关于训练的几个细节想进一步了解一下

1. Holobrain做了多种异构数据集的预训练，有没有对这些异构数据（EgoDex，仿真）做ablation实验，来验证加入这些数据混训对模型效果提升还是下降。
2. 训练config里，predict类型默认写了relative_joint_relative_pose. 看起来是相邻帧的差分，这种方式是不是会随着轨迹不断累积误差，改成类似Pi0.5那种chunk-wise relative会不会更好一些（相对chunk第一帧差分）。
3. relative joint减去上一帧没有问题，但是relative pose是四元数表示，减去上一帧貌似在数学上会有问题，应该算相邻帧pose的相对旋转矩阵。
4. 看训练的时候denoise是用DDPM，推理用DPM-Solver，为啥不用主流的Flow matching，训推速度会更快，效果也不错？