blackbird/docs/reports/pybot_actpred_dataset_training_eval_20260814.md

pybot×actpred 数据集录制与训练闭环评估实验报告

文档类型：实验报告 模块：pybot → actpred 作者：自动生成 日期：2026-08-14

---

1. 概述

1.1 背景

在微动作分解与自监督录制特性（见 pybot_micro_action_and_recording_20260813.md）基础上，本实验走通完整链路：dry-run 批量录制全部 .mt 动作脚本 → actpred 训练（未归一化 vs z-score 归一化两个版本）→ R4 离线闭环评估，并基于评估结果给出下一步开发方案（见 actpred_action_norm_weighting_plan_20260814.md）。

1.2 实验目标

1. 批量录制全部 12 个动作脚本，产出 actpred 格式数据集
2. 训练两个对照模型：normalize_actions=False（旧默认）与 =True（新默认，commit a2c3a57）
3. 用 evaluate.py（R4 闭环代理评估）对比两模型，定位误差主导列
4. 暴露并修复训练/评估链路的缺陷

1.3 关键结论速览

• 闭环舵机角无发散，误差主导列是 spk.F（扬声器频率，10→1000Hz 大跨度）
• 归一化使聚合 MSE 降低 2.6×（6447→2445），但存在舵机精度 ↔ 频率跟踪的权衡
• oob_rate / error_growth 两个指标在含恒值列的退化数据集上失效，需修正（见开发方案 §3）
• 修复 1 个潜伏 bug：normalize_actions=True 时 val_ds 找不到 action_stats（commit 7ec8c9d）

---

2. 数据集批量录制

2.1 方法

scripts/*.mt 均无 @Camera 块（该块为 pybot 新增，原脚本与 bot4cj 共享故未改）。采用注入式录制：不改动原脚本，为每个 .mt 在 @Action 前注入 @Camera（640×480@30fps）生成变体到 data/pybot_record_scripts/，再逐个 dry-run 录制。批处理脚本：data/record_all.sh（可重复执行）。

新增录制脚本 bot4cj/scripts/record_stand.mt（commit af0ff56）：基于 std.mt 扩展 @Camera + MPU6050 绑定 + 5 行 @Action（delay=200），产出 81 步插值序列。

2.2 录制结果

dry-run 下帧为合成随机噪声、IMU 全零（Mock I2C 读零）。共 13 个 episode、865 帧、804 个训练样本（history_len=5, frame_len=3）：

Episode	脚本	步数	Episode	脚本	步数
0000	record_stand	81	0007	stdd	46
0001	jump	27	0008	t0	211
0002	left-hand	123	0009	tilt-b	46
0003	left-turn	58	0010	tilt-f	46
0004	lie-down	11	0011	tilt-l	46
0005	rght-hand	123	0012	tilt-r	46
0006	std	1

注：episode_0006 仅 1 步（单行 @Action 首行不分解，属设计行为），对训练无贡献。仅 episode_0000 有 imu.npy（全零），其余无 IMU 文件，ActionDataset 按零向量处理。

2.3 数据验证

• ActionDataset（imu_dim=0 与 =8 两种模式）加载通过，804 样本 0 形状异常
• 微动作插值验证：s1 舵机 45°→60° 按 20 微步线性插值（每步 0.75°），spk.delay 微步期 10ms，与设计一致
• 每步帧独立（bfa6d8d 同步 capture 修复生效）

---

3. 训练实验

3.1 实验设置

项	值
分辨率	640×480（不降分辨率）
增强	ColorJitter（--augment）
batch / workers	4 / 2（CPU 训练，~4 分钟/epoch）
epochs / patience	100 / 15（early stopping）
训练/验证	12 / 1 episode（763 / 41 样本，seed 42）

3.2 模型 A：未归一化（normalize_actions=False，旧默认）

• 50 epochs 触发 early stopping，best val_loss = 19.02（原始量纲 MSE，数百量级）
• loss 轨迹：4344（epoch 1）→ 296（epoch 50），val 收敛至 ~20-30

3.3 模型 B：z-score 归一化（normalize_actions=True，新默认）

• 26 epochs 触发 early stopping，best val_loss = 0.0288（归一化量纲 <1.0，符合 commit a2c3a57 预期）
• loss 轨迹：0.188（epoch 1）→ 0.0288（epoch 11 最优）

3.4 训练链路缺陷修复

归一化默认开启后暴露潜伏 bug：train.py 将 action_stats 保存到 checkpoint_dir 后，cfg 只留裸文件名 "action_stats.npy"，val_ds 按 cwd 解析 → FileNotFoundError。修复：验证集构建用完整路径，checkpoint 配置存裸文件名（推理端按 checkpoint 目录解析）。同步修正 test_warn_init_from_mismatch 对旧默认值的隐式依赖（commit 7ec8c9d，141 测试全过）。

3.5 推理冒烟

模型 B 加载正常，接口契约 frame_len=3 / history_len=5 / action_dim=18 / imu_dim=None 与 pybot 闭环鸭子类型约定一致；单次推理 ~84ms（x64 CPU）。真实帧+真实历史预测 t=5 动作：s1 误差 1.78°（模型 A 为 4.39°），数值范围合理。

---

4. R4 闭环评估

4.1 聚合指标对比

指标	模型 A（未归一化）	模型 B（归一化）
overall_mse	6446.7	2445.4（2.6× 优）
oob_rate	100%	28.1%
smoothness_ratio	0.147（近常数输出，过度平滑）	1.047（≈真值变化，正常）
error_growth	0.005	0.082（均 <1，无发散）

4.2 逐 episode 对比（闭环滚动 mean_mse）

Episode	步数	模型 A	模型 B	比值
0000 stand	76	25.5	134.0	5.26× 恶化
0001 jump	22	20.5	221.1	10.78× 恶化
0002 left-hand	118	21252.2	6849.7	0.32× 改善
0003 left-turn	53	276.0	641.0	2.32× 恶化
0004 lie-down	6	35.2	46.9	1.33× 恶化
0005 rght-hand	118	21340.0	8022.9	0.38× 改善
0007 stdd	41	49.8	115.9	2.33× 恶化
0008 t0	206	644.5	553.3	0.86× 改善
0009-0012 tilt-*	41×4	29.8-34.2	59.6-751.7	1.74-25.12× 恶化

4.3 误差主导列定位

对 left-hand 逐列分析（模型 A，mean_mse 21252）：

• 舵机列（0-9）预测全部在合理范围（35-85°），无物理危险
• 列 10（spk.F）是 MSE 主导源：该脚本真值 10→1000Hz，模型预测 ~340Hz 折中值 → 单列平方误差 10万-44万
• 列 8、12-17 为恒值列（s9=90°、保留位 0），预测有微小偏差但绝对值无害

4.4 指标退化发现

1. oob_rate=100%（模型 A）不可信：数据集中 7 个恒值列（span=1e-6）经验界宽度为零，任何微小偏差都计越界。模型 B 的 28.1% 改善主要来自 spk.F 落入经验界，指标本身仍需修正（见开发方案 §3）
2. error_growth 有误导性：不同长度 episode 混叠使曲线非单调（中期尖峰来自 123 帧 hand episode，结束后回落），末段/首段比值掩盖了中期爆涨

4.5 核心结论

归一化把各列方差拉平，隐式实现了"全列等权"，带来 spk.F 跟踪改善（hand 类 3× 提升），代价是舵机角跟踪精度下降（简单动作 1.3-25× 恶化）。缩放方式与列重要性是正交的两个维度，需要显式逐列权重解耦——详见开发方案 actpred_action_norm_weighting_plan_20260814.md。

---

5. 产物与提交

产物	位置
数据集（865 帧 / 804 样本）	data/pybot_record/（231MB，不入 git）
模型 A checkpoint	actpred/checkpoints/recorded_run/
模型 B checkpoint	actpred/checkpoints/recorded_run_norm/
评估报告 JSON	data/eval_recorded.json / data/eval_recorded_norm.json
批录制脚本	data/record_all.sh

相关提交：af0ff56（record_stand.mt）、7ec8c9d（stats 路径 bug 修复）。

6. 局限

• 帧为合成噪声、IMU 全零：视觉/姿态通路未学习到真实信号，结论仅覆盖动作动力学部分
• 验证集仅 1 个 episode（41 样本）：模型选择噪声大，最优 epoch 有偶然性
• 两个模型各 13 万步级样本、CPU 训练 2-3 小时：结论在更大数据与实机数据上需复核