修复（模型）：阻止批处理填充改变预测动作

内容摘要

批量推理时同一条观测的输出可能随批次组成而变：同批提示词被补齐到最长，真实机器人形态也只填满固定动作画布（action_horizon 动作时域 × max_action_dim 最大动作维度）的一部分；若填充位对动作头可见，同一句指令仅因批次不同就可能得到不同动作。NVIDIA 在 Isaac-GR00T 仓库的这次修复（README 训练提示章节记载）把它变成两个可选开关：--strict_vl_padding_mask 把左填充的视觉-语言 token 挡在 vl_self_attention 栈与动作头扩散 transformer（DiT）交叉注意力之外；--strict_action_padding_mask 把补齐的动作维度与时域 token 挡在动作编码器与 DiT 自注意力之外。两者默认继承 checkpoint（已训练权重）且对已发布 checkpoint 保持关闭，新训练可开启，状态写入 checkpoint 的 config.json（动作掩码另写 processor_config.json），微调未显式指定则沿用。官方只给出一个量化：关闭视觉-语言掩码时，一条观测的动作会随同批次其余样本的提示词长度偏移约 2% 的动作量级，且是在合成骨干特征上用已发布 checkpoint 的动作头自测，不是真机成功率。代价在部署链路：开启后 TensorRT 导出图不接受掩码输入，vl_self_attention 需留在 PyTorch，纯 DiT 的 TensorRT 路径拒绝含视觉-语言填充的批次；严格动作掩码训练的 checkpoint 必须用 PyTorch 动作头服务，TensorRT 导出与引擎替换路径直接拒绝。背景是 N1.7 正式发布（GA），骨干换为 Cosmos-Reason2-2B（Qwen3-VL 架构），状态/动作维度由 29 扩到 132、action_horizon 由 16 扩到 40，rollout 参数改名为 --execution-horizon。

点评

对做机器人本体软件的工程师，这是一个直接影响部署确定性的坑：批量推理时同一条观测的输出不应依赖同批次的其他样本。GR00T 的做法是把这一行为变成两个显式开关，并写清与 TensorRT 导出/服务路径的冲突，避免把批次组成变成难以复现的隐藏变量。以上行为与代价均以 NVIDIA README 的记载为准，属厂商工程说明而非独立复现结论。

限制：证据为 NVIDIA Isaac-GR00T 仓库 README 的固定版本抓取快照（该文档随版本滚动更新，章节与参数名会变化），本次材料未包含代码改动本身，也没有第三方复现；2% 是厂商在合成骨干特征上用已发布 checkpoint 的动作头自测的数字，不是真机或基准任务成功率；README 中的 GA、性能与稳定性表述均为厂商自述，未见独立验证；快照的抓取时间不能证明所有描述在报告截止前已存在。

原文与定位

• 原文链接 README:paragraph:131；README:paragraph:131；README:paragraph:131；README:paragraph:131；README:paragraph:131；README:paragraph:131；README:paragraph:131；README:paragraph:10；README:paragraph:30；README:paragraph:11；README:paragraph:6；README:paragraph:107