# 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：

- `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`

## 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` |

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。

## 2. 坐标系和关节顺序

机身坐标系约定：

- `+x`：前方
- `+y`：左方
- `+z`：上方
- 正 yaw：绕 `+z` 轴逆时针旋转
- 四元数顺序：`[w, x, y, z]`

策略的 12 个关节严格按照以下顺序排列：

```text
0  FR_hip       1  FR_thigh       2  FR_calf
3  FL_hip       4  FL_thigh       5  FL_calf
6  RR_hip       7  RR_thigh       8  RR_calf
9  RL_hip      10  RL_thigh      11  RL_calf
```

即腿序为 `FR, FL, RR, RL`，每条腿内部为 `hip, thigh, calf`。

默认站立关节位置为：

```python
DEFAULT_DOF_POS = np.array([
    -0.1, 0.8, -1.5,  # FR
     0.1, 0.8, -1.5,  # FL
    -0.1, 1.0, -1.5,  # RR
     0.1, 1.0, -1.5,  # RL
], dtype=np.float32)
```

Isaac Gym 中 Go1 资产的原始关节顺序不同，但训练环境已经转换成上述策略
顺序。MuJoCo 和真机部署端必须直接使用上述顺序，不能再次交换左右腿。

## 3. 45 维单帧观测

每一帧观测按下表顺序拼接：

| 索引 | 维度 | 原始信号 | 输入值 |
| - | -: | - | - |
| `[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]` |
| `[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` |

所有关节相关数组都必须先转换成 `FR, FL, RR, RL` 策略顺序。

### 3.1 角速度

角速度必须是机身坐标系下的陀螺仪读数，单位为 `rad/s`。输入模型前乘以
`0.25`。不要传入世界坐标系角速度。

### 3.2 投影重力

策略不直接输入 roll、pitch 或四元数，而是输入单位重力向量在机身坐标系
中的投影。对于 `[w, x, y, z]` 四元数，可使用 RoboGauge 的实现：

```python
from robogauge.utils.math_utils import get_projected_gravity

projected_gravity = get_projected_gravity(base_quat_wxyz)
```

机器人水平站立且朝向不影响姿态时，该向量约为 `[0, 0, -1]`。

### 3.3 速度指令

输入的是期望机身速度，不是目标点坐标：

```text
[forward_velocity, lateral_velocity, yaw_rate]
```

RoboGauge 的目标点控制器会先把目标点误差转换为速度指令，再构建观测。

15k 楼梯专项模型的训练范围为：

```text
vx       = [-1.0, 1.0] m/s
vy       = [-0.5, 0.5] m/s
yaw_rate = [-1.0, 1.0] rad/s
```

当前 `Go1TerrainConfig` 允许更宽的 `vy` 和 `yaw_rate`，用于通用 RoboGauge
测试。评估 15k 楼梯模型时，超出上述范围的结果应视为训练分布外表现。

### 3.4 上一动作

`last_action` 是上一个控制周期模型输出的 12 维原始 action，不是 PD 目标
位置，也不是实际关节位置。episode 开始时应初始化为全零。

## 4. 历史观测

Student MoE encoder 使用 5 个连续控制帧：

```text
[obs(t-4), obs(t-3), obs(t-2), obs(t-1), obs(t)]
```

控制周期为 20 ms，因此历史缓冲包含 5 帧、跨度 80 ms。flatten 后 encoder
实际处理 225 维数据，但该缓冲已经封装在 TorchScript 模型中。

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。

## 5. TorchScript 输出

MoE TorchScript 返回：

```python
action, (weights, latent) = model(obs_tensor)
```

各输出含义：

| 输出 | 形状 | 含义 |
| - | - | - |
| `action` | `[1, 12]` | 确定性关节位置增量动作 |
| `weights` | `[1, 8]` | 8 个 Student MoE expert 的门控权重 |
| `latent` | `[1, 32]` | Student encoder 估计的环境隐变量 |

实际控制只需要 `action`。`weights` 和 `latent` 用于分析与可视化，可以忽略。

将原始 action 转换为关节位置目标：

```python
target_dof_pos = DEFAULT_DOF_POS + 0.25 * action
```

随后使用位置 PD 控制：

```text
tau = Kp * (target_dof_pos - q) - Kd * dq
Kp = 28.0
Kd = 0.7
```

实际部署还应按电机能力限制输出力矩。

## 6. ONNX 输入输出

`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：

| 项目 | ONNX 规格 |
| - | - |
| 输入名称 | `obs` |
| 输入形状 | `[1, 225]` |
| 输出 0 | `actions`，形状 `[1, 12]` |
| 输出 1 | `weights`，形状 `[1, 8]` |
| 输出 2 | `latent`，形状 `[1, 32]` |

ONNX 输入不是直接对 `[1, 5, 45]` 执行 `reshape`。225 维输入按观测项分组，
每组内部再按时间从旧到新排列：

```text
[
  angular_velocity(t-4:t),       # 5 * 3  = 15
  projected_gravity(t-4:t),      # 5 * 3  = 15
  command(t-4:t),                # 5 * 3  = 15
  dof_position_error(t-4:t),     # 5 * 12 = 60
  dof_velocity(t-4:t),           # 5 * 12 = 60
  last_action(t-4:t),            # 5 * 12 = 60
]
```

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

```python
import numpy as np
import torch

from robogauge.utils.math_utils import get_projected_gravity


JOINT_ORDER = [
    "FR_hip", "FR_thigh", "FR_calf",
    "FL_hip", "FL_thigh", "FL_calf",
    "RR_hip", "RR_thigh", "RR_calf",
    "RL_hip", "RL_thigh", "RL_calf",
]

DEFAULT_DOF_POS = np.array([
    -0.1, 0.8, -1.5,
     0.1, 0.8, -1.5,
    -0.1, 1.0, -1.5,
     0.1, 1.0, -1.5,
], dtype=np.float32)

model = torch.jit.load("resources/models/go1/policy_10k.pt", map_location="cpu")
model.eval()

# 每个 episode 开始时执行。
model.reset()
last_action = np.zeros(12, dtype=np.float32)


def build_observation(base_ang_vel, base_quat_wxyz, command, q, dq, last_action):
    """All joint arrays must use the FR, FL, RR, RL policy order."""
    obs = np.concatenate([
        np.asarray(base_ang_vel, dtype=np.float32) * 0.25,
        get_projected_gravity(np.asarray(base_quat_wxyz, dtype=np.float32)),
        np.asarray(command, dtype=np.float32) * np.array([2.0, 2.0, 0.25], dtype=np.float32),
        (np.asarray(q, dtype=np.float32) - DEFAULT_DOF_POS),
        np.asarray(dq, dtype=np.float32) * 0.05,
        np.asarray(last_action, dtype=np.float32),
    ]).astype(np.float32)
    assert obs.shape == (45,)
    return np.clip(obs, -100.0, 100.0)


# 以下变量由 IMU、关节编码器和上层速度控制器提供。
obs = build_observation(
    base_ang_vel=base_ang_vel_body,
    base_quat_wxyz=base_quat_wxyz,
    command=velocity_command,
    q=joint_position,
    dq=joint_velocity,
    last_action=last_action,
)

with torch.inference_mode():
    obs_tensor = torch.from_numpy(obs).unsqueeze(0)
    action_tensor, (weights, latent) = model(obs_tensor)

action = action_tensor.squeeze(0).cpu().numpy()
target_dof_pos = DEFAULT_DOF_POS + 0.25 * action
last_action = action.copy()
```

## 8. Reset 要求

以下情况必须同时重置模型历史和上一动作：

- 仿真 episode reset
- 机器人摔倒后重新站立
- 策略重新加载
- 控制器长时间暂停后重新启动
- 真机急停解除后重新接管

```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。

## 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：

- 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
- 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。

## 10. RoboGauge 对应实现

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`
- MoE 输出处理：`robogauge/tasks/robots/go2/go2_moe.py`
- 投影重力：`robogauge/utils/math_utils.py`

在 RoboGauge 中加载 Go1 MoE 模型时，通常无需手动构建观测：

```bash
MUJOCO_GL=glfw \
PYTHONPATH=/path/to/RoboGauge \
python robogauge/scripts/run.py \
  --task-name go1_moe.stairs_fd \
  --experiment-name go1_policy_test \
  --model-path /path/to/policy.pt \
  --level 6 \
  --goals target_pos_velocity
```

## 11. 常见错误检查

1. 输入形状应为 `[1, 45]`，不是 `[45]` 或 `[1, 225]`。
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]`。
5. 关节顺序必须是 `FR, FL, RR, RL`。
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。