02:19:30 +08:00 |
|
|
qing
|
d17677bade
|
fix(actpred): ONNX opset 升级 + NumPy 兼容 + 断点续训 + MobileNetV2 离线弹性
- export_onnx: opset 17→18，dynamic_axes 改 dynamic_shapes 消除弃用警告
- predict: action_stats 改为 torch tensor，消除 NumPy 2.0 __array_wrap__ 警告
- train/pretrain: 每 epoch 保存 last.pt，新增 --resume 断点续训练
- model: MobileNetEncoder 下载失败时回退到已缓存权重
- _set.sh: 安装时预缓存 MobileNetV2 权重，失败给出明确指引
- test: 新增 TestResumeCheckpoint（2 用例），总计 58 测试全绿
|
2026-08-10 04:07:37 +00:00 |
|
|
qing
|
4dd25486f8
|
feat(actpred): 多帧注意力架构改造（Transformer 替换 concat 融合，支持多帧图像+历史动作序列）
|
2026-08-09 18:17:03 +00:00 |
|
|
qing
|
63cfdd2066
|
actpred: 两轮代码审计修复与文档合并
- 第 1 轮安全审计修复: F-1~F-10（路径校验、预训练架构修正等）
- 第 2 轮复审修复 11 项: 3 项上轮修复不完整（R01 checkpoint 键校验/
R02 fused_hidden_dim 值域/R03 pretrained=False）+ 8 项新问题
（actions.npy 形状校验、帧数警告、CLI 值域校验、stats 形状与路径、
onnxscript 依赖、归一化语义、解析去重）
- 单元测试由 17 扩展至 51 用例（50 通过 + 1 环境性跳过）
- 审计文档两轮合并至 actpred_CODE_AUDIT_20260808.md，更新 INDEX
|
2026-08-08 19:37:41 +00:00 |
|
|
qing
|
45e019952e
|
actpred: action_dim改18 + .mt脚本预训练入口
- config.py: action_dim默认值 8→18（对齐bot4cj 18列）
- mt_parser.py: 轻量级.mt @Action解析器（支持-占位符前向填充）
- pretrain_mt.py: 预训练入口（零图像占位，checkpoint兼容现有推理）
- _run.sh: 新增pretrain子命令
- README.md: 新增预训练文档 + action_dim说明
- test_actpred.py: 测试断言更新为18
|
2026-08-08 17:09:14 +00:00 |
|