# LeRobot常量关节近零标准差致归一化值 rollout 爆炸

> 原文链接：https://robotics.hellobike.com/pitfalls/2026-11-09-lerobot-5289
> 频道：pitfalls | 更新日期：2026-11-09 | 标签：auto, github-issue, lerobot
> 核心摘要：训练数据中静止关节标准差近零导致推理时微小抖动被放大。可通过手动修改数据集 stats.json 中对应关节的标准差下限来规避。

# LeRobot常量关节近零标准差致归一化值 rollout 爆炸

::: v-pre
> 本文由 AI 根据公开内容整理，可能有误，请以原文为准：[Near-zero standard deviation on a constant joint silently blows up normalized values at rollout](https://github.com/huggingface/lerobot/issues/5289)（GitHub huggingface/lerobot #5289）

**状态**：有绕过办法

## 问题

在 LeRobot v0.6.2 中使用 ACT 策略训练双臂机器人单臂任务时，闲置关节位置恒定导致标准差接近零（如 1.48e-6）。Rollout 时该关节若出现 0.2 度微小抖动，经 MEAN_STD 归一化后数值飙升至约 135,000，MIN_MAX 模式下甚至达 40,000,000。现有 eps 防护仅针对严格零值，无法区分物理运动与编码器噪声，导致策略输出异常且无报错警告。

## 环境

LeRobot v0.6.2, Python 3.12.13, PyTorch 2.11.0+cu130, NVIDIA RTX 5090, Linux x86_64; 机型 XLeRobot (dual-arm), 策略 ACT, 数据集 20 episodes。

## 解决办法

1. 定位训练数据集目录下的 `meta/stats.json` 文件，找到闲置关节对应的状态统计字段。
2. 将该关节的 `std` 值手动修改为合理的物理下限（例如 0.1 或根据传感器噪声水平设定），确保其远大于原始近零值。
3. 执行 `lerobot-train` 脚本，训练器将读取修改后的 stats 并初始化 normalizer processor，使训练与保存的处理器均使用新的标准差下限。
4. 对于已有 checkpoint，尝试通过 `DataProcessorPipeline.from_pretrained(..., overrides={"normalizer_processor": {"stats": ...}})` 加载时覆盖 stats，但需注意输入尺度变化可能导致原模型失效，建议基于修正后的统计数据重新训练策略。

讨论原作者：@SashaBajzek 等，版权归原作者所有。
:::

## 原始参考来源 (Sources)

- [GitHub huggingface/lerobot #5289：Near-zero standard deviation on a constant joint silently blows up normalized values at rollout](https://github.com/huggingface/lerobot/issues/5289)