dqx46 / Robotics

外观

T800 AMP：官方策略的本地 MuJoCo 学习回放 ​

更新：2026-10-20。目标是研究带拟人风格的速度指令行走，为以后小桥适配做准备。

这次实际跑了什么 ​

  • 官方 T800 模型和网格：engineai_robotics_native_sdk，commit 335c60e88772c26c7852d0abd6b3c7439037dd8f。使用 assets/resource/t800.xml，原始模型/惯量/碰撞/摩擦/armature 均未改动；模型合计约 84.92 kg。
  • 官方 AMP ONNX 权重和保存的训练配置：engineai_rl_lab，commit c53f7ec614e34f1ea514cefb935894082f3d4c2a，run 2026-09-18_12-15-11，model_19999.onnx。SHA-256 049df8f0d24bdad0a34d4b1dd9107c81029a7f6528d1de235494d0493cdd1e9b。
  • 本地编写的播放器：play.py，通过现有 MuJoCo/ONNX Runtime 推理。不是官方 SDK 可执行程序，也不是完整 Isaac Lab 训练环境复现。当前 SDK 有通用 RlLabRunner 和 PM01 AMP 配置，尚无配套的 T800 rl_lab 配置；T800 的普通 rl_walking_example 是另一套观测/策略，不能直接替换权重。
  • 没有新训练，没有安装 Isaac Sim / Isaac Lab，也没有改变现有 T1/小桥训练环境。ONNX 和 MuJoCo 资产已可直接读取；训练 .pt、USD 和演示 GIF 的部分 LFS 资产尚未下载。

直接看效果 ​

bash
bash /home/z/bridge/rl/t800_amp/play.sh

终端或 MuJoCo 窗口：W 前进（0.65 m/s）；S / 空格停步；A / D 带前进左转/右转（±0.35 rad/s）；R 复位；P 暂停；Q 退出。按键设定目标，松开后保持；不需要持续按住。鼠标可转动、缩放视角。

自动播放站立 → 前进 → 左转 → 右转 → 停步，20 秒后退出：

bash
bash /home/z/bridge/rl/t800_amp/play.sh --demo --duration 20

实际动力学录像：20 秒演示。960×720、30 fps、600 帧、H.264/yuv420p/faststart，画面字幕标明模型/权重来源、本地播放器、仿真身份、时间与速度指令。录像不裁剪、不变速、不循环拼接。

重新录制：

bash
MUJOCO_GL=egl bash /home/z/bridge/rl/t800_amp/play.sh \
  --headless --demo --duration 20 \
  --video /home/z/bridge/rl/t800_amp/videos/t800_amp_demo.mp4 \
  --output /home/z/bridge/rl/t800_amp/results/recorded_demo.json

配套核对 ​

  • 23 个策略动作关节，J00～J22，两个头部关节保持保存配置中的默认目标。
  • 输入 1128 维：关节相对位置、速度、上一动作、机体角速度、投影重力各自保留 15 帧，按项展开，再拼接当前三维速度命令；不是按帧交错展开。
  • 按官方 RlLabRunner 初始化历史、处理动作、计算默认位姿偏移；使用 ONNX 内置观测归一化，不能再乘普通 walking 策略的 0.05 关节速度尺度。
  • 初始位姿、默认关节、每关节动作尺度、Kp/Kd 都从该 run 保存的 params/env.yaml 读取；YAML 以 BaseLoader 作为静态数据读取，不执行 Python 标签。
  • 策略 100 Hz，MuJoCo 500 Hz。每个物理步按 SDK TorqueController 计算 PD 力矩，由原始 XML 执行器限幅。
  • 重力、接触、自由基座开启，没有固定/托住机身；只在显示中隐藏碰撞几何。
  • 使用 SDK 原始 MuJoCo 模型的名义动力学，不模拟 Isaac 训练中的执行器随机延时、观测噪声、随机推力或全部 PhysX 设置。因此不能称为完整官方训练配方的原样复现。

本机结果 ​

结果是确定初态下的单次名义动力学回放，不能解释成统计鲁棒性或真机验收。

  • 20 秒恒定直行：目标 0.65 m/s；2 秒后平均前向速度约 0.588 m/s，速度 RMSE 约 0.100 m/s；最低基座高度约 0.976 m，最大倾斜约 3.36°，无摔倒、无自动复位。
  • 20 秒组合演示：0～2 秒停步，2～8 秒前进，8～12 秒左转，12～16 秒右转，16～20 秒停步。最低基座高度约 0.977 m，最大倾斜约 4.01°，无摔倒、无自动复位。
  • 排除各段前 1 秒过渡后：前进平均约 0.578 m/s；左转角速度约 +0.213 rad/s，右转约 -0.190 rad/s；末段停步平均前向速度约 0.002 m/s。转向幅度低于命令，有待进一步分析。
  • 独立录制运行与非渲染组合测试一致；完整时序保存在对应 NPZ，指标见 results/straight_065.json、results/stand_walk_turn_stop.json、results/recorded_demo.json。
  • 额外的启动排查：最初在行走 Kp/Kd 下自由 PD 等待一秒，导致策略启用前已有约 0.84 m/s 前向速度和 11.8° 倾斜，随后失败。改为从保存的训练初态直接启用策略。失败日志保留为 diagnostic_failed_1s_unsupported_pd_warmup.*，不删除或混入成功结果。
  • 桌面播放器对 MuJoCo 3.8 的 daemon 渲染线程做了退出等待，避免窗口关闭时 Python 提前销毁资源。

参考动作和下一步 ​

后退能力排查（2026-10-20） ​

当前 S 为停步，不是后退。这份权重保存的训练命令范围为前向 0.5～0.8 m/s、横向 0，以及 yaw ±0.6 rad/s，另有零命令站立环境，没有负前向速度训练。

两次确定初态、20 秒、无自动复位的负速度测试均未摔倒，但后退速度跟踪没有通过：指令 -0.15 m/s 时，2 秒后平均机体前向速度约 -0.0009 m/s，几乎停步；指令 -0.30 m/s 时，平均约 -0.0492 m/s，明显低于目标。完整报告与轨迹分别为 results/backward_m015.*、results/backward_m030.*。

因此目前不把 S 改成已验证的后退功能。可靠后退需要另建实验，补充负速度命令训练，并优先加入后退参考动作，单独验收反向速度跟踪和前后切换；本次没有启动新训练。

−0.15 m/s 测试报告 · −0.30 m/s 测试报告。

官方参考位于 /home/z/bridge/rl/engineai_rl_lab/datasets/amp/t800/data/，四段均为 100 Hz：普通行走 3462 帧、左转慢走 4792 帧、右转慢走 4358 帧、直线慢走 1991 帧。目录已拉取；尚未在本机逐段可视化验收，也未重定向到小桥。

先看现成 T800 策略是否符合想要的步态，再选择参考片段研究步幅、节奏、摆臂和肩胯配合。这不是对指定 T800 宣传视频算法/数据来源的确认。小桥迁移需要重新重定向和训练；不能把 T800 权重直接换模型使用。当前小桥自制模型仍只作学习，后续按官方建立仿真/实机基准后再扩展。

官方源码下载时，训练仓库有 7 个文件触发“应为 LFS 指针但实际是普通 blob”的上游属性差异，git status 会标记它们；本地没有修改这些官方文件。SDK checkout 保持干净。资产来源与哈希见 provenance.json。

仓库内证据 ​

T800 官方模型与策略，本地播放器仿真

恒定直行报告 · 组合动作报告 · 录像报告 · 来源与模型文件哈希。完整 NPZ 时序与播放器在本机 /home/z/bridge/rl/t800_amp。

dqx46 · Robotics / 算法工程项目与技术记录

小桥：非官方派生模型 · 当前结果仅在仿真中验证