legbot_lab

KO | EN

gitlite — search

#python #hacktoberfest #ai #typescript #llm #golang #deep-learning #nodejs #windows #awesome #kubernetes #awesome-list #pytorch #openai

(★ 21)

legbot四足机器人Isaac lab训练框架，包含PPO、PPO+MoE+CTS，可实现多种地形下的鲁棒运动控制。

legbot_lab 최신버젼 다운로드

최종 버전 다운로드 (.zip)

// repository documentation

Was this content helpful?

★ 0 (0 ratings)

<h1 align="center">Legbot Lab</h1>

<p align="center">
  <a href="README_EN.md">English</a> | 简体中文
</p>

---

> 基于 NVIDIA Isaac Lab 框架的四足机器人 Legbot 强化学习训练与 Sim2Real 部署项目

---
**sim2sim**：

https://github.com/user-attachments/assets/5bf8b438-5e9c-414b-8c85-f02dfa7652be

**sim2real**：

https://github.com/user-attachments/assets/eef8a52f-630c-465d-b445-44af1b34fdec

---

## 目录

- [项目简介](#项目简介)
- [算法原理](#算法原理)
  - [PPO 算法概述](#ppo-算法概述)
  - [算法公式](#算法公式)
  - [网络架构](#网络架构)
- [项目结构](#项目结构)
- [机器人参数](#机器人参数)
- [快速开始](#快速开始)
  - [1. 安装 Isaac Lab](#1-安装-isaac-lab)
  - [2. 安装本项目](#2-安装本项目)
  - [3. 开始训练](#3-开始训练)
  - [4. 模型推理与导出](#4-模型推理与导出)
- [Sim2Real 部署](#sim2real-部署)
  - [系统架构](#系统架构)
  - [编译与运行](#编译与运行)
- [MDP 定义](#mdp-定义)
  - [观测空间](#观测空间策略网络)
  - [动作空间](#动作空间)
  - [Critic 特权信息](#critic-特权信息)
  - [终止条件](#终止条件)
- [奖励函数设计](#奖励函数设计)
- [域随机化](#域随机化)
- [训练参数](#训练参数)
- [安全保护机制](#安全保护机制)
- [技术栈](#技术栈)
- [项目团队](#项目团队)
- [许可证](#许可证)
- [引用](#引用)
- [致谢](#致谢)

---

## 项目简介

Legbot Lab 是一个完整的四足机器人强化学习（RL）训练与部署框架，目标是从仿真中训练出高性能的运动控制策略，并将其无缝部署到真实机器人上（Sim2Real）。

**核心特点：**

- **完整的 Sim2Real 闭环**：训练 → ONNX 导出 → C++ 控制器部署 → 实物运行
- **PPO 强化学习**：基于 RSL-RL 实现的 Proximal Policy Optimization 算法
- **DDS 通信架构**：控制器与硬件解耦，仿真与实物共用同一套 C++ 控制代码
- **丰富的域随机化**：质量、惯性、摩擦、PD 增益、外力扰动等多维度随机化
- **安全保护机制**：多级限幅、超限保护、安全状态机（FSM）
- **4096 并行环境**：GPU 加速训练，充分利用 Isaac Sim 的并行仿真能力

---

## 算法原理

### PPO 算法概述

本项目使用 **Proximal Policy Optimization (PPO)** 算法训练四足机器人的运动控制策略。PPO 由 OpenAI 于 2017 年提出，是一种基于策略梯度的 Actor-Critic 强化学习算法。

PPO 的核心思想是通过**裁剪策略更新幅度**来限制新旧策略之间的差异，从而稳定训练过程，同时保持较高的样本效率。

### 算法公式

#### 1. 裁剪代理目标（Clipped Surrogate Objective）

PPO 通过重要性采样比率衡量新旧策略对同一动作的概率变化：

$$
r_t(\theta)=\frac{\pi_\theta(a_t\mid s_t)}{\pi_{\theta_{\mathrm{old}}}(a_t\mid s_t)}
$$

裁剪代理目标为：

$$
L^{\mathrm{CLIP}}(\theta)=\hat{\mathbb{E}}_t\left[\min\left(r_t(\theta)\hat{A}_t,\mathrm{clip}\left(r_t(\theta),1-\epsilon,1+\epsilon\right)\hat{A}_t\right)\right]
$$

其中：

- $r_t(\theta)$ 为重要性采样比率；
- $\hat{A}_t$ 为优势函数估计；
- $\epsilon$ 为裁剪参数，本项目设置为 **0.2**。

#### 2. 广义优势估计（GAE）

为避免与重要性采样比率 $r_t(\theta)$ 混淆，下式使用 $R_t$ 表示时刻 $t$ 的即时奖励。

TD 残差为：

$$
\delta_t=R_t+\gamma V_\phi(s_{t+1})-V_\phi(s_t)
$$

广义优势估计为：

$$
\hat{A}_t^{\mathrm{GAE}}=\sum_{l=0}^{\infty}(\gamma\lambda)^l\delta_{t+l}
$$

其中：

- $\delta_t$ 为 TD 残差；
- $\gamma$ 为折扣因子，本项目设置为 **0.99**；
- $\lambda$ 为 GAE 参数，本项目设置为 **0.95**。

#### 3. 价值函数损失

价值网络使用目标价值作为监督信号：

$$
\hat{V}_t=\hat{A}_t+V_\phi(s_t)
$$

价值函数损失为：

$$
L^{\mathrm{VF}}(\phi)=\hat{\mathbb{E}}_t\left[\frac{1}{2}\left(V_\phi(s_t)-\hat{V}_t\right)^2\right]
$$

#### 4. PPO 总目标与训练损失

从最大化目标的角度，PPO 的组合目标可写为：

$$
J(\theta,\phi)=L^{\mathrm{CLIP}}(\theta)-c_1L^{\mathrm{VF}}(\phi)+c_2H\left[\pi_\theta(\cdot\mid s_t)\right]
$$

实际程序通常采用梯度下降，因此最小化的总损失写为：

$$
L_{\mathrm{total}}(\theta,\phi)=-L^{\mathrm{CLIP}}(\theta)+c_1L^{\mathrm{VF}}(\phi)-c_2H\left[\pi_\theta(\cdot\mid s_t)\right]
$$

其中，策略熵用于增加策略的探索能力。本项目的相关系数设置如下：

* 价值损失系数：c₁ = 1.0；
* 熵系数：c₂ = 0.01。

### 5. 自适应学习率（KL 散度控制）

PPO 根据实际 KL 散度与目标 KL 散度之间的关系动态调整学习率。

当实际 KL 散度过大时，降低学习率：

$$D_{KL}\gt 2D_{KL}^{target},\qquad \alpha\leftarrow\max\left(\alpha_{min},\frac{\alpha}{1.5}\right)$$

当实际 KL 散度过小时，提高学习率：

$$0\lt D_{KL}\lt 0.5D_{KL}^{target},\qquad \alpha\leftarrow\min\left(\alpha_{max},1.5\alpha\right)$$

其余情况下，保持当前学习率不变：

$$\alpha\leftarrow\alpha$$

本项目的目标 KL 散度设置为 0.01。其中，αmin 和 αmax 分别表示学习率下限和学习率上限。

### 6. PD 控制器

策略输出关节期望位置，并通过 PD 控制器计算关节力矩：

$$\tau=K_p(q_{des}-q)+K_d(\dot{q}_{des}-\dot{q})$$

训练仿真中的执行器增益设置为：

* Kp = 50 N·m/rad；
* Kd = 3.0 N·m·s/rad。

实物部署的 FixStand 状态采用：

* Kp = 60 N·m/rad；
* Kd = 4.0 N·m·s/rad。

不同运行状态下的 PD 增益，应分别以训练配置文件和部署配置文件为准。

### 7. 动作映射

首先对高斯策略网络输出的动作进行逐元素裁剪：

$$\widetilde{\mathbf{a}}=\min\left(\max\left(\mathbf{a},-100\right),100\right)$$

随后将裁剪后的动作映射为关节期望位置：

$$\mathbf{q}*{des}=\mathbf{q}*{default}+0.25\widetilde{\mathbf{a}}$$

其中，a 为 12 维高斯策略网络原始输出。环境首先将各维动作裁剪到 [-100, 100]，随后乘以 0.25 rad，并叠加到默认关节位置。因此，策略输出并未通过 tanh 函数硬限制在 [-1, 1]。

默认站立姿态设置如下：

* Hip 关节：0.0 rad；
* Thigh 关节：0.9 rad；
* Calf 关节：-1.8 rad。

### 网络架构

| 组件 | 架构 |
|------|------|
| Actor（策略网络） | MLP：`[actor_obs_dim] → 512 → 256 → 128 → 12`，ELU 激活 |
| Critic（价值网络） | MLP：`[critic_obs_dim] → 512 → 256 → 128 → 1`，ELU 激活 |
| 策略分布 | 高斯策略，初始动作噪声标准差为 1.0 |

单帧策略观测维度为 **45**。配置设置了 `history_length=10`、`concatenate_terms=True` 和 `flatten_history_dim=True`，因此 10 帧历史观测会被展平拼接，Actor 的实际输入维度为 $45\times10=450$。

---

## 项目结构

```
legbot_lab/
├── README.md                          # 项目文档（中文）
├── README_EN.md                       # 项目文档（英文）
├── env_cfg.py                         # 主环境配置（4096并行环境PPO训练）
├── legbot_rl_lab/                     # 核心 RL 训练与部署系统
│   ├── source/unitree_rl_lab/         # Python 训练源码（基于 Isaac Lab）
│   │   └── unitree_rl_lab/
│   │       ├── assets/robots/         # Legbot 机器人配置
│   │       │   ├── unitree.py         # UNITREE_LEGBOT_CFG
│   │       │   └── unitree_actuators.py # 执行器 T-N 曲线模型
│   │       ├── tasks/locomotion/
│   │       │   ├── agents/            # PPO 算法配置
│   │       │   ├── mdp/               # MDP 组件（奖励/观测/域随机化/命令）
│   │       │   └── robots/legbot/     # Legbot 环境配置
│   │       └── utils/                 # 工具函数（部署配置导出）
│   ├── scripts/                       # 训练/推理/测试脚本
│   │   └── rsl_rl/
│   │       ├── train.py               # 训练入口（headless 模式）
│   │       ├── play.py                # 推理/ONNX 导出
│   │       └── cli_args.py            # 命令行参数
│   ├── deploy/                        # C++ 部署代码（Sim2Real）
│   │   ├── include/
│   │   │   ├── FSM/                   # 有限状态机
│   │   │   │   ├── CtrlFSM.h          # 1 kHz 主状态机
│   │   │   │   ├── State_FixStand.h   # 站姿状态
│   │   │   │   ├── State_Passive.h    # 被动阻尼状态
│   │   │   │   └── State_RLBase.h     # RL 策略运行状态
│   │   │   ├── deploy_safety.h        # 安全保护（力矩/温度/姿态超限）
│   │   │   ├── deploy_csv_logger.h    # 50 Hz CSV 诊断日志
│   │   │   └── param.h               # 命令行参数解析
│   │   └── robots/legbot/
│   │       ├── config/config.yaml     # FSM 配置 & 安全参数
│   │       ├── include/Types.h        # DDS 接口定义
│   │       ├── main.cpp               # 控制器入口
│   │       └── src/State_RLBase.cpp   # ONNX Runtime 推理
│   ├── unitree_ros/robots/legbot_description/ # URDF & MJCF 模型
│   └── logs/rsl_rl/unitree_legbot_velocity/   # 训练日志 & 模型
├── simulate/                          # MuJoCo DDS 仿真器
│   ├── src/
│   │   ├── main.cc                    # 仿真主循环
│   │   ├── legbot_bridge.h            # DDS↔MuJoCo 桥接
│   │   └── physics_joystick.h         # 手柄/键盘驱动
│   └── config.yaml                    # 仿真配置
├── serial_dds_gateway/                # 串口⇔DDS 硬件网关
│   ├── src/legbot_rt_gait_pd.cpp      # 网关主程序（500 Hz）
│   ├── include/                       # IMU 帧解析/电机协议
│   └── start_gateway.sh               # 一键启动脚本
├── legbot/                            # NumPy 训练环境（独立导航任务）
│   ├── cfg.py                         # 场景配置
│   ├── legbot_section001_np.py        # 训练入口
│   └── xmls/
│       ├── legbot.xml                 # Legbot MJCF 定义
│       ├── scene_stairs.xml           # 楼梯场景
│       └── scene_world.xml            # 完整赛道场景
├── terrain_tool/                      # 地形生成工具
└── unitree_sdk2/                      # 宇树 DDS 通信库
```

---

## 机器人参数

Legbot 机器人 URDF 模型定义文件位于 [legbot_rl_lab/unitree_ros/robots/legbot_description/urdf/legbot_description.urdf](https://github.com/Robot-Nav/legbot_lab/tree/PPO-CTS-MOE/legbot_description)。

### 质量分布

| 部件 | 质量 (kg) | 数量 | 总质量 (kg) |
|------|-----------|------|-------------|
| 基座 (base) | 6.584 | 1 | 6.584 |
| 髋关节 (hip) | 0.080 | 4 | 0.319 |
| 大腿 (thigh) | 1.550 | 4 | 6.202 |
| 小腿 (calf) | 0.184 | 4 | 0.736 |
| 足部 (foot) | 0.040 | 4 | 0.160 |
| **总计** | | | **~14.0** |

### 机器人规格

| 参数 | 值 |
|------|-----|
| 机器人名称 | Legbot |
| 电机型号 | RobStride RS02（12 个） |
| 自由度 | 12（四足 × 髋/大腿/小腿） |
| 基座高度（站立） | 0.28 m（质心高度 0.277 m） |
| 总质量 | ~14.0 kg |
| 基座质量 | 6.584 kg |
| 大腿长度 | 0.1985 m |
| 小腿长度 | 0.214 m |
| 足端半径 | 0.021 m |

### 电机参数

| 关节 | 峰值力矩 | 峰值速度 | 减速比 | 备注 |
|------|----------|----------|--------|------|
| 髋关节 (hip) | ±16 N·m | 30 rad/s | 1:1 | |
| 大腿关节 (thigh) | ±16 N·m | 30 rad/s | 1:1 | |
| 小腿关节 (calf) | ±32 N·m | 15.7 rad/s | 1:2 | 减速比 1:2，模型空间角度转换电机空间需乘 2 |

### 关节限位

| 关节 | 下限 (rad) | 上限 (rad) |
|------|------------|------------|
| FR/FL Hip | -0.733 | 0.733 |
| FR/FL Thigh | -1.559 | 3.130 |
| RR/RL Hip | -0.733 | 0.733 |
| RR/RL Thigh | -0.512 | 4.177 |
| 所有 Calf | -2.639 | -0.785 |

### 硬件配置

| 参数 | 值 |
|------|-----|
| 板载电脑 | Orange Pi 6 （aarch64） |
| 传感器 | 自制串口 IMU（加速度 + 陀螺仪） |
| 通信总线 | USB-CAN × 2 + USB-串口（IMU） |
| 控制频率 | 1 kHz（控制器）/ 500 Hz（网关） |
| 通信中间件 | CycloneDDS（本机 lo 回环） |

---

## 快速开始

### 1. 安装 Isaac Lab

严格按照 [Isaac Lab 官方指南](https://isaac-sim.github.io/IsaacLab/main/source/setup/installation/index.html) 完成安装。

### 2. 安装本项目

```bash
# 克隆仓库
git clone https://github.com/Robot-Nav/legbot_lab.git
cd legbot_lab

# 激活 Isaac Lab 的 conda 环境
conda activate env_isaaclab

# 安装本项目为 editable 模式
pip install -e legbot_rl_lab/source/unitree_rl_lab
```

### 3. 开始训练

#### 3.1 主环境训练（4096 并行环境，PPO）

```bash
python legbot_rl_lab/scripts/rsl_rl/train.py \
    --task Unitree-Legbot-Velocity \
    --headless \
    --num_envs 4096 \
    --max_iterations 50000
```

> 说明：PPO 配置文件中的默认最大迭代次数为 **100000**；上述命令通过 `--max_iterations 50000` 将本次训练覆盖为 **50000** 次迭代。

**命令行参数：**

| 参数 | 说明 | 默认值 |
|------|------|--------|
| `--task` | 训练任务名称 | Unitree-Legbot-Velocity |
| `--headless` | 无渲染模式（加速训练） | False |
| `--num_envs` | 并行环境数量 | 4096 |
| `--max_iterations` | 最大训练迭代次数 | 配置默认 100000；示例命令覆盖为 50000 |
| `--seed` | 随机种子 | 随机 |
| `--resume` | 从断点恢复训练 | False |
| `--load_run` | 恢复时指定运行目录 | - |
| `--checkpoint` | 恢复时指定模型文件名 | - |

#### 3.2 恢复中断的训练

```bash
# 自动查找最新检查点恢复
python legbot_rl_lab/scripts/rsl_rl/train.py \
    --task Unitree-Legbot-Velocity \
    --resume \
    --headless

# 手动指定实验目录和检查点
python legbot_rl_lab/scripts/rsl_rl/train.py \
    --task Unitree-Legbot-Velocity \
    --resume \
    --load_run 2026-06-25_17-11-16 \
    --checkpoint model_108.pt \
    --headless
```

#### 3.3 NumPy 导航环境训练

```bash
python legbot/legbot_section001_np.py
```

### 4. 模型推理与导出

```bash
# 运行推理并自动导出 ONNX
python legbot_rl_lab/scripts/rsl_rl/play.py --task Unitree-Legbot-Velocity
```

推理时自动导出以下文件到 `logs/rsl_rl/unitree_legbot_velocity/<run_name>/exported/`：
- `policy.pt` — TorchScript 模型（Python 推理）
- `policy.onnx` — ONNX 模型（C++ 部署）
- `deploy.yaml` — 部署配置（关节映射、缩放因子等）

---

## Sim2Real 部署

### 系统架构

```
┌────────────────────┐  DDS (rt/lowcmd, rt/lowstate)  ┌──────────────────────┐  串口     ┌──────────────┐
│   legbot_ctrl       │◄──────────────────────────────►│  serial_dds_gateway  │◄────────►│ 12电机 + IMU │
│   (RL策略控制器)   │         CycloneDDS             │  (DDS↔串口协议网关)  │ type1-4  │ (凌足USB-CAN)│
└────────────────────┘                                └──────────────────────┘          └──────────────┘
         │                                                      │
   运行在香橙派上                                          运行在香橙派上
   1 kHz 控制循环                                          500 Hz 协议转换
   └──────────── 共享 lo 网卡 ────────────┘
```

**核心设计思想：控制器代码在仿真和实物上完全一致**，DDS 抽象层使得切换只需更换通信对端（MuJoCo 仿真器 或 serial_dds_gateway 硬件网关）。

### 编译与运行

#### 1. 编译网关（硬件桥接程序）

```bash
cd serial_dds_gateway
mkdir -p build && cd build
cmake -S .. -B .
cmake --build . -j$(nproc)
```

#### 2. 编译控制器

```bash
cd legbot_rl_lab/deploy/robots/legbot
mkdir -p build && cd build
cmake -S .. -B .
cmake --build . -j$(nproc)
```

#### 3. 运行（两终端模式）

**终端 1 — 启动网关（必须先启动）：**

```bash
cd serial_dds_gateway
./build/dds_to_serial_gateway \
    --serial-port-a /dev/myttyCAN0 \
    --serial-port-b /dev/myttyCAN1 \
    --imu-port /dev/myttyIMU \
    --network lo \
    --tick-hz 500 \
    --joint-bias-load-file config/joint_prone_bias.fatu.txt \
    --send-disable-on-exit
```

**终端 2 — 启动控制器（网关就绪后）：**

```bash
cd legbot_rl_lab/deploy/robots/legbot
./build/legbot_ctrl --network lo
```

#### 4. FSM 状态切换（手柄操作）

```
Passive（阻尼模式）──LT+A──► FixStand（站姿）──Start──► Velocity（RL接管）
      ▲                        ▲                              │
      │                        │                              │
      └──────── LT+B ──────────┴────────── LT+B ─────────────┘
```

---

## MDP 定义

### 观测空间（策略网络）

| 观测项 | 维度 | 缩放 | 噪声 |
|--------|------|------|------|
| 基座角速度（IMU 陀螺仪） | 3 | 0.25 | U(-0.2, 0.2) |
| 投影重力方向 | 3 | 1.0 | U(-0.05, 0.05) |
| 速度命令 | 3 | 1.0 | - |
| 关节位置（相对默认值） | 12 | 1.0 | U(-0.03, 0.03) |
| 关节速度 | 12 | 0.05 | U(-2.0, 2.0) |
| 上一动作 | 12 | 1.0 | - |
| **总计** | **45** | | |

单帧策略观测共 **45 维**。配置设置了 **10 帧历史观测**，并将历史维展平拼接，因此 Actor 的实际输入维度为 **450 维**。

### 动作空间

| 参数 | 值 |
|------|-----|
| 控制方式 | 关节位置控制 (PD) |
| 策略原始输出 | $\mathbb{R}^{12}$（高斯策略，非硬限幅） |
| 环境动作裁剪 | $[-100,100]^{12}$ |
| 动作缩放 | ×0.25 rad |
| 训练执行器刚度 $K_p$ | 50 N·m/rad |
| 训练执行器阻尼 $K_d$ | 3.0 N·m·s/rad |
| FixStand 部署增益 | $K_p=60$ N·m/rad，$K_d=4.0$ N·m·s/rad |
| 默认髋角 (hip) | 0.0 rad |
| 默认大腿角 (thigh) | 0.9 rad |
| 默认小腿角 (calf) | -1.8 rad |

### Critic 特权信息

Critic 网络可观测到策略无法获取的信息（Asymmetric Actor-Critic）：

| 特权信息 | 维度 | 说明 |
|----------|------|------|
| 基座线速度 | 3 | 真实速度值 |
| 关节加速度 | 12 | 加速度值 |
| 关节力矩 | 12 | 真实力矩 |
| 足部接触力 | 4 | 四足法向力 |
| 高度扫描（大范围） | 187 | 1.6×1.0m 地形高度图 |

Critic 使用当前单帧的 45 维基础观测，并额外加入 218 维特权信息，因此 Critic 总输入维度为 **263 维**；Critic 不使用 Actor 的 10 帧历史拼接。

### 终止条件

| 条件 | 阈值 |
|------|------|
| 超时 | Episode 达到 25 秒 |
| 摔倒 | 基座接触力 > 1.0 N |

---

## 奖励函数设计

训练中的总奖励为以下各项的加权和。正奖励鼓励跟踪速度命令，负奖励惩罚不期望的运动模式。

### 正奖励（跟踪目标）

| 奖励项 | 权重 | 公式 | 说明 |
|---|---:|---|---|
| 线速度跟踪 | +1.0 | $\exp(-((v_x-v_x^{cmd})^2+(v_y-v_y^{cmd})^2)/0.5)$ | 线速度跟踪指数奖励 |
| 角速度跟踪 | +0.5 | $\exp(-(\omega_z-\omega_z^{cmd})^2/0.5)$ | 偏航角速度跟踪指数奖励 |

### 负奖励（惩罚项）

| 惩罚项 | 权重 | 说明 |
|--------|------|------|
| 垂直线速度 L2 | -2.0 | 防止上下晃动 |
| 水平角速度 L2 | -0.05 | 抑制 roll/pitch |
| 基座高度偏差 L2 | -1.0 ~ -10.0 | 课程学习，保持 0.28 m 目标高度 |
| 关节加速度 L2 | -1e-7 | 鼓励平滑运动 |
| 关节功率 | -2e-5 | 降低能耗 |
| 关节力矩 L2 | -1e-4 | 避免过大扭矩 |
| 动作变化率 L2 | -0.01 | 鼓励平滑控制 |
| 动作平滑性 L2 | -0.01 | 三阶导数惩罚 |
| 不期望接触 | -1.0 | 大腿/小腿不应触地（阈值 5 N） |
| 关节限位 | -2.0 | 避免超出关节范围 |
| 足部调节 | -0.05 | 足部高度和间距约束 |
| Hip 位置 L1 | -0.05 | 静止时 Hip 保持 0 附近 |
| 关节位置 L1 | -0.01 | 静止时保持默认姿态 |

### 课程学习

| 课程项 | 起始值 | 终值 | 迭代区间 |
|--------|--------|------|----------|
| 垂直速度惩罚权重 | -2.0 | 0.0 | 0 → 1,500 |
| 高度惩罚权重 | -1.0 | -10.0 | 0 → 5,000 |
| 地形难度 | Level 0 | Level 5 | 随进度递增 |

---

## 域随机化

为了使策略从仿真迁移到真实机器人（Sim2Real），训练过程中引入大量域随机化。所有参数在每次训练启动、每次 Episode 重置或按固定间隔进行随机扰动。

### 质量与惯性随机化

> 模式：`startup`（训练开始时随机化一次，整个训练过程保持不变）

| 参数 | 分布 | 操作 | 说明 |
|------|------|------|------|
| 基座质量 | U(-1.0, 1.0) kg | 加法 | 模拟负载变化（±1kg） |
| 非基座部件质量 | U(0.9, 1.1) | 乘法 | 连杆质量 ±10% |
| 转动惯量 | U(0.9, 1.1) | 乘法 | 所有部件 ±10% |
| 质心位置 | U(-0.05, 0.05) m | 偏移 | base 质心 ±5 cm（x/y/z） |

### 摩擦与接触随机化

> 模式：`startup`

| 参数 | 范围 | 说明 |
|------|------|------|
| 静摩擦系数 | U(0.0, 2.0) | 64 种离散摩擦组合 |
| 动摩擦系数 | U(0.0, 2.0) | 与静摩擦一致绑定 |
| 恢复系数 | U(0.0, 0.5) | 碰撞弹性 |

### 执行器随机化

> 模式：`reset`（每次 Episode 重置时随机化）

| 参数 | 分布 | 说明 |
|------|------|------|
| PD 刚度 Kp | U(0.9, 1.1) | 乘法，模拟电机差异 |
| PD 阻尼 Kd | U(0.9, 1.1) | 乘法 |
| 关节零位偏移 | U(-0.035, 0.035) rad | ±35 mrad ≈ ±2°，模拟编码器误差 |

### 初始状态随机化

> 模式：`reset`

| 参数 | 分布 | 说明 |
|------|------|------|
| 初始关节位置 | U(0.5, 1.5) × 默认值 | 50%~150% 默认姿态 |
| 基座位置 | U(-0.5, 0.5) m (x/y) | 随机水平偏移 |
| 基座高度 | U(0.0, 0.2) m 偏移 | 随机初始高度 |
| 基座偏航 | U(-π, π) | 全方向随机朝向 |
| 基座线速度 | U(-0.5, 0.5) m/s | 随机初始速度 |
| 基座角速度 | U(-0.5, 0.5) rad/s | 随机初始角速度 |

### 周期性推扰

> 模式：`interval`，每 4 秒触发一次

| 参数 | 分布 | 说明 |
|------|------|------|
| 线速度扰动 (x/y) | U(-0.4, 0.4) m/s | 模拟外力推搡 |
| 角速度扰动 (roll/pitch/yaw) | U(-0.6, 0.6) rad/s | 模拟旋转扰动 |

### 观测噪声

> 模式：每步叠加（策略观测中）

| 观测量 | 噪声分布 | 缩放系数 |
|--------|----------|----------|
| 基座角速度 | U(-0.2, 0.2) | 0.25 |
| 投影重力 | U(-0.05, 0.05) | 1.0 |
| 关节位置 | U(-0.03, 0.03) | 1.0 |
| 关节速度 | U(-2.0, 2.0) | 0.05 |

> 注：Critic 观测不叠加观测噪声（`enable_corruption=False`），有助于降低价值估计中的额外随机扰动。

### 地形随机化

地形使用程序化生成器创建粗糙地形，支持课程学习。随训练进度（`train_env_steps`），地形难度从 Level 0（平坦）递增到 Level 5（复杂崎岖）。

---

## 训练参数

### PPO 超参数

| 参数 | 值 |
|------|-----|
| 算法 | PPO (Proximal Policy Optimization) |
| 学习率 | $1.0 \times 10^{-3}$（自适应） |
| 裁剪参数 $\epsilon$ | 0.2 |
| 折扣因子 $\gamma$ | 0.99 |
| GAE 参数 $\lambda$ | 0.95 |
| 熵系数 | 0.01 |
| 价值损失系数 | 1.0 |
| 最大梯度范数 | 1.0 |
| 每环境步数 | 24 |
| 学习轮数 | 5 |
| Mini-batch 数量 | 4 |
| 目标 KL 散度 | 0.01 |
| 最大迭代次数 | 100,000（配置默认值） |

### 训练规模

| 参数 | 值 |
|------|-----|
| 并行环境数 | 4,096 |
| 物理步长 | 0.005 s （200 Hz） |
| 控制降频系数（decimation） | 4（控制频率为 50 Hz） |
| Episode 长度 | 25 s（1,250 控制步） |
| 每次迭代样本数 | 4,096 × 24 = 98,304 |
| 总训练步数上限 | 4,096 × 24 × 100,000 ≈ 9.83 × 10⁹ |

### 网络配置汇总

| 参数 | 值 |
|------|-----|
| 隐藏层维度 | [512, 256, 128] |
| 激活函数 | ELU |
| 单帧策略观测维度 | 45 |
| 历史长度 | 10 帧 |
| Actor 实际输入维度 | 450（45 × 10 帧，历史维展平拼接） |
| 策略输出维度 | 12（关节位置偏移） |
| Critic 观测维度 | 263 |

---

## 安全保护机制

### 命令侧限幅（不影响运行）

| 保护项 | 限值 | 说明 |
|--------|------|------|
| Action Clip | ±100 | 策略原始输出裁剪 |
| 关节角度限位 | 可配置 | 硬限位保护 |
| 力矩限幅 | ±40 N·m | 力矩裁剪 |
| 角度变化限幅 | 0.05 rad/tick | 防神经网络突跳 |
| 速度变化限幅 | 1.0 rad/s/tick | 防速度突变 |

### 反馈侧超限保护（切到 Passive 阻尼模式）

| 监测项 | 阈值 | 动作 |
|--------|------|------|
| 通信超时 | - | → Passive |
| 关节速度 | 30 rad/s | → Passive |
| 反馈力矩 | 45 N·m | → Passive |
| 电机温度 | 80°C | → Passive |
| IMU Roll | ±0.5 rad (~28°) | → Passive |
| IMU Pitch | ±0.5 rad (~28°) | → Passive |
| 急停标志 | - | → Passive |

---

## 技术栈

| 类别 | 技术 |
|------|------|
| 仿真平台 | NVIDIA Isaac Sim 5.0.0 / Isaac Lab 2.2.0 |
| 物理引擎 | PhysX GPU (4,096 并行) |
| RL 算法 | RSL-RL 2.3.1（PPO） |
| 深度学习 | PyTorch（CUDA 加速） |
| 模型导出 | ONNX Runtime 1.22.0 |
| 部署语言 | C++17 |
| 通信中间件 | CycloneDDS |
| 机器人模型 | URDF / MJCF |
| 配置管理 | Hydra / YAML |
| 仿真验证 | MuJoCo + DDS 桥接 |
| 板载电脑 | Orange Pi 6 （aarch64） |
| 电机 | RobStride RS02 |

---

## 项目团队

本项目由 **Robot-Nav** 团队开发与维护。

GitHub: [https://github.com/Robot-Nav/legbot_lab](https://github.com/Robot-Nav/legbot_lab)

---

## 许可证

MIT License

---

## 引用

```
@misc{schulman2017proximal,
  title={Proximal Policy Optimization Algorithms},
  author={John Schulman and Filip Wolski and Prafulla Dhariwal and Alec Radford and Oleg Klimov},
  year={2017},
  eprint={1707.06347},
  archivePrefix={arXiv},
  primaryClass={cs.LG},
  url={https://arxiv.org/abs/1707.06347},
}

@misc{rudin2022advanced,
  title={Advanced Skills by Learning Locomotion and Local Navigation End-to-End},
  author={Nikhil Rudin and David Hoeller and Marko Bjelonic and Marco Hutter},
  year={2022},
  eprint={2209.12827},
  archivePrefix={arXiv},
  primaryClass={cs.RO},
  url={https://arxiv.org/abs/2209.12827},
}
```

---

## 致谢

感谢 **unitree_rl_lab** 团队提供的开源训练框架、工程实现与社区贡献。本项目在其相关工作基础上完成了 Legbot 机器人的环境适配、训练配置、仿真验证与 Sim2Real 部署开发，在此表示诚挚感谢。

legbot_lab

legbot_lab 최신버젼 다운로드

오늘의 추천 프로젝트

Was this content helpful?

Recent Feedback

legbot_lab

legbot_lab 최신버젼 다운로드

오늘의 추천 프로젝트

Was this content helpful?

Recent Feedback

Download README