当前实验状态

非官方学习记录：小桥模型、重定向、训练配置、策略和评估均为我们本地自制/适配，可能与实机存在很大差距。现有结果只作学习对照；后续先按官方建立基准，再扩展。详见 官方基准路线。

更新：2026-10-20。当前主线是 小桥全身动作跟踪的仿真学习。已完成 2 Phút Hơn v1 的训练与选版，官方小桥仿真/实机基准尚未建立；后续正式扩展先以官方基准为依据。

2026-10-20 后续：AMP v4 修正版与 Quest 准备

当前AMP实验为4096环境、6000轮的全新训练，run为2026-10-20_17-44-53_t800_v4_stand_turn_fresh_4096；这是一条带日期的状态快照，网站不实时读取训练进度。采用原生mjlab站姿奖励、双膝目标范围和正确分支的左右转参考。当前训练尚未验收。

上一轮第4000轮虽能站满20秒，但站立/停步时反向弯膝，左右转指令未训练；已停止旧轮，保留model_4400.pt及失败证据。后续评估必须同时检查姿态、速度、方向和存活，不能只凭奖励平台判定成功。

Quest 3与D435i已经具备；VR源码已在本地，头显实际连接和小桥实时遥操尚未完成。主线是先复现输入与上游IK，再适配小桥。详见重定向与遥操与感控一体准备。

已跑通的链路

官方机械 CAD + 关节参数
→ 本地小桥 URDF 与基础碰撞体
→ 审核动作来源和本体差异
→ 重定向、连续性修复、避碰、FK/速度检查
→ mjlab + PPO 从头训练
→ 自由基座 MuJoCo 动力学回放
→ 完整动作评估 + 局部误差检查 + 用户观看

目前没有把现成 T1/G1 策略直接换模型部署到小桥。迁移的是建模、数据处理和训练方法；小桥策略独立训练。

采用的结果

T1 李小龙基线

任务为社区 BoosterT1mjlab 加本地头部跟踪奖励，保存 model_9999.pt。用户反馈“基本上非常完美”。完整动作及模拟速度扰动两组各 32/32 完成。来源与命令见 T1 实验记录。

小桥江南 Style v3

• 4096 环境，3000 轮，从头训练；本机日志耗时约 1 小时 18 分。
• 从第 0 帧完成约 32.36 秒评估；nominal、perturbed、kick 各 32/32，未观察到失败前摔倒。
• nominal 身体关键点平均误差约 2.13 cm，关节 RMSE 约 6.22°。
• 用户反馈“这个训练算通过，很不错”，采用 v3。

小桥 2 Phút Hơn v1

• 原始 swayLoop_01 为 5.3 秒循环；训练参考展开为 6 个循环，端点跨度 31.8 秒。
• 4096 环境，3000 轮，从头训练；本机日志耗时约 1 小时 19 分。
• 评估 1591 个控制步约 31.82 秒，三组各 32/32，未观察到失败前摔倒。
• nominal 身体关键点平均误差约 0.88 cm，关节 RMSE 约 1.80°。
• 用户最终明确“就保留 V1”。头部相对人体参考摆动方向的差异保留，不称为已修复。

两项小桥本地学习参考的路径、哈希和版本经过见 小桥动作实验；机器可读索引见 baselines.json。数字只针对当前模型、固定测试配置和种子；不是概率意义上的“永不摔倒”。

新增：T800 官方 AMP 策略学习

为研究拟人风格行走，使用众擎官方 T800 MuJoCo 模型、ONNX 权重和保存的训练参数，编写本地推理播放器；尚未运行完整官方 SDK/Isaac Lab 训练流程。20 秒直行和20 秒站立/前进/左右转/停步组合测试均无摔倒、无自动复位；组合最大基座倾斜约 4.01°。转弯响应低于命令，未验证抗扰或实机，用户尚未验收步态风格。没有新训练，也未将 T800 策略迁移到小桥。 实验、来源和完整录像。

当前评估：小桥 T800 风格 AMP v3 未通过

按用户要求，用现有自制小桥模型完成 T800 实际策略轨迹的重定向：16 秒直行、各 4 秒左右转，运动学限位/速度/基础碰撞检查通过。小规模训练闭环已跑通；v1 第100轮能站满20秒但实际速度近零，已停止，保留证据。v2去掉静态专家后仍只站不走，又复现观测历史重复推进的本地接口缺陷；v3修复并通过集成检查后，以4096环境从头完成3000轮。最终整体未通过：前进/左右转各16个名义环境跑满20秒；直行目标0.28 m/s、实际0.187 m/s，左转目标+0.25 rad/s、实际+0.118，右转实际-0.238。零命令站立11.36秒出现首个失败；步态呈贴地小碎步，尚未学到目标大步摆臂风格。保留真实动态录像与失败报告，不作为新基线；参考对比视频仍仅是运动学。当前任务不等于已建立官方小桥基准或完成上机。完整记录。

这次不再继续的分支

• 江南 Style 早期版本：局部手臂翻转、轨迹跳变，已被 v3 替代。
• 2 Phút Hơn v2：优先人体头部摆动方向，用户认为扭胯表现不如 v1。
• v3：放大 v2 的横移和侧倾，用户认为改善不明显。
• v4：保留 v1 其他关节轨迹，腰部 yaw 摆幅加倍；用户认为与 v1 无明显视觉区别。

后三个版本只有运动学候选和检查记录，没有训练出对应策略，也没有替代已完成训练的 v1。文件作为历史实验保留，不作为当前默认版本。

已完成与尚未完成的边界

• 已有本地小桥模型并完成若干动作的动力学训练；“还要等 URDF 才能做小桥仿真”已经过时。
• 惯量是 CAD 估算并按 13 kg 归一化，PD/armature 是工程参数，并联踝是串联等效；模型详情见 bridge-model.md。
• 尚未验收小桥独立速度指令 locomotion、真机 sim2real、站起恢复、实时 Quest 小桥遥操、视觉操作或 VLA。
• T1 locomotion 已验收，不能把它记成“小桥已会走路”。小桥舞蹈不倒也不能自动证明速度指令任务已经完成。
• Light-O1/SONIC 是保留的学习方向。本次没有证据确认已完成它们的官方策略部署或大规模训练。

下一步怎么选

先按 官方基准路线 核查并固定官方模型、控制/训练配置与部署流程，建立相应的仿真和实机基准，再扩展小桥能力。当前自制学习结果不作为官方基准的替代。

候选项目 保留 HoST/T1 起身、HOMIE、Quest、PHP 等学习方向，尚未启动。官方材料不完整时，可继续用现有模型或其他机器人学习，但单独标记身份。

完整学习录像见 视频记录。