动作与状态归一化

训练前把各维动作和本体状态缩放到统一范围，推理后再换算回真实数值。

机器人动作和本体状态（关节角、夹爪开合、末端位置等）各维单位和量级差别很大，直接输入网络会让大数值维度主导损失、训练不稳。常见做法是在训练数据上统计每一维的均值和标准差，或第 1、第 99 百分位数（分位数归一化），把数据缩放到零均值单位方差或 [-1, 1]。这些统计量就是 norm stats，要随模型权重一起保存，推理时对输出做反归一化才得到真实指令；分位数比最小/最大值更不怕异常值。Physical Intelligence 的 FAST 论文即用 1%/99% 分位数归一化动作；openpi 微调前要先跑 compute_norm_stats.py，若新任务的机器人在预训练数据里出现过，也可沿用预训练的统计量。统计量没对上是真机动作异常的常见原因。

例子π0-FAST 在把动作切成 token 之前，先把训练集中每个动作维度的第 1 和第 99 百分位数映射到 [-1, 1]，方便不同机器人的数据用同一套分词器。

也叫

归一化统计量、norm stats、分位数归一化、动作归一化、状态归一化

相关

动作分词器、π0-FAST、本体感知、跨本体数据、openpi、微调

来源

FAST: Efficient Action Tokenization for Vision-Language-Action Models (arXiv 2501.09747)
openpi（Physical Intelligence GitHub）