33.5k

README.md

@@ -39,8 +39,11 @@ Demo of the evaluation process (4 terrains, 2 difficulty levels):
 
 | Robot | Type | Velocity Tracking |
 | - | - | - |
+| [Unitree go1](./assets/docs/go1_policy_io_zh.md) | Quadruped | ✅ |
 | Unitree go2 | Quadruped | ✅ |
 
+> Go1 Isaac Gym and RobotLab exports use different ONNX contracts: Gym uses a 5-frame, 225-value history, while RobotLab uses a 10-frame, 450-value history. Both TorchScript exports consume the current 45-value frame and maintain history internally. See the linked Go1 policy I/O guide for the exact layout.
+
 ## Installation
 
 Recommended environment: `python=3.8`. Install any PyTorch version >= 2.0 following the [official PyTorch guide](https://pytorch.org/get-started/locally/), then install this repo:

README_zh.md

@@ -38,6 +38,8 @@
 | Unitree go2 | 四足 | ✅ |
 | [Unitree go1](./assets/docs/go1_policy_io_zh.md) | 四足 | ✅ |
 
+> Go1 的 Isaac Gym 与 RobotLab 导出模型接口不同：Gym ONNX 使用 5 帧、225 维历史，RobotLab ONNX 使用 10 帧、450 维历史。TorchScript 均接收当前 45 维单帧观测并在模型内部维护历史。精确排列顺序见 [Go1 策略输入输出与部署说明](./assets/docs/go1_policy_io_zh.md)。
+
 ## 安装
 推荐安装`python=3.8`, 参考[PyTorch官网](https://pytorch.org/get-started/locally/)安装2.0以上任意版本, 安装本仓库
 

assets/docs/go1_policy_io_zh.md

@@ -1,31 +1,45 @@
 # Go1 MoE 策略输入输出与部署说明
 
 本文说明 `go1` 分支中 Go1 MoE locomotion 策略的输入、输出、状态管理和
-RoboGauge/MuJoCo 接入方式。适用于由 `go2_rl_gym` 导出的 Go1 MoE CTS
-TorchScript 模型，例如：
+RoboGauge/MuJoCo 接入方式，同时覆盖 `go2_rl_gym`（Isaac Gym）和
+`go2_rl_robotlab`（Isaac Lab/RobotLab）导出的模型。
+
+Isaac Gym 模型例如：
 
 - `resources/models/go1/policy.pt`
 - `resources/models/go1/policy_10k.pt`
 - `resources/models/go1/policy_15k.pt`
 - `resources/models/go1/policy_15k.onnx`
+- `resources/models/go1/policy_25k.pt`
+- `resources/models/go1/policy_25k.onnx`
+
+RobotLab 模型例如：
+
+- `resources/models/go1/policy_robotlab_3500.pt`
+- `resources/models/go1/policy_robotlab_3500.onnx`
+- `resources/models/go1/policy_robotlab_6000.pt`
+- `resources/models/go1/policy_robotlab_6000.onnx`
+- `resources/models/go1/policy_robotlab_6500.pt`
+- `resources/models/go1/policy_robotlab_6500.onnx`
 
 ## 1. 接口概览
 
-| 项目 | 规格 |
-| - | - |
-| 控制频率 | 50 Hz，控制周期 `0.02 s` |
-| TorchScript 输入 | `torch.float32`，形状 `[1, 45]` |
-| 内部历史 | 5 帧，形状 `[1, 5, 45]` |
-| 策略动作 | `torch.float32`，形状 `[1, 12]` |
-| MoE 权重 | `torch.float32`，形状 `[1, 8]` |
-| Student latent | `torch.float32`，形状 `[1, 32]` |
-| 控制方式 | 关节位置 PD 控制 |
-| 关节位置增量比例 | `action_scale = 0.25` |
-| PD 参数 | `Kp = 28.0`，`Kd = 0.7` |
+| 项目 | Isaac Gym | RobotLab |
+| - | - | - |
+| 控制频率 | 50 Hz，`0.02 s` | 50 Hz，`0.02 s` |
+| TorchScript 输入 | `[1, 45]` 当前帧 | `[1, 45]` 当前帧 |
+| TorchScript 内部历史 | 5 帧 | 10 帧 |
+| TorchScript 输出 | action、MoE weights、latent | action |
+| ONNX 输入 | `[1, 225]`，5 帧 | `[1, 450]`，10 帧 |
+| ONNX 输出 | action、MoE weights、latent | action |
+| 策略动作 | `[1, 12]` | `[1, 12]` |
+| 控制方式 | 关节位置 PD | 关节位置 PD |
+| `action_scale` | `0.25` | `0.25` |
+| PD 参数 | `Kp=28.0, Kd=0.7` | `Kp=28.0, Kd=0.7` |
 
-导出的 TorchScript 是有状态模型。调用方每个控制周期只输入当前 45 维
-观测，模型会在内部更新 5 帧历史。不要在 TorchScript 输入端再次拼接成
-225 维。
+所有输入和输出张量均为 `float32`。两类 TorchScript 都是有状态模型，调用方
+每个控制周期只输入当前 45 维观测。不要向 TorchScript 输入 225 或 450 维
+历史。两类 ONNX 都是无状态模型，历史必须由调用方维护。
 
 ## 2. 坐标系和关节顺序
 
@@ -70,7 +84,7 @@ Isaac Gym 中 Go1 资产的原始关节顺序不同，但训练环境已经转
 | - | -: | - | - |
 | `[0:3]` | 3 | 机身坐标系角速度 `[wx, wy, wz]` | `base_ang_vel * 0.25` |
 | `[3:6]` | 3 | 世界重力方向在机身坐标系中的投影 | `projected_gravity` |
-| `[6:9]` | 3 | 速度指令 `[vx, vy, yaw_rate]` | `command * [2.0, 2.0, 0.25]` |
+| `[6:9]` | 3 | 速度指令 `[vx, vy, yaw_rate]` | Gym: `command * [2.0, 2.0, 0.25]`；RobotLab: `command * [1.0, 1.0, 1.0]` |
 | `[9:21]` | 12 | 关节位置 | `(q - q_default) * 1.0` |
 | `[21:33]` | 12 | 关节速度 | `dq * 0.05` |
 | `[33:45]` | 12 | 上一个控制周期的原始策略动作 | `last_action` |
@@ -97,7 +111,15 @@ projected_gravity = get_projected_gravity(base_quat_wxyz)
 
 ### 3.3 速度指令
 
-输入的是期望机身速度，不是目标点坐标：
+输入的是期望机身速度，不是目标点坐标。Gym 与 RobotLab 的命令归一化不同，
+不能共用同一个缩放数组：
+
+```python
+GYM_COMMAND_SCALE = np.array([2.0, 2.0, 0.25], dtype=np.float32)
+ROBOTLAB_COMMAND_SCALE = np.array([1.0, 1.0, 1.0], dtype=np.float32)
+```
+
+指令语义均为：
 
 ```text
 [forward_velocity, lateral_velocity, yaw_rate]
@@ -123,6 +145,8 @@ yaw_rate = [-1.0, 1.0] rad/s
 
 ## 4. 历史观测
 
+### 4.1 Isaac Gym：5 帧
+
 Student MoE encoder 使用 5 个连续控制帧：
 
 ```text
@@ -135,8 +159,22 @@ Student MoE encoder 使用 5 个连续控制帧：
 调用 `model.reset()` 后，历史缓冲为全零。随后每次调用模型都会丢弃最旧
 一帧并追加当前观测。这与训练和 RoboGauge 中的行为一致。
 
+### 4.2 RobotLab：10 帧
+
+RobotLab Student MoE encoder 使用 10 个连续控制帧：
+
+```text
+[obs(t-9), obs(t-8), ..., obs(t-1), obs(t)]
+```
+
+控制周期为 20 ms，最旧帧与最新帧相隔 180 ms。RobotLab TorchScript 内部
+维护的是 450 维、按观测项分组的历史缓冲，调用接口仍是当前 `[1, 45]`
+单帧。每个 episode 开始时同样必须调用 `model.reset()`。
+
 ## 5. TorchScript 输出
 
+### 5.1 Isaac Gym TorchScript
+
 MoE TorchScript 返回：
 
 ```python
@@ -169,8 +207,21 @@ Kd = 0.7
 
 实际部署还应按电机能力限制输出力矩。
 
+### 5.2 RobotLab TorchScript
+
+RobotLab TorchScript 只返回动作：
+
+```python
+action = model(obs_tensor)  # [1, 12]
+```
+
+它不会返回 MoE weights 和 latent。动作到 PD 目标位置的换算、关节顺序以及
+`Kp/Kd` 与上文相同。
+
 ## 6. ONNX 输入输出
 
+### 6.1 Isaac Gym ONNX：5 帧、225 维
+
 `policy_15k.onnx` 是无状态模型，不在模型内部保存历史。它与 TorchScript
 的输入接口不同：
 
@@ -199,7 +250,69 @@ ONNX 输入不是直接对 `[1, 5, 45]` 执行 `reshape`。225 维输入按观
 调用方需要维护 5 帧历史，并在 episode reset 时将历史清零。RoboGauge 当前
 直接使用 TorchScript；ONNX 主要用于其他推理后端。
 
-## 7. 最小调用示例
+### 6.2 RobotLab ONNX：10 帧、450 维
+
+`policy_robotlab_*.onnx` 同样是无状态模型，但历史长度为 10：
+
+| 项目 | ONNX 规格 |
+| - | - |
+| 输入名称 | `obs` |
+| 输入 dtype | `float32` |
+| 输入形状 | `[1, 450]` |
+| 输出名称 | `actions` |
+| 输出形状 | `[1, 12]` |
+
+450 维输入采用 **term-major** 排列，即先放同一观测项的 10 帧历史，再放
+下一个观测项。每个时间块内部从旧到新排列：
+
+```text
+[
+  angular_velocity(t-9:t),       # 10 * 3  = 30
+  projected_gravity(t-9:t),      # 10 * 3  = 30
+  command(t-9:t),                # 10 * 3  = 30
+  dof_position_error(t-9:t),     # 10 * 12 = 120
+  dof_velocity(t-9:t),           # 10 * 12 = 120
+  last_action(t-9:t),            # 10 * 12 = 120
+]                                     total = 450
+```
+
+因此以下写法是错误的：
+
+```python
+# 错误：这是 frame-major，不是 RobotLab ONNX 需要的 term-major。
+onnx_input = np.stack(last_10_observations).reshape(1, 450)
+```
+
+与导出器一致的历史更新实现如下：
+
+```python
+TERM_DIMS = (3, 3, 3, 12, 12, 12)
+HISTORY_LENGTH = 10
+onnx_history = np.zeros((1, 450), dtype=np.float32)
+
+
+def push_robotlab_onnx_history(single_obs):
+    single_obs = np.asarray(single_obs, dtype=np.float32).reshape(45)
+    history_offset = 0
+    single_offset = 0
+    for dim in TERM_DIMS:
+        block_size = dim * HISTORY_LENGTH
+        block = onnx_history[:, history_offset:history_offset + block_size]
+        block[:, :-dim] = block[:, dim:].copy()
+        block[:, -dim:] = single_obs[None, single_offset:single_offset + dim]
+        history_offset += block_size
+        single_offset += dim
+    return onnx_history
+
+
+def reset_robotlab_onnx_history():
+    onnx_history.fill(0.0)
+```
+
+首次推理前和每次 episode reset 时都必须清零 `onnx_history`。调用 ONNX
+Runtime 时直接传入 `push_robotlab_onnx_history(single_obs)` 的返回值。
+
+## 7. Isaac Gym TorchScript 最小调用示例
 
 ```python
 import numpy as np
@@ -263,6 +376,13 @@ target_dof_pos = DEFAULT_DOF_POS + 0.25 * action
 last_action = action.copy()
 ```
 
+RobotLab TorchScript 的观测构建只需将示例中的命令缩放改为
+`[1.0, 1.0, 1.0]`，推理返回值改为：
+
+```python
+action_tensor = model(obs_tensor)
+```
+
 ## 8. Reset 要求
 
 以下情况必须同时重置模型历史和上一动作：
@@ -273,27 +393,31 @@ last_action = action.copy()
 - 控制器长时间暂停后重新启动
 - 真机急停解除后重新接管
 
+TorchScript 模型执行：
+
 ```python
 model.reset()
 last_action.fill(0.0)
 ```
 
 只清零 `last_action` 而不调用 `model.reset()`，会残留上一段运行的历史状态。
+ONNX 没有 `reset()` 方法，必须清零调用方维护的 225 或 450 维历史缓冲，
+并同时清零 `last_action`。
 
 ## 9. 不需要的部署信号
 
-部署使用 Student 策略，不需要训练阶段 Teacher/Critic 的 263 维 privileged
-observation。以下信号不进入部署策略：
+部署使用 Student 策略，不需要训练阶段 Teacher/Critic 的 privileged
+observation（具体维度随 Gym/RobotLab 配置变化）。以下信号不进入部署策略：
 
 - 机身线速度
 - 足端接触力
 - 电机力矩
 - 关节加速度
-- 187 维地形高度扫描
+- 地形高度扫描（维度随训练配置变化）
 - 深度图、相机图像或 LiDAR
 
-这些信息仅在训练阶段用于 Teacher/Critic。Student 通过 5 帧本体观测历史估计
-32 维 latent。
+这些信息仅在训练阶段用于 Teacher/Critic。Student 通过 Gym 的 5 帧或
+RobotLab 的 10 帧本体观测历史估计 32 维 latent。
 
 ## 10. RoboGauge 对应实现
 
@@ -301,6 +425,7 @@ RoboGauge 已实现上述接口：
 
 - 观测构建：`robogauge/tasks/robots/go2/go2.py`
 - Go1 参数和关节顺序：`robogauge/tasks/robots/go1/go1_config.py`
+- RobotLab 命令缩放：`robogauge/tasks/robots/go1/go1_lab_config.py`
 - MoE 输出处理：`robogauge/tasks/robots/go2/go2_moe.py`
 - 投影重力：`robogauge/utils/math_utils.py`
 
@@ -317,9 +442,26 @@ python robogauge/scripts/run.py \
   --goals target_pos_velocity
 ```
 
+RobotLab 模型使用独立的 `go1_lab.*` 任务，确保命令观测使用 RobotLab 缩放：
+
+```bash
+MUJOCO_GL=glfw \
+PYTHONPATH=/path/to/RoboGauge \
+python robogauge/scripts/run.py \
+  --task-name go1_lab.stairs_fd \
+  --experiment-name go1_robotlab_test \
+  --model-path /path/to/policy_robotlab_6500.pt \
+  --level 3 \
+  --spawn-type level_eval \
+  --goals keyboard
+```
+
+不要用 `go1_moe.*` 任务加载 RobotLab 模型；该任务使用 Isaac Gym 的命令
+缩放。RoboGauge 当前评估加载 TorchScript `.pt`，不会直接加载 ONNX。
+
 ## 11. 常见错误检查
 
-1. 输入形状应为 `[1, 45]`，不是 `[45]` 或 `[1, 225]`。
+1. TorchScript 输入形状应为 `[1, 45]`；Gym ONNX 输入为 `[1, 225]`；RobotLab ONNX 输入为 `[1, 450]`。
 2. 输入 dtype 必须为 `torch.float32`。
 3. 角速度必须在机身坐标系下。
 4. 四元数必须是 `[w, x, y, z]`。
@@ -327,3 +469,5 @@ python robogauge/scripts/run.py \
 6. `last_action` 必须使用未乘 `0.25` 的原始模型输出。
 7. 每次 reset 必须同时调用 `model.reset()` 并清零 `last_action`。
 8. 不要向部署模型输入 privileged observation 或高度扫描。
+9. RobotLab ONNX 历史必须按 term-major 排列，不能直接 flatten 形状为 `[10, 45]` 的逐帧历史。
+10. RobotLab 模型必须使用命令缩放 `[1.0, 1.0, 1.0]`，不能沿用 Gym 的 `[2.0, 2.0, 0.25]`。

robogauge/tasks/__init__.py

@@ -10,6 +10,8 @@ from robogauge.tasks.robots import (
     Go2MoETerrainConfig,
     Go1MoEConfig,
     Go1MoETerrainConfig,
+    Go1LabConfig,
+    Go1LabTerrainConfig,
 )
 from robogauge.tasks.pipeline import BasePipeline
 from robogauge.tasks.gauge import BaseGaugeConfig
@@ -46,6 +48,15 @@ task_register.register('go1_moe.stairs_fd', BasePipeline, MujocoConfig, Go2Stair
 task_register.register('go1_moe.stairs_bd', BasePipeline, MujocoConfig, Go2StairsBackwardGaugeConfig, Go1MoETerrainConfig)
 task_register.register('go1_moe.obstacle', BasePipeline, MujocoConfig, Go2ObstacleGaugeConfig, Go1MoETerrainConfig)
 
+# Go1 RobotLab
+task_register.register('go1_lab.flat', BasePipeline, MujocoConfig, Go2FlatGaugeConfig, Go1LabConfig)
+task_register.register('go1_lab.slope_fd', BasePipeline, MujocoConfig, Go2SlopeForwardGaugeConfig, Go1LabTerrainConfig)
+task_register.register('go1_lab.slope_bd', BasePipeline, MujocoConfig, Go2SlopeBackwardGaugeConfig, Go1LabTerrainConfig)
+task_register.register('go1_lab.wave', BasePipeline, MujocoConfig, Go2WaveGaugeConfig, Go1LabTerrainConfig)
+task_register.register('go1_lab.stairs_fd', BasePipeline, MujocoConfig, Go2StairsForwardGaugeConfig, Go1LabTerrainConfig)
+task_register.register('go1_lab.stairs_bd', BasePipeline, MujocoConfig, Go2StairsBackwardGaugeConfig, Go1LabTerrainConfig)
+task_register.register('go1_lab.obstacle', BasePipeline, MujocoConfig, Go2ObstacleGaugeConfig, Go1LabTerrainConfig)
+
 # Go2 Lab
 task_register.register('go2_lab.flat', BasePipeline, MujocoConfig, Go2FlatGaugeConfig, Go2LabConfig)
 task_register.register('go2_lab.slope_fd', BasePipeline, MujocoConfig, Go2SlopeForwardGaugeConfig, Go2LabTerrainConfig)

robogauge/tasks/pipeline/base_pipeline.py

@@ -17,7 +17,7 @@ from copy import deepcopy
 from robogauge.utils.logger import logger
 from robogauge.tasks.simulator import MujocoSimulator, MujocoConfig, SimData
 from robogauge.tasks.robots import (
-    BaseRobot, RobotConfig, Go2Config, Go2, Go2MoEConfig, Go2MoE, Go1MoE
+    BaseRobot, RobotConfig, Go2Config, Go2, Go2MoEConfig, Go2MoE, Go1, Go1MoE
 )
 from robogauge.tasks.gauge import BaseGauge, BaseGaugeConfig
 from robogauge.tasks.gauge.goal_data import GoalData, VelocityGoal, PositionGoal

robogauge/tasks/robots/__init__.py

@@ -6,3 +6,4 @@ from .go2.go2 import Go2
 from .go2.go2_moe_config import Go2MoEConfig, Go2MoETerrainConfig
 from .go2.go2_moe import Go2MoE
 from .go1 import Go1Config, Go1TerrainConfig, Go1, Go1MoEConfig, Go1MoETerrainConfig, Go1MoE
+from .go1.go1_lab_config import Go1LabConfig, Go1LabTerrainConfig

robogauge/tasks/robots/go1/go1_lab_config.py

@@ -0,0 +1,18 @@
+# -*- coding: utf-8 -*-
+"""Go1 RobotLab policy configuration for RoboGauge."""
+
+from robogauge.tasks.robots.go1.go1_config import Go1Config, Go1TerrainConfig
+
+
+class Go1LabConfig(Go1Config):
+    """Go1 configuration aligned with RobotLab observation scaling."""
+
+    class control(Go1Config.control):
+        model_path = "{ROBOGAUGE_ROOT_DIR}/resources/models/go1/policy_robotlab_3500.pt"
+
+        class scales(Go1Config.control.scales):
+            cmd = [1.0, 1.0, 1.0]
+
+
+class Go1LabTerrainConfig(Go1LabConfig, Go1TerrainConfig):
+    """Go1 RobotLab policy configuration for terrain tasks."""