35 KiB
四足机器狗从训练到实机部署全流程指南
本教程基于西安交通大学 RoboGauge 团队的研究成果 Toward Reliable Sim-to-Real Predictability for MoE-based Robust Quadrupedal Locomotion 及其项目主页，将原始 Go2 训练任务适配为 Unitree Go1，并串联 IsaacLab 训练、RoboGauge 评估、MuJoCo sim2sim、ONNX 导出、RDK X5/S100 BPU 量化和 sim2real。
本文依据当前本地仓库代码整理。编写文档的计算机不是训练机或部署机，因此下面的安装、训练、量化和实机命令尚未在本文编写环境中执行验证。实际操作时应逐条执行、逐条记录，不要整段复制后无人值守运行。
1. 教程范围与版本约定
1.1 仓库
| 用途 | 仓库或目录 |
|---|---|
| IsaacLab 训练与自带 MuJoCo 部署 | go2_rl_robotlab 的 go1 分支 |
| 自动化 sim2sim 评估 | RoboGauge 的 go1 分支 |
| 独立 MuJoCo、ONNX、X5/S100 BPU 部署 | go1_pro_deploy/deploy_45dim_rl_gym |
| 官方公开 SDK | unitree_legged_sdk |
| 私有 Go1 PRO SDK | 仅在内部部署机使用，本文不公开协议、密钥和专有接口 |
本教程统一推荐 26000 轮检查点，示例名称如下：
训练检查点: model_26000.pt
浮点模型: policy_robotlab_26000.onnx
X5 模型: policy_robotlab_26000_int16_gemm.bin
S100 模型: policy_robotlab_26000_s100_int16_gemm.hbm
26000 只是当前推荐基线，不表示轮数越大一定越好。最终模型仍应根据 RoboGauge、MuJoCo 回放和真机日志共同选择。
1.2 全流程
Go1 模型与任务适配
-> IsaacLab + MoE-CTS 训练
-> TensorBoard 观察收敛
-> 导出 TorchScript / ONNX
-> IsaacLab play
-> RoboGauge 自动评估
-> 独立 MuJoCo sim2sim
-> ONNX 实机只读和悬空测试
-> 用真实日志制作 BPU 校准集
-> X5/S100 量化与离线对齐
-> BPU 悬空对照
-> 低速地面测试
-> 复杂地形测试
任何阶段不通过，都应退回上一阶段定位问题，不能用放宽真机保护阈值来掩盖观测、关节顺序或模型接口错误。
2. 研究方法解读
2.1 为什么使用 MoE-CTS
该流程的核心不是只追求仿真中的高回报，而是提高策略在未知动力学和地形上的泛化能力，并用标准化指标提前判断 sim2real 风险。
- CTS（Concurrent Teacher-Student）：teacher 可使用地形高度、接触力、关节力矩等特权信息；student 仅使用真机可获得的本体感知历史。两者在训练期间并行优化，使 student 学会从历史观测中估计隐含环境信息。
- MoE（Mixture of Experts）：策略包含多个 expert，由门控网络根据隐变量组合不同 expert。不同 expert 可以分别覆盖平地、坡面、台阶、低摩擦和动力学扰动等状态。
- 历史观测：单帧传感信息不能直接给出摩擦、延迟和外部扰动，连续历史为 student 提供了估计这些量的依据。
- 域随机化与课程学习：训练中改变地形、摩擦、质量、执行器延迟和外力，并随能力提升逐渐增加地形和指令难度。
2.2 奖励、评估和部署的职责不同
训练奖励用于产生梯度，并不是最终安全指标。高总奖励可能由速度跟踪项主导，同时仍存在极端关节、力矩尖峰或急停不稳。因此本流程分三层判断：
- 训练奖励：判断优化是否收敛、是否发生策略坍塌。
- RoboGauge 指标：在跨地形、跨摩擦、多随机种子下比较跟踪、安全和运动质量。
- 真机保护与日志：判断实时观测、动作、关节目标和硬件状态是否处于允许范围。
RoboGauge 当前关注的指标包括关节软限位、线/角速度误差、电机功耗、姿态稳定性、力矩平滑度、摩擦裕度和 ZMP 裕度。归一化后均按“越大越好”解释，但任何综合分数都不能替代分项检查。
3. 训练环境
3.1 硬件与软件前提
- NVIDIA GPU 和匹配的驱动。
- Linux 训练环境；图形界面训练不是必须。
- Python 3.11。
- IsaacLab/Isaac Sim 2.3.2 对应依赖。
- 足够的磁盘空间保存检查点、TensorBoard 日志和导出模型。
3.2 RoboGo 镜像
此处由维护者补充平台镜像信息：
TODO（维护者填写）
RoboGo 镜像名称：
镜像拉取命令：
容器启动参数：
训练数据持久化目录：
若镜像已包含 IsaacLab、项目仓库和依赖，可跳过下一节的手工安装，但仍需核对代码分支和版本。
3.3 手工安装
conda create -n go2_rl_robotlab python=3.11 -y
conda activate go2_rl_robotlab
python -m pip install --upgrade pip
python -m pip install "isaaclab[isaacsim,all]==2.3.2.post1" --extra-index-url https://pypi.nvidia.com
python -m pip install torch==2.7.0 torchvision==0.22.0 --index-url https://download.pytorch.org/whl/cu128
拉取 Go1 分支并安装项目内定制包：
git clone --branch go1 --single-branch https://github.com/wertyuilife2/go2_rl_robotlab.git
cd go2_rl_robotlab
python -m pip install -e source/robot_lab
python -m pip install -e source/rsl_rl
python -m pip install mujoco pygame onnx onnxruntime tensorboard
记录环境，便于在部署前复现：
git rev-parse HEAD
python --version
python -m pip freeze > requirements-lock.txt
nvidia-smi
4. 从 Go2 适配到 Go1
本地 go1 分支的关键提交为 0d2afbf feat: add Go1 training and MuJoCo deployment。适配不只是替换 URDF，至少包括以下内容：
- 添加完整的 Go1 URDF、MuJoCo XML 和 mesh。
- 定义 Go1 执行器、默认关节角、PD 参数和力矩限制。
- 新建
RobotLab-Go1-v0的场景、观测、动作、奖励、随机化和课程配置。 - 注册 Go1 任务及 MoE-CTS runner 配置。
- 添加 Go1 的 MuJoCo 配置和部署入口。
- 在所有模块中统一关节顺序与策略输入输出。
可用下面的命令查看完整改动：
git show --stat 0d2afbf
git show 0d2afbf -- source/robot_lab/robot_lab/tasks/go1
git show 0d2afbf -- source/robot_lab/robot_lab/assets/unitree.py
git show 0d2afbf -- source/robot_lab/robot_lab/assets/unitree_actuator.py
git show 0d2afbf -- deploy/deploy_mujoco
4.1 必须固定的策略接口
| 项目 | RobotLab Go1 约定 |
|---|---|
| 关节顺序 | FR, FL, RR, RL，每条腿依次为 hip、thigh、calf |
| 单帧观测 | 45 维 |
| 历史长度 | 10 帧 |
| ONNX 输入 | 450 维，由部署端维护历史 |
| TorchScript 输入 | 当前 45 维，模型内部维护历史 |
| 动作 | 12 维归一化关节位置偏移 |
| 动作缩放 | 0.25 rad，再加默认关节角 |
| 物理步长 | 0.005 s |
| decimation | 4 |
| 策略周期 | 0.02 s，即 50 Hz |
| 训练 PD | Kp=28、Kd=0.7 |
| 仿真力矩上限 | 33.5 Nm |
45 维单帧观测顺序为：
机身角速度(3)
+ 投影重力(3)
+ 速度指令 vx/vy/wz(3)
+ 相对默认角度的关节位置(12)
+ 关节速度(12)
+ 上一时刻动作(12)
= 45
RobotLab ONNX 的历史按“观测项分组后堆叠”，不是简单地将 10 个 45 维帧首尾拼接：
[角速度 10 帧, 重力 10 帧, 指令 10 帧,
关节位置 10 帧, 关节速度 10 帧, 上一动作 10 帧]
不要把旧 RL-Gym 的 5 帧/225 维 ONNX、RobotLab 的 10 帧/450 维 ONNX、内部维护历史的 45 维 TorchScript 混用。即使程序没有立即报错，错误的历史排列也会让输出失去意义。
5. 奖励函数与环境设计
Go1 奖励配置位于：
source/robot_lab/robot_lab/tasks/go1/env_cfg.py
当前主要奖励项如下：
| 奖励项 | 权重 | 目的 |
|---|---|---|
track_lin_vel_xy_exp |
2.0 |
跟踪平面线速度 |
track_ang_vel_z_exp |
1.0 |
跟踪 yaw 角速度 |
lin_vel_z_l2 |
-2.0，课程中趋近 0 |
抑制竖直跳动 |
ang_vel_xy_l2 |
-0.05 |
抑制 roll/pitch 角速度 |
joint_acc_l2 |
-1e-7 |
抑制关节加速度尖峰 |
joint_power |
-2e-5 |
降低机械功率 |
joint_torques_l2 |
-1e-4 |
降低力矩 |
base_height_l2 |
-1.0，课程中到 -10.0 |
保持约 0.30 m 机身高度 |
action_rate_l2 |
-0.01 |
抑制相邻动作突变 |
action_smoothness_l2 |
-0.01 |
抑制动作二阶不平滑 |
undesired_contacts |
-1.0 |
惩罚大腿、小腿触地 |
joint_pos_limits |
-2.0 |
避免关节接近或越过限制 |
feet_regulation |
-0.05 |
约束足端运动 |
hip_pos_penalty_l1 |
-0.05 |
约束髋关节偏移 |
joint_pos_penalty_l1 |
-0.01 |
约束大腿和小腿关节偏移 |
线速度和角速度跟踪项采用指数形式，误差为零时单项接近 1，再乘权重；其余多数为非负代价乘负权重。IsaacLab 奖励管理器还会按环境步长累计，因此不要根据权重直接猜测 TensorBoard 总回报的绝对值。
奖励判断原则：
- 先看 teacher 和 student 的平均回报是否持续上升并进入平台期。
- student 长期显著低于 teacher，通常表示历史编码器未学到足够的隐变量信息。
- 总回报上升时，还要检查关节限制、力矩、功率、动作平滑和 episode length。
- 单项奖励尺度相差较大，不能要求每条曲线数值接近。
- 奖励短时波动是 on-policy 训练的正常现象；连续大幅下降、episode length 同时缩短才更值得警惕。
- 修改奖励后必须新建 run，不能把不同配置的曲线当作同一实验连续比较。
环境通过随机初始状态、摩擦/质量等动力学变化、外力扰动、执行器延迟和连续地形难度降低过拟合。Go1 训练中的执行器延迟为 0 到 4 个物理步，即 0 到 20 ms；独立 MuJoCo 部署中的延迟参数按策略步计量，两者单位不同。
6. 开始训练
6.1 默认参数的含义
当前默认配置：
num_envs = 4096
num_steps_per_env = 24
save_interval = 500
max_iterations = 300000（通常通过命令行覆盖）
每次 PPO 更新的 rollout 数量约为：
4096 * 24 = 98304 个 transition
num_envs 主要影响仿真吞吐、显存和每轮采样量；num_steps_per_env 同时影响 rollout 时间跨度、buffer 显存和更新统计。优先保持 num_steps_per_env=24，通过 --num_envs 适配 GPU。
建议从小到大试探：
python scripts/rsl_rl/train.py --task=RobotLab-Go1-v0 --num_envs=512 --max_iterations=20 --headless
python scripts/rsl_rl/train.py --task=RobotLab-Go1-v0 --num_envs=1024 --max_iterations=20 --headless
python scripts/rsl_rl/train.py --task=RobotLab-Go1-v0 --num_envs=2048 --max_iterations=20 --headless
python scripts/rsl_rl/train.py --task=RobotLab-Go1-v0 --num_envs=4096 --max_iterations=20 --headless
另开终端观察：
watch -n 1 nvidia-smi
选择能稳定运行且留有显存余量的最大环境数。若 OOM，先减小 num_envs；只有明确理解 PPO batch 变化后，再修改 rsl_rl_cfg.py 中的 num_steps_per_env、mini-batch 和 epoch 数。
6.2 正式训练到 26000 轮
cd go2_rl_robotlab
conda activate go2_rl_robotlab
python scripts/rsl_rl/train.py \
--task=RobotLab-Go1-v0 \
--num_envs=4096 \
--max_iterations=26000 \
--run_name=go1_26000 \
--logger=tensorboard \
--headless
日志默认位于：
logs/rsl_rl/go1_moe_cts/<时间戳>_go1_26000/
检查点每 500 轮保存一次。确认 26000 轮文件存在：
find logs/rsl_rl/go1_moe_cts -name 'model_26000.pt' -print
6.3 断点续训
python scripts/rsl_rl/train.py \
--task=RobotLab-Go1-v0 \
--num_envs=4096 \
--max_iterations=3000 \
--resume \
--load_run=<RUN_DIRECTORY_NAME> \
--checkpoint=model_23000.pt \
--headless
当前 runner 在恢复训练时将 --max_iterations 解释为额外训练轮数。例如从 23000 继续到 26000，应填写 26000 - 23000 = 3000，若仍填写 26000 会继续训练到约 49000。恢复前先确认 params/env.yaml 和 params/agent.yaml 与预期一致。加载旧优化器状态后改变网络结构、观测维数或 expert 数量通常不可行。
7. 使用 TensorBoard 观察训练
训练机执行：
tensorboard --logdir logs/rsl_rl --port 6006
从本机通过 SSH 查看远端 TensorBoard：
ssh -L 6006:127.0.0.1:6006 <USER>@<TRAIN_HOST>
浏览器打开 http://127.0.0.1:6006。重点观察：
| 曲线 | 判断方式 |
|---|---|
Train/mean_teacher_reward |
teacher 是否稳定学习并进入平台期 |
Train/mean_student_reward |
student 是否跟随 teacher，部署时主要关心 student |
Train/*episode_length |
是否频繁因机身触地提前终止 |
Loss/* |
是否出现 NaN、爆炸或长期异常震荡 |
Policy/mean_noise_std |
探索强度是否异常塌缩或持续过大 |
Perf/total_fps |
并行环境设置是否有效利用硬件 |
Episode/* |
各奖励项、课程难度和终止统计 |
不要只选平均回报最高的 checkpoint。建议将 15000、20000、23000、26000 等候选同时送入 RoboGauge，比较综合分数和分项指标后再决定。
8. 评估与导出模型
8.1 IsaacLab play 与导出
play.py 加载 checkpoint 后，会先在同一 run 的 exported/ 下生成 policy.pt 和 policy.onnx，再进入可视化 rollout：
python scripts/rsl_rl/play.py \
--task=RobotLab-Go1-v0 \
--num_envs=64 \
--checkpoint=/absolute/path/to/model_26000.pt
输出：
<RUN_DIR>/exported/policy.pt
<RUN_DIR>/exported/policy.onnx
导出文件出现后才能终止 play。为了后续名称统一：
cp <RUN_DIR>/exported/policy.onnx /path/to/go1_pro_deploy/deploy_45dim_rl_gym/policy_robotlab_26000.onnx
cp <RUN_DIR>/exported/policy.pt /path/to/RoboGauge/resources/models/go1/policy_robotlab_26000.pt
8.2 不打断训练地导出
训练 runner 保存的是可恢复训练的 checkpoint，不会默认在每次保存时生成 ONNX。要保持主训练进程运行，可在另一块 GPU、另一台机器或训练显存允许时启动独立 play.py：
CUDA_VISIBLE_DEVICES=1 python scripts/rsl_rl/play.py \
--task=RobotLab-Go1-v0 \
--num_envs=1 \
--checkpoint=/absolute/path/to/model_26000.pt \
--headless
注意：
- 只处理已经完整写完的 checkpoint，不要复制正在写入的文件。
- 同一 GPU 显存不足时会影响训练，应在第二块 GPU 或离线机器导出。
play.py导出后仍会进入仿真循环；看到导出文件后用Ctrl+C结束该独立进程，不会中断训练进程。
8.3 检查 ONNX 接口
python -c "import onnxruntime as ort; s=ort.InferenceSession('policy_robotlab_26000.onnx'); print([(x.name,x.shape,x.type) for x in s.get_inputs()]); print([(x.name,x.shape,x.type) for x in s.get_outputs()])"
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 独立 MuJoCo 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：
cd /path/to/go1_pro_deploy
MUJOCO_GL=glfw mjpython deploy_45dim_rl_gym/deploy_go1_onnx_mujoco_lab.py \
--onnx deploy_45dim_rl_gym/policy_robotlab_26000.onnx
楼梯测试同样直接切 terrain：
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
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
9.1 安装
建议使用独立环境，因为当前 RoboGauge 固定了 mujoco==3.2.3、dm_control==1.0.23 和 numpy<2：
conda create -n robogauge python=3.10 -y
conda activate robogauge
git clone https://github.com/wty-yy/RoboGauge.git
cd RoboGauge
python -m pip install -e .
公开仓库作为基线使用。本文所需的 go1_lab.* 任务来自本地修改版的 go1 分支；在新评估机上还必须同步该分支或应用对应提交。安装后执行下面的命令确认任务注册，输出中必须出现 go1_lab.flat、go1_lab.stairs_fd 等任务：
git branch --show-current
python -c "import robogauge.tasks; from robogauge.utils.task_register import task_register; print('\\n'.join(sorted(task_register.pipeline_classes)))"
若不存在 go1_lab 任务，不要用 go2_lab 代替，应先同步本地 Go1 适配代码。
9.2 单模型与压力测试
直接通过 --model-path 指定 26000 对应的 TorchScript：
python robogauge/scripts/run.py \
--task-name go1_lab.flat \
--model-path resources/models/go1/policy_robotlab_26000.pt \
--experiment-name go1_robotlab_26000_flat \
--headless
跨地形压力测试：
python robogauge/scripts/run.py \
--task-name go1_lab \
--model-path resources/models/go1/policy_robotlab_26000.pt \
--experiment-name go1_robotlab_26000_stress \
--stress-benchmark \
--stress-terrain-names flat slope_fd slope_bd stairs_fd stairs_bd wave obstacle \
--num-processes 32 \
--seeds 0 1 2 \
--search-seeds 0 1 2 3 4 \
--frictions 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1.0 \
--compress-logs \
--headless
--num-processes 应根据 CPU 核数和内存调整，不宜盲目设为最大逻辑核心数。
9.3 训练期间异步评估
先启动服务端：
conda activate robogauge
cd RoboGauge
python robogauge/scripts/server.py --port 9973 --num-processes 32
再启动训练：
conda activate go2_rl_robotlab
cd go2_rl_robotlab
python scripts/rsl_rl/train.py \
--task=RobotLab-Go1-v0 \
--num_envs=4096 \
--max_iterations=26000 \
--robogauge \
--robogauge_port=9973 \
--headless
当前 OnPolicyRunnerCTS.update_robogauge() 每 500 轮自动导出一个 JIT 模型并提交评估，但本地版本中 task_name 曾硬编码为 go2_lab。训练 Go1 前必须确认该处为：
task_name="go1_lab"
检查文件为 source/rsl_rl/rsl_rl/runners/on_policy_runner_cts.py。否则会用错误的机器人任务评估 Go1 模型。异步评估生成的是 jit_models/policy_jit_<ITER>.pt；ONNX 仍需通过 play.py 导出。
9.4 如何选择 26000 模型
至少比较：
- Tracking：线速度、角速度是否准确。
- Safety：关节范围、功耗、力矩平滑度是否合理。
- Quality：姿态、急停、运动质量是否稳定。
- Level：坡面、台阶、波浪和障碍的最高稳定难度。
- 多 seed 方差：均值高但方差很大的策略不适合直接上机。
10. 独立 MuJoCo sim2sim
这里推荐使用 go1_pro_deploy/deploy_45dim_rl_gym/deploy_go1_onnx_mujoco_lab.py，因为它与 RobotLab 的 10 帧/450 维 ONNX 接口一致。
cd /path/to/go1_pro_deploy
conda activate <DEPLOY_ENV>
MUJOCO_GL=glfw mjpython deploy_45dim_rl_gym/deploy_go1_onnx_mujoco_lab.py \
--onnx deploy_45dim_rl_gym/policy_robotlab_26000.onnx
楼梯测试：
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
键盘映射：
| 按键 | 功能 |
|---|---|
Up / Down |
前进 / 后退 |
Left / Right |
左转 / 右转，即 yaw |
, / . |
左移 / 右移，即 vy |
K |
速度指令清零 |
R |
重置机器人 |
Esc |
退出 |
sim2sim 重点检查：
- 初始零历史时是否平稳进入站姿。
- 四条腿是否对应正确，左右/前后没有交换。
- 正负
vx、vy、wz的方向是否正确。 - 50 Hz 策略周期、PD 参数、默认角和动作缩放是否与训练一致。
- 平地、急停、转向、侧移、斜坡和台阶是否均无明显动作尖峰。
- action、关节速度、机身 roll/pitch 是否出现持续增长。
11. BPU 量化
11.1 量化前提
BPU 量化不是把 ONNX 改一个后缀。至少需要：
- 已通过接口检查的
policy_robotlab_26000.onnx。 - 来自相同观测构建逻辑的真实部署日志。
- 从 RL 状态提取的 10 帧/450 维
float32校准样本。 - 浮点 ONNX、图变换 ONNX、量化模型三者的逐样本输出对比。
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。
11.2 RDK X5
量化机执行：
cd /path/to/go1_pro_deploy
bash deploy_45dim_rl_gym/bpu_quantization/quantize_policy_x5.sh \
--policy ../policy_robotlab_26000.onnx \
--round 26000 \
--name policy_robotlab_26000 \
--history-len 10 \
--samples 64 \
--min-samples 32 \
--log-prefix robotlab_go1_deploy \
--cal-tag robotlab \
--quant int16
预期产物：
deploy_45dim_rl_gym/bpu_quantization/mapper_output_26000_gemm/
policy_robotlab_26000_int16_gemm.bin
板端先做完全离线自检，不连接电机控制：
cd /root/go1_pro_deploy
PYTHONPATH=/root/go1_pro_deploy \
python3 deploy_45dim_rl_gym/bpu_deploy_x5/test_bpu_policy.py \
--bpu-model deploy_45dim_rl_gym/bpu_quantization/mapper_output_26000_gemm/policy_robotlab_26000_int16_gemm.bin \
--input-bin deploy_45dim_rl_gym/bpu_quantization/calibration_data_26000_robotlab_fast64/00000.bin \
--repeat 1000
X5 的 featuremap 模型不要直接改用 hobot_dnn.pyeasy_dnn.forward()。当前项目默认通过 C++ DNN API，并按 infer、wait、release 的完整生命周期执行，以保证输出和 hrt_model_exec infer 对齐。
11.3 S100
cd /path/to/go1_pro_deploy
bash deploy_45dim_rl_gym/bpu_quantization/quantize_policy_s100.sh \
--policy ../policy_robotlab_26000.onnx \
--round 26000 \
--name policy_robotlab_26000 \
--history-len 10 \
--samples 64 \
--min-samples 32 \
--log-prefix robotlab_go1_deploy \
--cal-tag robotlab \
--march nash-e \
--quant int16
预期产物：
deploy_45dim_rl_gym/bpu_quantization/mapper_output_26000_s100_gemm/
policy_robotlab_26000_s100_int16_gemm.hbm
板端测速：
/usr/hobot/bin/hrt_model_exec perf \
--model_file deploy_45dim_rl_gym/bpu_quantization/mapper_output_26000_s100_gemm/policy_robotlab_26000_s100_int16_gemm.hbm \
--model_name policy_robotlab_26000_s100_int16_gemm \
--input_file deploy_45dim_rl_gym/bpu_quantization/calibration_data_26000_robotlab_fast64/00000.bin \
--frame_count 1000 \
--thread_num 1
量化验收不能只看平均延迟，还要记录：
- 输入/输出名称、shape 和 dtype。
- held-out 样本的最大绝对误差、平均绝对误差和余弦相似度。
- 最大延迟和抖动是否满足 20 ms 控制周期。
- 是否存在 CPU fallback 或频繁 BPU/CPU 子图切换。
- 连续推理是否有资源泄漏、错误日志或偶发异常动作。
12. 实机部署边界
12.1 SDK 保密说明
实际部署使用私有 Go1 PRO SDK。本文只描述公开的控制契约和安全设计，不记录私有协议格式、加密材料、逆向过程或专有实现。需要公开复现时，应以 Unitree 官方 unitree_legged_sdk 的 UDP、LowState、LowCmd 和 Safety 接口为基线重新实现适配层。
无论 SDK 如何实现，策略层与硬件层之间必须显式完成：
- 状态包有效性、时间戳和丢包检查。
- 电机顺序到
FR, FL, RR, RL策略顺序的映射。 - IMU 四元数、角速度坐标系和单位转换。
- 关节位置、速度、上一动作和指令的缩放。
- ONNX 历史缓存的初始化、更新和复位。
- 动作缩放、默认角叠加、目标限幅和变化率限制。
- PD 控制、安全检查、发送周期和退出阻尼。
公开 SDK 可用于核对通用 API、结构体字段和安全调用方式，但不要直接运行带位置目标的官方示例。先只编译：
git clone https://github.com/unitreerobotics/unitree_legged_sdk.git
cd unitree_legged_sdk
mkdir build
cd build
cmake ..
cmake --build . --parallel
本地 walk-these-ways/go1_gym_deploy/unitree_legged_sdk_bin/lcm_position.cpp 可作为官方 SDK 接入策略控制环的公开参考。阅读时重点关注 UDP 收发线程、LowState 到策略观测的转换、Safety 调用和退出流程，不要照搬其网络地址、增益或速度范围到另一台机器人。
12.2 硬件、接线与网络
本节按维护者要求留空，由实际设备负责人填写。部署前不得跳过。
TODO（维护者填写）
1. Go1 具体型号与固件版本：
2. S100/RDK X5 型号、系统镜像与供电：
3. 机器人、主控、交换机/网卡接线图：
4. 网口名称、静态 IP、子网掩码和路由：
5. 遥控器型号及按键映射：
6. 吊架/保护绳安装方式和承重：
7. 物理急停、断电和现场人员分工：
8. 启停 sport mode 的设备专用步骤：
13. 软件安全策略
13.1 控制权互斥
低层控制前必须确认原厂 sport 进程已停止，避免两个控制源同时发送命令。不要在机器人站立或行走时直接停止 sport mode，先让机器人处于受支撑或安全趴卧状态。
检查示例：
pgrep -fl 'keep_sport_alive|Legged_sport|appTransit'
恢复原厂控制前，先结束自定义低层进程并确认已经发送阻尼停机，再恢复 sport mode。
13.2 启动守卫
- 默认模式只能读取状态，不能发送 RL 关节目标。
- 必须有显式
--enable-rl才允许进入 RL 状态。 - 收到第一帧有效、完整且时间连续的 LowState 前，只发送停止哨兵或保持阻尼。
- 检查电机顺序、模型 shape、NaN/Inf、历史长度和控制频率。
- RL 刚启用时先预热历史；预热期间保持默认站姿。
- 从默认站姿向 RL 目标渐变，限制每周期目标变化量。
13.3 每周期保护
每个 20 ms 策略周期至少检查：
- 状态包是否超时、丢失或校验失败。
- 关节位置是否超硬限位或安全软限位。
- 关节速度是否超过部署阈值。
- 估计力矩和命令力矩是否超过电机限制。
- action 是否有限、是否超过软/硬跳闸阈值。
- 新关节目标与当前目标、实测位置的差值是否过大。
- IMU 角速度以及 roll/pitch 是否超过阈值。
- 推理时间和整个控制循环是否超过 20 ms deadline。
- 电量、温度、通信状态和错误码是否正常。
任一关键检查失败应进入 FAULT 或 IDLE damping，清零历史和上一动作。禁止捕获异常后静默继续运行。
13.4 力矩、速度与位置限制
训练中的 33.5 Nm 是仿真执行器上限，不等于真机调试时应直接允许的命令。首次测试应从官方安全接口允许的保守比例开始，并根据日志逐级放开。
位置控制命令即使命令前馈力矩为零，也会通过 PD 误差产生实际力矩，因此：
- 增大
Kp、目标跳变量或目标与实测位置差都可能造成力矩尖峰。 power_factor不能替代实测tauEst保护。- 触发力矩保护时，应优先减小目标变化、速度指令或 PD 增益，不能只提高保护阈值。
- 关节硬限位、位置偏差保护、速度保护和力矩保护必须同时存在。
13.5 停机路径
至少准备三条独立路径：
- 遥控器软急停：当前状态机使用
L2回到IDLE damping。 Ctrl+C：捕获后连续发送多帧阻尼命令再退出。- 物理断电：现场人员随时可以执行，且不依赖已被停止的原厂进程。
急停触发后不得自动恢复到 RL。必须重新检查故障原因，从校准或保持状态重新开始。
14. 分级实机测试流程
以下步骤必须按顺序通过。任何异常都应保存日志并停止，不要连续试错。
14.1 第 0 级：不上电机的离线检查
- 用相同 450 维输入比较 PyTorch、ONNX 和 BPU 输出。
- 检查 12 维动作的顺序、符号、范围和有限性。
- 测量平均、P99 和最大推理时间。
- 对零输入、真实日志输入和边界输入做回归。
14.2 第 1 级：只读 LowState
只连接 MCU 并记录 IMU、12 个关节位置/速度/力矩、电量、错误码和遥控器，不发送电机目标。手动缓慢移动悬空的腿，确认索引、符号和单位。
14.3 第 2 级：只构建观测
构建 45 维单帧和 450 维历史，但不运行策略。逐项核对：
- 静止水平时投影重力方向正确。
- 手动旋转机身时角速度轴和符号正确。
- 手动移动单腿时仅对应三个关节变化。
- 零速度命令为
[0, 0, 0]。 - 历史从零初始化，并按正确顺序滑动更新。
14.4 第 3 级：只推理不发命令
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。
X5 示例：
cd /root/go1_pro_deploy
PYTHONPATH=/root/go1_pro_sdk:/root/go1_pro_deploy \
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
S100 示例：
cd /root/go1_pro_deploy
PYTHONPATH=/root/go1_pro_sdk:/root/go1_pro_deploy \
python3 deploy_45dim_rl_gym/bpu_deploy_s100/deploy_go1_robotlab_bpu_s100_fastcpp.py \
--infer-check \
--log-dir logs \
--print-every 50 \
--max-steps 500
14.5 第 4 级：悬空状态机，不启用 RL
机器人必须可靠悬挂，腿下和侧面无人。先不加 --enable-rl，验证状态机：
IDLE -> CALIBRATE -> HOLD -> OBS_TEST -> INFER_TEST
R2每次只前进一层。L2在任意激活状态回到IDLE damping。- 未加
--enable-rl时，INFER_TEST -> RL必须被守卫拒绝。 Ctrl+C必须进入阻尼后退出。
14.6 第 5 级：悬空 RL，零速度命令
只有前四级通过后才能增加 --enable-rl。第一轮禁用摇杆速度输入，只验证站姿、动作方向、关节速度、力矩和急停。观察 5 到 10 秒后主动回到 HOLD，不要长时间连续运行。
14.7 第 6 级：悬空 RL，小幅指令
一次只测试一个方向：小 vx、小 vy、小 wz。每次测试后回零，检查正负方向和动作对称性。逐个参数变化，不要同时修改 PD、action clip、目标变化率和遥控比例。
14.8 第 7 级：平整地面低速
- 使用保护绳，现场一人操控、一人负责断电。
- 从零指令站立开始，再给短时小速度。
- 首轮只测试前进、停止和软急停。
- 之后再测试后退、侧移和转向。
- 每轮结束检查电机温度、日志和机械结构。
14.9 第 8 级：ONNX/BPU 对照
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。
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。
15. 日志与验收
每次实机运行至少保存：
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：
timestamp / state / state_reason
commands_raw / commands
obs_single / obs_history
action_raw / action_safe
joint_targets
dof_pos / dof_vel / tau_est
base_ang_vel / projected_gravity / imu_rpy
inference_ms / loop_ms
battery / temperature / communication_status
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。
- 电机顺序、坐标系和指令方向全部正确。
- 无硬限位、速度、力矩、姿态或动作异常跳闸。
L2、Ctrl+C和物理断电路径均已由现场演练确认。- ONNX/BPU 输出差异与离线结果一致。
- 行为可在相同条件下重复，而不是偶然成功一次。
16. 常见问题
16.1 策略在 IsaacLab 正常，MuJoCo 立即摔倒
优先检查关节顺序、默认关节角、观测历史排列、IMU 四元数格式、动作缩放、PD 参数和策略周期。不要先调奖励或增加力矩。
16.2 ONNX 输出维度正确但动作异常
检查输入是 450 维按观测项分组的历史，而不是 10 个单帧直接拼接；同时确认输入已经应用训练时的缩放，上一动作使用的是实际送入策略链路的动作定义。
16.3 BPU 很快，但真机表现比 ONNX 差
速度合格不代表数值合格。使用同一批真实 450 维输入逐帧比较 ONNX/BPU，重点查 featuremap 输入、量化校准分布、输出 reshape、CPU fallback 和 runtime 调用生命周期。
16.4 TensorBoard 总回报上涨，但 RoboGauge 下降
可能是训练奖励偏向速度跟踪，牺牲了力矩、姿态或关节裕度，也可能是后期 checkpoint 对训练域过拟合。比较分项指标和多个 checkpoint，不要只保留最后一轮。
16.5 真机一进入 RL 就力矩保护
立即停机。依次检查动作方向、目标角、目标单步变化、PD 增益、当前位置偏差、观测缩放和历史初始化。不要把提高 power_factor 作为第一反应。
17. 发布前检查清单
- RoboGo 镜像和容器启动信息已补全。
- 硬件、接线、网络和急停章节已由设备负责人补全。
- 所有仓库 commit 和 Python 依赖已记录。
- 26000 checkpoint 已完成 TensorBoard、IsaacLab play 和导出检查。
- ONNX 输入 450、输出 12，关节顺序为
FR, FL, RR, RL。 - RoboGauge 使用
go1_lab而非go2_lab。 - MuJoCo 平地、转向、侧移、急停和台阶测试通过。
- 真实日志校准集与模型版本一致。
- X5/S100 量化模型通过离线精度和延迟验收。
- 私有 SDK 的协议、密钥和专有实现未写入公开文档。
- 实机测试严格完成只读、观测、推理、状态机、悬空、地面分级流程。
- 每条停机路径均已实际演练。
18. 参考资料
- RoboGauge 项目主页
- Toward Reliable Sim-to-Real Predictability for MoE-based Robust Quadrupedal Locomotion
- RoboGauge
- go2_rl_robotlab
- IsaacLab 2.3.2 安装文档
- Unitree unitree_legged_sdk
- 本地
go2_rl_robotlab/docs/go1.md - 本地
RoboGauge/assets/docs/go1_policy_io_zh.md - 本地
go1_pro_deploy/deploy_45dim_rl_gym/README.md - 本地
go1_pro_deploy/deploy_45dim_rl_gym/bpu_quantization/README.md - 本地
go1_pro_deploy/deploy_45dim_rl_gym/bpu_deploy_x5/README.md - 本地
go1_pro_deploy/deploy_45dim_rl_gym/bpu_deploy_s100/README.md