Files

youyuan.chen 51a67fc81b Document Go1 policy input and output contract

2026-07-24 12:53:10 +08:00

8.8 KiB

Raw Blame History

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
由 15k 楼梯 checkpoint 导出的 policy.pt

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：

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：

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：

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：

[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：

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：

[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：

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：

target_dof_pos = DEFAULT_DOF_POS + 0.25 * action

随后使用位置 PD 控制：

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. 最小调用示例

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()

7. 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

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。

8. 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。

9. 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：

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

10. 常见错误检查

输入形状应为 [1, 45]，不是 [45] 或 [1, 225]。
输入 dtype 必须为 torch.float32。
角速度必须在机身坐标系下。
四元数必须是 [w, x, y, z]。
关节顺序必须是 FR, FL, RR, RL。
last_action 必须使用未乘 0.25 的原始模型输出。
每次 reset 必须同时调用 model.reset() 并清零 last_action。
不要向部署模型输入 privileged observation 或高度扫描。

8.8 KiB Raw Blame History Unescape Escape