基于前视视角的自动驾驶数据采集与ACT模型训练系统。

• 前视视角模拟器（俯视图 + 第一人称伪3D视角）
• 键盘控制（WASD/方向键）
• 数据采集用于ACT训练
• 模型训练与推理

# 后端依赖
cd backend
pip install -r requirements.txt -i https://pypi.mirrors.ustc.edu.cn/simple/

# 前端依赖
cd ../ui
npm install

cd backend
python main.py

后端运行在 http://localhost:8000

cd ui
npm run dev

前端运行在 http://localhost:5173

1. 在模拟器中使用 WASD 或方向键控制小车
2. 点击"开始采集"按钮开始记录数据
3. 采集完成后点击"停止采集"（自动导出到 output/dataset/）

1. 确保已采集足够数据（至少100个样本）
2. 点击"开始训练"按钮
3. 训练完成后模型保存在 output/train/model.pt

1. 点击"加载模型"加载训练好的模型
2. 点击"自动推理"让小车自主行动

当前 ACT 相关代码已经按职责拆分为几层：

• policies/models/act/
  • 纯模型定义、配置、默认参数与训练脚本
• backend/services/act_checkpoint.py
  • checkpoint 解析、模型实例化、stats 加载
• backend/services/act_preprocess.py
  • 图像预处理、状态归一化、动作反归一化
• backend/services/act_execution.py
  • 在线 temporal ensembling / action chunk 融合策略
• backend/services/act_model.py
  • ACTInferenceRuntime 运行时装配层
• backend/api/__init__.py 与 backend/sio_handlers/__init__.py
  • 通过显式 runtime 接口调用推理，不再直接依赖隐式模块状态

统一检查入口：

python3 backend/run_act_checks.py

该入口当前会执行：

python3 -m pytest tests/act -q

当前会顺序运行：

• tests/act/test_model_minimal.py
• tests/act/test_runtime_backend.py
• tests/act/test_data_export_stats.py
• tests/act/test_end_to_end_smoke.py

如果这一入口通过，说明当前 ACT 主链路至少在最小工作流上是闭合的。

├── backend/           # 后端代码
│   ├── main.py        # 入口
│   ├── api/           # REST API
│   ├── sio_handlers/  # Socket.IO 事件处理
│   └── services/      # ACT runtime / 训练 / 导出
├── tests/
│   └── act/           # ACT 最小回归与 smoke tests
├── ui/               # 前端代码
├── output/           # 输出目录
│   ├── dataset/     # 采集的数据
│   └── train/       # 训练模型
│       └── model.pt
└── README.md

• 后端: FastAPI, Socket.IO, PyTorch
• 前端: React, TypeScript, Socket.IO Client