qing
9000bb4b04
B 是六模型闭环评估中唯一稳定配置（2445/0.082），固化完整方案作为 部署基线与实验对照基准，并总结归一化系列失败机理（反馈回路需误差 有界且收缩）。配套实现：spk.F/spk.delay 权重归零、推理/反馈固定 常量（bins.FIXED_OUTPUT），拔除闭环发散源，为 B2（zscore+v2）与 F2（onehot+固定）铺路。
98 lines
4.3 KiB
Python
98 lines
4.3 KiB
Python
"""动作向量固定物理范围归一化 —— 训练（dataset/pretrain_mt）与推理
|
||
（predict / onnx_infer / hailo_infer / gen_calibration / export_deploy）共用
|
||
|
||
18 列动作向量的物理量纲（pybot 侧契约）：
|
||
0-9 舵机角度 [0, 180]°（pybot/hd/servo.py MAX_ANGLE=180.0 校准后全行程）
|
||
10 spk.F 扬声器频率 [0, 5000] Hz（@Speaker max_f=5000）
|
||
11 spk.delay 延时 [0, 2000] ms（脚本实用上限，std.mt 用 10-500）
|
||
12-17 保留位（恒 0，hi-lo=1.0 使归一化后仍为 0；损失权重 0 不参与优化）
|
||
|
||
min-max 映射到 [0,1]：x_norm = clip((x - lo) / (hi - lo), 0, 1)。
|
||
与 z-score 的区别：固定物理范围不依赖 action_stats.npy 数据统计文件，
|
||
部署链零状态；clamp 防御真实数据越界（越界值截断到 [0,1]，不扩散）。
|
||
|
||
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
|
||
|
||
# 各列物理下界（当前全 0；保留数组以便未来引入非零下界列）
|
||
ACTION_LO = np.zeros(18, dtype=np.float32)
|
||
# 各列物理上界（18 列标准布局；action_dim 不同用 action_bounds() 适配）
|
||
ACTION_HI = np.array(
|
||
[180.0] * 10 + # 0-9 舵机角
|
||
[5000.0, 2000.0] + # 10 spk.F，11 spk.delay
|
||
[1.0] * 6, # 12-17 保留位（恒 0，span=1.0 保持归一化后为 0）
|
||
dtype=np.float32)
|
||
|
||
# 归一化方式：fixed_range 线性 min-max；log_range 在 spk 两列上用
|
||
# log10(1+x) 对数尺度，修正低端聚集导致的精度错配
|
||
# （10Hz 在线性尺度占 0.002、对数尺度占 0.27）
|
||
RANGE_MODES = ("fixed_range", "log_range")
|
||
LOG_COLS = (10, 11) # spk.F / spk.delay
|
||
|
||
|
||
def is_range_mode(mode: str) -> bool:
|
||
"""normalize_mode 是否为固定范围类（fixed_range / log_range）"""
|
||
return mode in RANGE_MODES
|
||
|
||
|
||
def action_bounds(action_dim: int = 18):
|
||
"""(lo, hi) 物理界：action_dim ≤ 18 取前缀；> 18 的超出列按 [0, 1] 补足"""
|
||
if action_dim <= len(ACTION_LO):
|
||
return ACTION_LO[:action_dim], ACTION_HI[:action_dim]
|
||
pad = action_dim - len(ACTION_LO)
|
||
return (np.concatenate([ACTION_LO, np.zeros(pad, dtype=np.float32)]),
|
||
np.concatenate([ACTION_HI, np.ones(pad, dtype=np.float32)]))
|
||
|
||
|
||
def normalize_action(action, action_dim: int = None,
|
||
mode: str = "fixed_range") -> np.ndarray:
|
||
"""原始动作向量 → [0,1] 归一化向量（clamp 防御越界值）
|
||
|
||
action: (..., action_dim) 任意前导维；action_dim 缺省取末维长度。
|
||
mode="fixed_range"：全列线性 min-max；
|
||
mode="log_range"：LOG_COLS 列用 log10(1+x)（负值先截 0），其余列线性。
|
||
"""
|
||
a = np.asarray(action, dtype=np.float32)
|
||
lo, hi = action_bounds(action_dim or a.shape[-1])
|
||
out = np.clip((a - lo) / (hi - lo), 0.0, 1.0)
|
||
if mode == "log_range":
|
||
for c in LOG_COLS:
|
||
if c < a.shape[-1]:
|
||
hc = float(hi[c])
|
||
col = np.clip(a[..., c], 0.0, None)
|
||
out[..., c] = np.log10(col + 1.0) / np.log10(hc + 1.0)
|
||
return out
|
||
|
||
|
||
def denormalize_action(norm_action, action_dim: int = None,
|
||
mode: str = "fixed_range") -> np.ndarray:
|
||
"""[0,1] 归一化向量 → 原始动作向量（不 clamp，保留模型外推能力）
|
||
|
||
mode="log_range" 时 LOG_COLS 列指数还原：x = 10^(n·log10(hi+1)) - 1。
|
||
"""
|
||
n = np.asarray(norm_action, dtype=np.float32)
|
||
lo, hi = action_bounds(action_dim or n.shape[-1])
|
||
out = n * (hi - lo) + lo
|
||
if mode == "log_range":
|
||
for c in LOG_COLS:
|
||
if c < n.shape[-1]:
|
||
hc = float(hi[c])
|
||
out[..., c] = (np.power(10.0, n[..., c] * np.log10(hc + 1.0))
|
||
- 1.0)
|
||
return out
|
||
|
||
|
||
def default_column_weights(action_dim: int = 18) -> np.ndarray:
|
||
"""逐列损失权重默认表：舵机 1.0（安全关键）；spk.F / spk.delay 0.0
|
||
（只影响声音/节奏不影响运动，推理端固定常量，见 bins.FIXED_OUTPUT）；
|
||
保留位 0.0（恒 0 纯噪声）。action_dim>18 的扩展列默认 1.0：超出
|
||
当前 18 列语义布局的通道视为新执行器，静默给 0 会让其完全不参与
|
||
训练（P2-a1）。"""
|
||
w = np.zeros(action_dim, dtype=np.float32)
|
||
w[:min(10, action_dim)] = 1.0
|
||
if action_dim > 18:
|
||
w[18:] = 1.0
|
||
return w
|