一条推理请求的一生：从观测到动作

观测进来 → 先「整理+缩放」成模型认识的张量 → 模型「采样」出动作 → 再「还原」成机器人能执行的格式。

下面分两部分：先看策略对象怎么一次性组装好，再看每次请求怎么走。

先弄清两个词

• 变换（transform）：一个"把数据字典改一改"的小函数（重命名键、缩放数值、把文字切成 token……）。多个变换按顺序串起来就是一条管线。
• 归一化统计量（norm stats）：训练数据里每个量（姿态、动作的每一维）的均值和取值范围。用它把数值缩放到统一区间（如 [-1,1]），模型才好学；推理时还要用同一套统计量还原回真实数值。

第一部分：策略对象怎么组装（一次性）

create_trained_policy(config, ckpt_dir)（policy_config.py:16）做三件事：

1. 载模型——靠检查点里有没有 model.safetensors 判定是 PyTorch 还是 JAX 模型（policy_config.py:49-50）。
2. 载归一化统计量——默认从检查点自带的 assets 目录载，而不是从配置目录，确保用的和训练时一模一样（policy_config.py:59-64）。
3. 拼好输入、输出两条变换管线（policy_config.py:75-94）：
   • 输入管线（顺序）：整理键名 → 补默认指令 → 机器人专属映射 → 归一化 → 切 token / 缩放图像。
   • 输出管线是它的逆序：反归一化 → 机器人专属还原。

第二部分：一次请求怎么走（Policy.infer，policy.py:68）

1. 先把输入拷贝一份（变换会原地改，policy.py:70）。
2. 过输入管线（policy.py:71）→ 得到模型张量；再加一个 batch 维、转成 JAX/PyTorch 张量（policy.py:72-79）。
3. 打包成 Observation → 调 model.sample_actions（采样动作；π0 是从噪声一步步去噪，原理见 模型架构）（policy.py:90-95）。
4. 去掉 batch 维 → 过输出管线（policy.py:102）：把动作从归一化空间还原，并切回机器人真实动作维。
5. 返回 actions（未来步数 × 机器人动作维）+ 推理耗时。

关键约定：每个机器人一对 Inputs/Outputs

输入管线里"机器人专属映射"这步，是适配不同机器人唯一要改的地方。每个平台写一对 dataclass：

• LiberoInputs（libero_policy.py:29）：把机器人的 observation/image、observation/state 搬到模型要的键（image.base_0_rgb、state），没有的相机用零填充。
• LiberoOutputs（libero_policy.py:87）：模型输出的动作维被 pad 到 32，这里切回机器人真实的前 7 维。

换个机器人，照着改这一对就行，模型和其余管线都不用动。

归一化为什么是"硬依赖"

训练时所有姿态/动作都被缩放过；推理时模型也只认缩放后的数。必须用训练时那套统计量来缩放输入、还原输出（Normalize / Unnormalize，transforms.py:114 / 148）。统计量缺失或对不上，模型看到的数值尺度就错了，直接产出垃圾动作——所以它默认从检查点自带 assets 载。详见 设计决策。

远程推理变体（同一个 Policy）

机器人端算力弱时，可以把模型跑在远端 GPU：serve_policy.py 用同样的 create_trained_policy 造出 Policy，包进一个 WebSocket 服务（默认端口 8000）。客户端（packages/openpi-client）把观测用 msgpack 打包发过来，服务端收到就 policy.infer(obs)、把动作打包发回（websocket_policy_server.py:55-72）。机器人端只管"发观测、收动作"。

这条路径告诉你的事

• 归一化统计量是推理正确性的硬依赖（从检查点 assets 载，和训练对齐）。
• 同一套变换训练和推理共用：输出管线是输入管线的逆序，机器人专属逻辑全收在一对 Inputs/Outputs 里。
• 模型对上层透明：Policy 不区分 π0 还是 π0-FAST，差异藏在 sample_actions 和 token 相关变换里。