docs: expand deployment logging guidance

四足机器狗训练到实机部署全流程指南.md

@@ -384,22 +384,27 @@ python -c "import onnxruntime as ort; s=ort.InferenceSession('policy_robotlab_26
 
 预期输入为 450 个 `float32`，输出为 12 个动作。输入输出不匹配时不要继续 sim2sim 或量化。
 
-### 8.4 训练仓库自带的 MuJoCo 快速检查
+### 8.4 独立 MuJoCo 快速检查
 
-训练仓库还提供了基于 TorchScript 的 Go1 MuJoCo 入口。它接收当前 45 维单帧观测，并在模型内部维护 10 帧历史，适合在进入完整 RoboGauge 评估前做一次快速检查：
+如果你要做的是“和部署链路一致”的快速检查，直接使用部署仓库里的 ONNX 入口。它读取当前 45 维单帧观测，并在脚本内部维护 10 帧历史，适合在进入完整 RoboGauge 评估前核对观测、动作缩放和地形 XML：
 
 ```bash
-mkdir -p deploy/pre_train/go1
+cd /path/to/go1_pro_deploy
-cp <RUN_DIR>/exported/policy.pt deploy/pre_train/go1/policy.pt
+MUJOCO_GL=glfw mjpython deploy_45dim_rl_gym/deploy_go1_onnx_mujoco_lab.py \
+  --onnx deploy_45dim_rl_gym/policy_robotlab_26000.onnx
 ```
 
-确认 `deploy/deploy_mujoco/configs/go1.yaml` 中的 `policy_path` 和 `xml_path` 指向正确模型与场景，再运行：
+楼梯测试同样直接切 terrain：
 
 ```bash
-MUJOCO_GL=glfw python deploy/deploy_mujoco/deploy_go1.py
+MUJOCO_GL=glfw mjpython deploy_45dim_rl_gym/deploy_go1_onnx_mujoco_lab.py \
+  --onnx deploy_45dim_rl_gym/policy_robotlab_26000.onnx \
+  --terrain deploy_45dim_rl_gym/terrains/stairs/stairs_3.xml \
+  --spawn-x -0.6 \
+  --spawn-z 0.34
 ```
 
-该入口默认检测游戏手柄，`LX/LY` 控制前后和侧向速度，`RX` 控制转向；未检测到手柄时使用 YAML 中的固定指令。它与后文带键盘、ONNX 和更多日志检查的独立部署脚本用途不同。
+脚本默认 `--clip-actions 100.0`、`--max-target-step 0.0`。如果你要做更保守的起步测试，可以再按日志逐步收紧这些参数；不要把旧版本的示例值当成固定默认。
 
 ## 9. RoboGauge 自动评估
 
@@ -506,22 +511,18 @@ task_name="go1_lab"
 cd /path/to/go1_pro_deploy
 conda activate <DEPLOY_ENV>
 
-mjpython deploy_45dim_rl_gym/deploy_go1_onnx_mujoco_lab.py \
+MUJOCO_GL=glfw mjpython deploy_45dim_rl_gym/deploy_go1_onnx_mujoco_lab.py \
-  --onnx deploy_45dim_rl_gym/policy_robotlab_26000.onnx \
+  --onnx deploy_45dim_rl_gym/policy_robotlab_26000.onnx
-  --clip-actions 4.0 \
-  --max-target-step 0.15
 ```
 
 楼梯测试：
 
 ```bash
-mjpython deploy_45dim_rl_gym/deploy_go1_onnx_mujoco_lab.py \
+MUJOCO_GL=glfw mjpython deploy_45dim_rl_gym/deploy_go1_onnx_mujoco_lab.py \
   --onnx deploy_45dim_rl_gym/policy_robotlab_26000.onnx \
   --terrain deploy_45dim_rl_gym/terrains/stairs/stairs_3.xml \
   --spawn-x -0.6 \
-  --spawn-z 0.34 \
+  --spawn-z 0.34
-  --clip-actions 4.0 \
-  --max-target-step 0.15
 ```
 
 键盘映射：
@@ -557,9 +558,47 @@ BPU 量化不是把 ONNX 改一个后缀。至少需要：
 
 当前量化脚本会保留 actions 输出、降级 opset、包装为 BPU 需要的 4D 输入，并把 MoE grouped Conv 等价替换为 Gemm，以减少 CPU fallback。中间 norm 节点位于 actor 之前，不能随意删除或移到后处理。
 
+量化脚本内部流程如下：
+
+```text
+真实日志 steps.jsonl
+  -> make_calibration_data.py 生成 float32 featuremap 校准样本
+  -> keep_actions_output.py 只保留 actions 输出
+  -> downgrade_policy_to_opset11.py 降级到工具链可接受的 opset
+  -> make_bpu_4d_onnx.py 把 [1, D] 输入包装成 [1, 1, 1, D]
+  -> replace_group_conv_with_gemm.py 把 MoE grouped Conv 替换为等价 Gemm
+  -> compare_4d_onnx.py 检查浮点图变换等价
+  -> hb_mapper / hb_compile 生成板端模型
+```
+
+脚本中的主要可调变量含义：
+
+| 参数 | 含义 | 常用设置 |
+| --- | --- | --- |
+| `--policy` | 原始 ONNX 路径，必须在部署仓库内 | `../policy_robotlab_26000.onnx` |
+| `--round` | 输出目录和校准目录里的轮次标签，不参与计算 | `26000`、`35k` |
+| `--name` | 输出模型 basename；不填时取 ONNX 文件名 | `policy_robotlab_26000` |
+| `--history-len` | 历史帧数，用于重建输入维度 | RobotLab 为 `10`，Gym 为 `5` |
+| `--flat-dim` | 平铺输入维度；不填时为 `45 * history-len` | RobotLab 为 `450`，Gym 为 `225` |
+| `--samples` | 校准样本数量，越大越慢但覆盖更稳 | 默认 `64`，必要时 `128` |
+| `--min-samples` | 最少有效样本数，不足则中止 | 默认 `32` |
+| `--log-prefix` | 从 `logs/` 下筛选部署日志的目录前缀 | `robotlab_go1_deploy` |
+| `--cal-tag` | 校准目录标签，区分 RobotLab/Gym | `robotlab`、`gym` |
+| `--compare-limit` | 浮点 ONNX 等价对比样本数 | 默认 `64` |
+| `--quant` | 量化策略 | 默认 `int16`，`int8` 仅作对照 |
+| `--docker-image` | D-Robotics CPU 工具链镜像 | X5/S100 各自不同 |
+
+量化建议在 Mac 或训练机的 Docker 中完成，不在 X5/S100 板端跑 Docker。板端只负责加载产物做离线测速、数值对齐和实机部署。
+
 ### 11.2 RDK X5
 
-量化机执行：
+X5 使用 D-Robotics X5 CPU 工具链镜像：
+
+```bash
+docker pull openexplorer/ai_toolchain_ubuntu_20_x5_cpu:v1.2.8
+```
+
+脚本默认会用 `docker run --rm --platform linux/amd64` 启动这个镜像，并把当前仓库挂载到 `/workspace/deploy_go1_pro`。量化机执行：
 
 ```bash
 cd /path/to/go1_pro_deploy
@@ -573,9 +612,17 @@ bash deploy_45dim_rl_gym/bpu_quantization/quantize_policy_x5.sh \
   --min-samples 32 \
   --log-prefix robotlab_go1_deploy \
   --cal-tag robotlab \
+  --docker-image openexplorer/ai_toolchain_ubuntu_20_x5_cpu:v1.2.8 \
   --quant int16
 ```
 
+X5 关键配置：
+
+- `march` 固定为 `bayes-e`。
+- 输入类型为 `featuremap`，运行时输入 shape 是 `obs_4d [1, 1, 1, 450]`。
+- int16 时脚本在 YAML 中写入 `optimization: "set_all_nodes_int16"`。
+- `hb_mapper checker` 默认会先运行；明确知道模型已检查过时才使用 `--skip-checker`。
+
 预期产物：
 
 ```text
@@ -583,6 +630,18 @@ deploy_45dim_rl_gym/bpu_quantization/mapper_output_26000_gemm/
   policy_robotlab_26000_int16_gemm.bin
 ```
 
+如果要量化旧 Gym 5 帧模型，必须同步修改历史长度、日志前缀和标签：
+
+```bash
+bash deploy_45dim_rl_gym/bpu_quantization/quantize_policy_x5.sh \
+  --policy ../policy_35k.onnx \
+  --round 35k \
+  --history-len 5 \
+  --log-prefix rlgym_go1_deploy \
+  --cal-tag gym \
+  --quant int16
+```
+
 板端先做完全离线自检，不连接电机控制：
 
 ```bash
@@ -598,6 +657,14 @@ X5 的 featuremap 模型不要直接改用 `hobot_dnn.pyeasy_dnn.forward()`。
 
 ### 11.3 S100
 
+S100 使用新版 S100/S600 CPU 工具链镜像：
+
+```bash
+docker pull registry.d-robotics.cc/deliver/ai_toolchain_ubuntu_22_s100_s600_cpu:v3.7.0
+```
+
+脚本同样在量化机 Docker 中运行，不在 S100 板端运行 Docker：
+
 ```bash
 cd /path/to/go1_pro_deploy
 
@@ -610,10 +677,18 @@ bash deploy_45dim_rl_gym/bpu_quantization/quantize_policy_s100.sh \
   --min-samples 32 \
   --log-prefix robotlab_go1_deploy \
   --cal-tag robotlab \
+  --docker-image registry.d-robotics.cc/deliver/ai_toolchain_ubuntu_22_s100_s600_cpu:v3.7.0 \
   --march nash-e \
   --quant int16
 ```
 
+S100 关键配置：
+
+- `--march nash-e` 对应当前 S100 平台；不要沿用 X5 的 `bayes-e`。
+- 输出是 `.hbm`，不是 X5 的 `.bin`。
+- int16 时脚本在 YAML 中写入 `quant_config.model_config.all_node_type: int16`。
+- `compiler_parameters.core_num` 当前为 `1`，优先保证单次策略推理低延迟；需要多核吞吐测试时应另做离线 benchmark，不要直接改实机脚本。
+
 预期产物：
 
 ```text
@@ -621,6 +696,13 @@ deploy_45dim_rl_gym/bpu_quantization/mapper_output_26000_s100_gemm/
   policy_robotlab_26000_s100_int16_gemm.hbm
 ```
 
+产物同步到 S100 后，先看模型信息再测速：
+
+```bash
+/usr/hobot/bin/hrt_model_exec model_info \
+  --model_file deploy_45dim_rl_gym/bpu_quantization/mapper_output_26000_s100_gemm/policy_robotlab_26000_s100_int16_gemm.hbm
+```
+
 板端测速：
 
 ```bash
@@ -775,6 +857,8 @@ pgrep -fl 'keep_sport_alive|Legged_sport|appTransit'
 
 运行 ONNX/BPU 推理并记录 action，仍不发送电机命令。检查 action 无 NaN/Inf、无持续饱和、静止状态不发散，ONNX 和 BPU 的动作差在离线验收范围内。
 
+从这一级开始，命令必须显式保留 `--log-dir logs`；只要要判断板端实时性，就同时加 `--log-timing`。日志目录会在启动时自动创建，终端退出时会打印 `Log saved:` 路径。
+
 X5 示例：
 
 ```bash
@@ -784,7 +868,8 @@ python3 deploy_45dim_rl_gym/bpu_deploy_x5/deploy_go1_robotlab_bpu_x5_fastcpp.py
   --infer-check \
   --log-dir logs \
   --print-every 50 \
-  --max-steps 500
+  --max-steps 500 \
+  --log-timing
 ```
 
 S100 示例：
@@ -796,7 +881,8 @@ python3 deploy_45dim_rl_gym/bpu_deploy_s100/deploy_go1_robotlab_bpu_s100_fastcpp
   --infer-check \
   --log-dir logs \
   --print-every 50 \
-  --max-steps 500
+  --max-steps 500 \
+  --log-timing
 ```
 
 ### 14.5 第 4 级：悬空状态机，不启用 RL
@@ -832,6 +918,8 @@ IDLE -> CALIBRATE -> HOLD -> OBS_TEST -> INFER_TEST
 
 先用已经通过地面测试的 ONNX 版本确定基线，再在相同软件保护、相同指令、相同场地上测试 BPU。两次测试只替换推理后端。若 BPU 行为异常，回到离线输入逐帧对比，不能通过放宽关节或姿态保护继续测试。
 
+对照日志至少要能证明三件事：同一段动作里 `commands` 接近一致，`action_raw/action_safe/joint_targets` 的差异在离线验收范围内，`policy_ms/loop_dt_ms/state_age_ms` 没有让 BPU 版本比 ONNX 版本产生额外控制延迟。若 BPU 端 `policy_ms` 很低但 `loop_dt_ms` 仍不稳，应继续查 SDK 收包、构包和系统调度，而不是只看 BPU 占用率。
+
 ### 14.10 第 9 级：坡面、台阶和扰动
 
 复杂地形是最后阶段。先从低难度、低速度和正向通过开始，再逐步测试侧向、反向、急停和摩擦变化。每次增加难度前必须确认前一级多次可复现。
@@ -845,20 +933,54 @@ metadata.json
 steps.jsonl
 ```
 
-元数据应包含 Git commit、模型哈希、推理后端、控制周期、PD 参数、动作限制、保护阈值、设备型号、测试人员和场景。逐步日志至少包含：
+部署脚本默认在 `--log-dir` 下创建带时间戳的目录，例如：
 
 ```text
-timestamp / state / state_reason
+logs/robotlab_go1_deploy_YYYYMMDD_HHMMSS/
-commands_raw / commands
+```
-obs_single / obs_history
+
+不要关闭日志来“省性能”。实机调试阶段宁可降低打印频率，也要保留 JSONL 日志；后续量化校准、ONNX/BPU 对齐、力矩保护分析和动作异常定位都依赖这些记录。
+
+`metadata.json` 用来复现实验条件。当前部署脚本会自动写入：
+
+```text
+created_at
+num_obs / history_len / onnx_input_dim
+action_scale / default_dof_pos
+joint_names_sdk / joint_names_policy / joint_order_policy
+lowcmd_backend 或 BPU backend
+history_expected_span_ms
+命令行传入的所有标量参数
+```
+
+发布或多人复现实验时，还应额外记录 Git commit、模型哈希、板端系统版本、BPU runtime 版本、设备型号、测试人员和场景。只给一条 `Log saved:` 路径而没有对应模型与参数，后续无法判断问题来自策略、量化、SDK 还是现场操作。
+
+`steps.jsonl` 是逐周期日志。当前脚本每条记录至少包含：
+
+```text
+step / time_wall / mode / state_reason
+commands_raw / commands / rc_lx / rc_ly / rc_rx / rc_ry / rc_buttons
+obs_single / history_fill / history_zero_pad
 action_raw / action_safe
 joint_targets
-dof_pos / dof_vel / tau_est
+dof_pos / dof_vel / tau_est / motor_mode / motor_temperature / motor_reserve
-base_ang_vel / projected_gravity / imu_rpy
+imu_rpy_deg / imu_quat / base_ang_vel / projected_gravity
-inference_ms / loop_ms
+battery_soc
-battery / temperature / communication_status
+loop_dt_ms / recv_ms / policy_ms / work_ms / state_fresh / state_age_ms
 ```
 
+这些字段的用途：
+
+- `mode` 和 `state_reason`：判断处于 `MONITOR`、`OBS_CHECK`、`INFER_CHECK`、`RAMP`、`RL` 还是故障/阻尼路径；保护触发时首先看这里。
+- `commands_raw` 和 `commands`：区分遥控器原始输入、deadzone/比例/交换后的策略输入，避免把遥控映射问题误判成模型问题。
+- `obs_single`、`history_fill`、`history_zero_pad`：检查 45 维观测和历史缓存是否正确预热；刚进 RL 时历史未填满属于高风险段。
+- `action_raw` 和 `action_safe`：区分模型原始输出与 clip、smooth、trip 检查后的实际动作；若二者差异大，说明部署端限制正在影响行为。
+- `joint_targets`、`dof_pos`、`dof_vel`、`tau_est`：分析目标角、实际角、速度和力矩保护之间的因果关系。
+- `motor_mode`、`motor_reserve`、`motor_temperature`：定位电机是否掉出 servo、是否有错误码或过热。
+- `loop_dt_ms`、`recv_ms`、`policy_ms`、`work_ms`、`state_age_ms`：判断慢在推理、收包、构包发送还是系统调度。
+
+分析日志时不要只看最后一帧。应从 `state_reason` 第一次不为 `ok`、`action_safe` 第一次明显被 clip、`motor_mode` 第一次异常、`tau_est` 第一次接近阈值、`loop_dt_ms` 第一次超过 20 ms 的位置向前回看至少 1 到 2 秒。
+
 一次测试通过的最低条件：
 
 - 无 NaN/Inf、状态超时和控制周期持续超期。