669 lines
18 KiB
Markdown
669 lines
18 KiB
Markdown
# Go1 RL-Gym 45 维部署说明
|
||
|
||
本目录包含：
|
||
|
||
- `policy_15k.onnx`：RoboGauge Go1 RL-Gym 的 ONNX 策略
|
||
- `deploy_go1_onnx_mujoco.py`：MuJoCo 调试脚本
|
||
- `deploy_go1_rlgym_pro_sdk.py`：真机 Go1 PRO 低层部署脚本
|
||
|
||
该 ONNX 策略使用 45 维单帧观测，以及 5 帧、共 225 维的历史输入，按观测项分组堆叠：
|
||
|
||
```text
|
||
[角速度历史, 重力投影历史, 指令历史, 关节位置历史, 关节速度历史, 上一动作历史]
|
||
```
|
||
|
||
关节顺序为 `FR, FL, RR, RL`，与 `go1_pro_sdk` 的电机顺序一致。
|
||
|
||
## 安全说明
|
||
|
||
直接低层控电机是危险操作。
|
||
|
||
- 第一次测试必须悬空
|
||
- 低层控制前先杀掉 sport 进程
|
||
- sport 被杀后，要保留拔电池作为最终停机手段
|
||
- 真机状态机中，`L2` 会返回 `IDLE` 阻尼
|
||
- `Ctrl+C` 会通过 `safe_stop()` 退出
|
||
- 只有显式加 `--enable-rl` 才允许真正进入 RL 发电机目标
|
||
- 脚本启动连接 MCU 前会自动检查 SDK 电机顺序是否为 `FR, FL, RR, RL`
|
||
- 遥控器速度指令默认只保留 deadzone，不再做低通和变化率限制；日志中仍会同时保存原始 `commands_raw` 和实际输入策略的 `commands`
|
||
- RL 刚进入时会先 warmup，只预热观测历史和动作历史；warmup 期间仍保持默认站姿，结束后再按 `max_target_step` 从默认站姿逐步进入 RL 目标
|
||
|
||
## 环境准备
|
||
|
||
```bash
|
||
cd /Users/chenyouyuan/cyy_ws/deploy_go1_pro
|
||
conda activate free_dog_sdk
|
||
```
|
||
|
||
杀掉机器人上的 sport 进程：
|
||
|
||
```bash
|
||
ssh pi@192.168.123.161 "sudo pkill -9 -f keep_sport_alive; sudo pkill -9 -f Legged_sport; sudo pkill -9 -f appTransit"
|
||
```
|
||
|
||
或者在部署脚本里直接加 `--kill-sport`。
|
||
|
||
脚本执行 `--kill-sport` 时，会打印并执行等价的 SSH 命令。如果不加
|
||
`--kill-sport`，请务必手动执行上面的命令。
|
||
|
||
## 启动前电机顺序检查
|
||
|
||
真机脚本启动连接 MCU 前会自动检查：
|
||
|
||
```text
|
||
SDK 顺序必须是:
|
||
FR_0 FR_1 FR_2
|
||
FL_0 FL_1 FL_2
|
||
RR_0 RR_1 RR_2
|
||
RL_0 RL_1 RL_2
|
||
|
||
策略顺序对应:
|
||
FR_hip FR_thigh FR_calf
|
||
FL_hip FL_thigh FL_calf
|
||
RR_hip RR_thigh RR_calf
|
||
RL_hip RL_thigh RL_calf
|
||
```
|
||
|
||
如果 SDK 顺序不一致，脚本会直接报错并停止，不会继续连接机器人。
|
||
|
||
检查通过时会打印类似：
|
||
|
||
```text
|
||
[INFO] Joint order check passed: SDK and policy both use FR, FL, RR, RL.
|
||
[00] FR_0 -> FR_hip default=-0.100
|
||
[01] FR_1 -> FR_thigh default=+0.800
|
||
[02] FR_2 -> FR_calf default=-1.500
|
||
...
|
||
[11] RL_2 -> RL_calf default=-1.500
|
||
```
|
||
|
||
连接成功后，脚本还会逐项打印当前电机角度和默认角度：
|
||
|
||
```text
|
||
[INFO] Initial joint positions (rad):
|
||
[00] FR_0: q=..., default=-0.100
|
||
...
|
||
[11] RL_2: q=..., default=-1.500
|
||
```
|
||
|
||
## 第 1 步：只取数据
|
||
|
||
只读 LowState、IMU、关节和遥控器数据，不发任何电机命令。
|
||
|
||
```bash
|
||
mjpython deploy_45dim_rl_gym/deploy_go1_rlgym_pro_sdk.py \
|
||
--monitor \
|
||
--kill-sport \
|
||
--log-dir logs
|
||
```
|
||
|
||
检查：
|
||
|
||
- 电量正常
|
||
- 机器人姿态变化时，RPY 会跟着变化
|
||
- 12 个关节位置不是全 0
|
||
- 遥控器按键和摇杆变化能正常打印
|
||
|
||
## 第 2 步：测试遥控器
|
||
|
||
继续用 `--monitor`，依次测试：
|
||
|
||
- 按 `R2`
|
||
- 按 `L2`
|
||
- 左摇杆前后、左右
|
||
- 右摇杆左右
|
||
|
||
期望结果：
|
||
|
||
- `pressed`、`rising`、`falling` 会正确变化
|
||
- `lx`、`ly`、`rx` 会正确变化
|
||
- 不会有任何电机动作
|
||
|
||
## 第 3 步：测试观测构建
|
||
|
||
只构建 45 维观测和 225 维 ONNX 历史输入，不做 RL 控制。
|
||
|
||
```bash
|
||
mjpython deploy_45dim_rl_gym/deploy_go1_rlgym_pro_sdk.py \
|
||
--obs-check \
|
||
--kill-sport \
|
||
--log-dir logs
|
||
```
|
||
|
||
检查：
|
||
|
||
- 站立时重力投影接近 `[0, 0, -1]`
|
||
- 指令观测会随遥控器变化
|
||
- `q-qd max` 在合理范围内
|
||
- ONNX 输入形状是 `(1, 225)`
|
||
|
||
## 第 4 步：只测试 ONNX 推理
|
||
|
||
只跑 ONNX 推理，不发 RL 电机目标。
|
||
|
||
```bash
|
||
mjpython deploy_45dim_rl_gym/deploy_go1_rlgym_pro_sdk.py \
|
||
--infer-check \
|
||
--kill-sport \
|
||
--log-dir logs
|
||
```
|
||
|
||
检查：
|
||
|
||
- `action_raw max` 不会突然爆大
|
||
- 零指令时动作应比较稳定
|
||
- 长时间给 yaw 指令时，动作不应持续发散
|
||
|
||
## 第 5 步：测试状态机和退出
|
||
|
||
不加 `--enable-rl`，这样只会走校准、保持、观测和推理层，不会真正进入 RL 电机控制。
|
||
|
||
```bash
|
||
mjpython deploy_45dim_rl_gym/deploy_go1_rlgym_pro_sdk.py \
|
||
--kill-sport \
|
||
--log-dir logs
|
||
```
|
||
|
||
### 遥控器操作步骤
|
||
|
||
先把机器人悬空，四条腿下方不要站人，手指始终放在 `L2` 上。每按一次 `R2` 后都要等终端打印出对应状态，并观察 5 到 10 秒再按下一次。
|
||
|
||
```text
|
||
启动后:
|
||
状态应为 IDLE
|
||
电机处于阻尼/空闲，不应主动站立
|
||
|
||
第 1 次按 R2:
|
||
IDLE -> CALIBRATE -> HOLD
|
||
机器人会缓慢回到默认站姿
|
||
等终端打印 [STATE] HOLD
|
||
|
||
第 2 次按 R2:
|
||
HOLD -> OBS_TEST
|
||
电机仍保持默认站姿
|
||
只构建观测，不使用 ONNX 动作控制电机
|
||
|
||
第 3 次按 R2:
|
||
OBS_TEST -> INFER_TEST
|
||
电机仍保持默认站姿
|
||
只运行 ONNX 推理，动作只写日志，不控制电机
|
||
|
||
第 4 次按 R2:
|
||
未加 --enable-rl 时会被守卫拦住
|
||
终端应打印 RL blocked
|
||
|
||
任意激活状态按 L2:
|
||
立即回到 IDLE 阻尼
|
||
|
||
Ctrl+C:
|
||
调用 safe_stop() 并退出脚本
|
||
```
|
||
|
||
必须确认：
|
||
|
||
```text
|
||
R2 每次只前进一层
|
||
L2 在 HOLD / OBS_TEST / INFER_TEST 都能回到 IDLE
|
||
松开 R2/L2 后，日志里 rising/falling 不应连续乱跳
|
||
摇杆不动时，lx/ly/rx/ry 应接近 0
|
||
```
|
||
|
||
检查：
|
||
|
||
- 校准会缓慢回到默认站姿
|
||
- `HOLD` 会保持默认站姿
|
||
- `L2` 能回到 `IDLE`
|
||
- `Ctrl+C` 会正常打印 `Safe stopping...` 并退出
|
||
|
||
## 第 6 步：悬空 RL 测试
|
||
|
||
只有前 1 到 5 步都稳定后，才加 `--enable-rl` 进行悬空 RL。第一轮必须先隔离遥控器摇杆输入，用 `--no-rc` 固定零指令，只用遥控器按键切状态：
|
||
|
||
```bash
|
||
mjpython deploy_45dim_rl_gym/deploy_go1_rlgym_pro_sdk.py \
|
||
--kill-sport \
|
||
--enable-rl \
|
||
--no-rc \
|
||
--cmd-x 0 --cmd-y 0 --cmd-yaw 0 \
|
||
--log-dir logs \
|
||
--kp 60 --kd 1.0 \
|
||
--kp-cal 20 --kd-cal 1.0 \
|
||
--power-factor 6 \
|
||
--position-protect-limit 0.8 \
|
||
--action-clip 2.5 \
|
||
--action-trip-limit 8.0 \
|
||
--max-target-step 0.04 \
|
||
--max-roll-deg 25 \
|
||
--max-pitch-deg 25
|
||
```
|
||
|
||
### RL 遥控器操作步骤
|
||
|
||
第一轮带 `--no-rc`，摇杆不会进入策略，只用 `R2` 和 `L2` 切状态。每一步都等终端状态确认后再继续。
|
||
|
||
```text
|
||
启动后:
|
||
状态应为 IDLE
|
||
|
||
第 1 次按 R2:
|
||
IDLE -> CALIBRATE -> HOLD
|
||
等站姿稳定
|
||
|
||
第 2 次按 R2:
|
||
HOLD -> OBS_TEST
|
||
等 5 到 10 秒，确认 RPY、q 和 dq 稳定
|
||
|
||
第 3 次按 R2:
|
||
OBS_TEST -> INFER_TEST
|
||
等 5 到 10 秒，确认 action_raw_max 不突然变大
|
||
|
||
第 4 次按 R2:
|
||
INFER_TEST -> RL
|
||
先只观察 10 到 20 秒，不推摇杆
|
||
|
||
RL 中再按 R2:
|
||
RL -> HOLD
|
||
用来从 RL 平稳退回保持站姿
|
||
|
||
任意异常立即按 L2:
|
||
回到 IDLE 阻尼
|
||
|
||
需要退出脚本:
|
||
先按 L2 回 IDLE
|
||
再 Ctrl+C
|
||
```
|
||
|
||
悬空 RL 时：
|
||
|
||
- 先用 `--no-rc` 保持零指令
|
||
- 零指令稳定后，再取消 `--no-rc` 并用很小的摇杆比例
|
||
- 观察 `action_raw_max`、`action_safe_max`、RPY 和关节目标
|
||
- 刚进入 RL 的前 `warmup_steps` 帧不会真正发送 RL 目标，之后目标应按 `max_target_step` 平滑变化
|
||
- 一旦动作或姿态不对，立刻按 `L2`
|
||
|
||
## 参数逐层强化
|
||
|
||
建议先用小参数，再逐层加到当前目标值。前一层如果还不稳定，不要跳层。每层至少稳定 1 到 2 分钟再升级。
|
||
|
||
### 第 0 层：完全不控电机
|
||
|
||
先跑：
|
||
|
||
```bash
|
||
mjpython deploy_45dim_rl_gym/deploy_go1_rlgym_pro_sdk.py --monitor --kill-sport --log-dir logs
|
||
mjpython deploy_45dim_rl_gym/deploy_go1_rlgym_pro_sdk.py --obs-check --kill-sport --log-dir logs
|
||
mjpython deploy_45dim_rl_gym/deploy_go1_rlgym_pro_sdk.py --infer-check --kill-sport --log-dir logs
|
||
```
|
||
|
||
只有在状态、遥控、观测和动作日志都正常时，才进入下一层。
|
||
|
||
### 第 1 层：弱校准和保持
|
||
|
||
先不进 RL，只测试起立、保持、`R2`、`L2` 和 `Ctrl+C`。
|
||
|
||
```bash
|
||
mjpython deploy_45dim_rl_gym/deploy_go1_rlgym_pro_sdk.py \
|
||
--kill-sport \
|
||
--log-dir logs \
|
||
--kp 20 --kd 0.7 \
|
||
--kp-cal 10 --kd-cal 0.7 \
|
||
--power-factor 3 \
|
||
--position-protect-limit 0.4
|
||
```
|
||
|
||
只有在校准平滑、能稳定保持、`L2` 能可靠回到 `IDLE` 时才升级。
|
||
|
||
### 第 2 层：中等校准和保持
|
||
|
||
仍然不进 RL。
|
||
|
||
```bash
|
||
mjpython deploy_45dim_rl_gym/deploy_go1_rlgym_pro_sdk.py \
|
||
--kill-sport \
|
||
--log-dir logs \
|
||
--kp 40 --kd 0.8 \
|
||
--kp-cal 15 --kd-cal 0.8 \
|
||
--power-factor 5 \
|
||
--position-protect-limit 0.6
|
||
```
|
||
|
||
只有在保持姿态稳定、关节不抖时才继续。
|
||
|
||
### 第 3 层：保守悬空 RL，固定零指令
|
||
|
||
开始允许 RL，但固定零指令，先确认策略本体能悬空稳定，不测试摇杆速度指令。
|
||
|
||
```bash
|
||
mjpython deploy_45dim_rl_gym/deploy_go1_rlgym_pro_sdk.py \
|
||
--kill-sport \
|
||
--enable-rl \
|
||
--no-rc \
|
||
--cmd-x 0 --cmd-y 0 --cmd-yaw 0 \
|
||
--log-dir logs \
|
||
--kp 60 --kd 1.0 \
|
||
--kp-cal 20 --kd-cal 1.0 \
|
||
--power-factor 6 \
|
||
--position-protect-limit 0.8 \
|
||
--action-clip 2.5 \
|
||
--action-trip-limit 8.0 \
|
||
--max-target-step 0.04 \
|
||
--max-roll-deg 25 \
|
||
--max-pitch-deg 25
|
||
```
|
||
|
||
只有在悬空 RL 零指令稳定时才进入下一层。
|
||
|
||
### 第 3.5 层：保守悬空 RL，小遥控比例
|
||
|
||
取消 `--no-rc`，但先把摇杆比例限制到小范围。脚本默认还会对遥控器命令做 deadzone、低通和变化率限制。
|
||
|
||
如果加 `--swap-vy-yaw`，遥控映射会变成：
|
||
|
||
```text
|
||
左摇杆前后 ly -> vx
|
||
左摇杆左右 lx -> yaw
|
||
右摇杆左右 rx -> vy
|
||
```
|
||
|
||
```bash
|
||
mjpython deploy_45dim_rl_gym/deploy_go1_rlgym_pro_sdk.py \
|
||
--kill-sport \
|
||
--enable-rl \
|
||
--log-dir logs \
|
||
--kp 60 --kd 1.0 \
|
||
--kp-cal 20 --kd-cal 1.0 \
|
||
--power-factor 6 \
|
||
--position-protect-limit 0.8 \
|
||
--action-clip 2.5 \
|
||
--action-trip-limit 8.0 \
|
||
--max-target-step 0.06 \
|
||
--max-roll-deg 25 \
|
||
--max-pitch-deg 25 \
|
||
--swap-vy-yaw \
|
||
--rc-vx-scale 0.3 \
|
||
--rc-vy-scale 0.15 \
|
||
--rc-wz-scale 0.5
|
||
```
|
||
|
||
这一层不要直接长时间满杆。建议按下面顺序测，每次给很短的摇杆脉冲，松杆回中后等姿态稳定再继续：
|
||
|
||
```text
|
||
进入 RL 后先零摇杆观察 10 秒
|
||
|
||
左摇杆前后:
|
||
ly 轻推到约 1/3 行程，保持 0.5 到 1 秒，松开
|
||
观察 roll/pitch、qvel、action_raw_max
|
||
|
||
左摇杆左右:
|
||
加 --swap-vy-yaw 后控制 yaw
|
||
lx 轻推到约 1/3 行程，保持 0.5 到 1 秒，松开
|
||
如果 yaw 仍慢，可以逐步把 --rc-wz-scale 从 0.5 提到 0.7
|
||
|
||
右摇杆左右:
|
||
加 --swap-vy-yaw 后控制 vy
|
||
rx 轻推到约 1/3 行程，保持 0.5 到 1 秒，松开
|
||
观察横向动作是否明显发散
|
||
|
||
任何时候:
|
||
action_raw_max 接近 2.0、qvel 明显变大、roll/pitch 持续变大，立即按 L2
|
||
```
|
||
|
||
这一层重点检查 `commands_raw` 和 `commands`：默认无命令滤波时两者应基本一致。如果手动启用了 `--cmd-ema-alpha` 或 `--max-cmd-step-*`，则 `commands` 会比 `commands_raw` 更慢变化。
|
||
|
||
### 第 4 层：当前目标参数
|
||
|
||
这是当前想要的正式参数。只有第 3 层和第 3.5 层都稳定后再用。
|
||
|
||
```bash
|
||
mjpython deploy_45dim_rl_gym/deploy_go1_rlgym_pro_sdk.py \
|
||
--kill-sport \
|
||
--enable-rl \
|
||
--log-dir logs \
|
||
--kp 80 --kd 1.0 \
|
||
--kp-cal 20 --kd-cal 1.0 \
|
||
--power-factor 7 \
|
||
--position-protect-limit 1.0 \
|
||
--action-clip 4.0 \
|
||
--action-trip-limit 12.0 \
|
||
--max-target-step 0.08 \
|
||
--swap-vy-yaw \
|
||
--rc-vx-scale 0.5 \
|
||
--rc-vy-scale 0.25 \
|
||
--rc-wz-scale 0.7
|
||
```
|
||
|
||
这些值仍低于全遥控比例，用来逐步靠近正式测试；不要直接用满 `1.0/0.5/1.0`。
|
||
|
||
## 第 7 步：上地面测试
|
||
|
||
只有悬空 RL 稳定后，才能落地。
|
||
|
||
1. 把机器人放到平地上
|
||
2. 零指令进入 RL
|
||
3. 先让它站稳
|
||
4. 再给小指令
|
||
|
||
建议起始范围：
|
||
|
||
```text
|
||
ly <= 0.2
|
||
lx <= 0.1
|
||
rx <= 0.2
|
||
```
|
||
|
||
如果出现以下情况，立即按 `L2`：
|
||
|
||
- 动作越来越大
|
||
- roll 或 pitch 持续变大
|
||
- 腿乱甩
|
||
- 机器人开始摔倒或打滑
|
||
|
||
### 15 cm 台阶测试参数
|
||
|
||
`stairs_3.xml` 的单级高度约 `0.14 m`。从 MuJoCo 采样和真机日志看，上台阶时 pitch 到 `25 deg` 以上、roll 短时超过 `35 deg` 都可能出现。台阶测试不要继续用平地/悬空的 `25 deg` 或 `35 deg` 姿态保护。
|
||
|
||
建议台阶第一轮用下面这组。它比平地测试放开姿态和动作幅度，但仍保留目标位置变化率限制，避免单帧目标跳变太大：
|
||
|
||
```bash
|
||
mjpython deploy_45dim_rl_gym/deploy_go1_rlgym_pro_sdk.py \
|
||
--kill-sport \
|
||
--enable-rl \
|
||
--log-dir logs \
|
||
--kp 36 --kd 1.0 \
|
||
--kp-cal 20 --kd-cal 1.0 \
|
||
--power-factor 9 \
|
||
--position-protect-limit 0.0 \
|
||
--action-clip 5.0 \
|
||
--action-trip-limit 8.0 \
|
||
--max-target-step 0.0 \
|
||
--max-roll-deg 50 \
|
||
--max-pitch-deg 50 \
|
||
--swap-vy-yaw \
|
||
--rc-vx-scale 0.5 \
|
||
--rc-vy-scale 0.5 \
|
||
--rc-wz-scale 1.0
|
||
```
|
||
|
||
如果动作幅度仍明显不够，再把 `--max-target-step` 从 `0.15` 加到 `0.20`。只有确认目标变化率限制确实挡住抬腿时，才短时间对照测试 `--max-target-step 0`。
|
||
|
||
`--action-trip-limit 9.0` 只是把 raw action 的异常停机阈值从 `8.0` 放宽到 `9.0`；实际发给关节目标的动作仍会先被 `--action-clip 4.0` 裁剪，所以它不会直接增加腿部动作幅度。如果 raw action 经常超过 `9.0`，说明观测或姿态已经明显偏离训练分布，应按 `L2` 退回而不是继续放大阈值。
|
||
|
||
`--max-target-step 0` 的意思是关闭单步目标变化率限制，不是关闭关节硬限位、action clip 或 SDK 安全保护。真机日志 `rlgym_go1_deploy_20260724_172122` 里，`max_target_step=0`、`position_protect_limit=1.5`、`power_factor=9` 时触发的是实测扭矩保护：`tauEst` 已超过 SDK 的 `TAU_MAX`，所以脚本会进入 `FAULT` 并阻尼停机。
|
||
|
||
这只是放宽姿态保护，不是关闭全部安全保护。`action_trip_limit`、`max_dof_vel`、`max_gyro`、`position_protect_limit`、实测扭矩保护和 `L2` 急停仍然保留。
|
||
|
||
注意：`--power-factor` 主要限制命令力矩 `tau` 的比例；这个部署脚本发送的是位置控制，命令 `tau=0`。实测 `tauEst` 超过 SDK `TAU_MAX` 时，即使 `power_factor=9` 也会停机。遇到这种停机，优先减小瞬时目标跳变或速度指令，不要继续只增大 `power_factor`。
|
||
|
||
目前台阶实测后的建议顺序：
|
||
|
||
```text
|
||
第一轮: position_protect_limit=1.2, max_target_step=0.15, power_factor=6
|
||
第二轮: position_protect_limit=1.2, max_target_step=0.20, power_factor=6
|
||
第三轮: position_protect_limit=1.5, max_target_step=0.20, power_factor=6 或 7
|
||
短时对照: position_protect_limit=1.5, max_target_step=0, power_factor=6 或 7
|
||
```
|
||
|
||
如果出现 `PowerProtectViolation`，说明已经是实测扭矩过载边缘。下一轮建议回退到上一层参数，或者降低 `--rc-vx-scale` / 避免连续满前进杆。
|
||
|
||
## MuJoCo 键盘 sim2sim
|
||
|
||
键盘控制测试直接用本目录的 `deploy_go1_onnx_mujoco.py`。它加载同一个 `policy_15k.onnx`，使用 45 维观测和 5 帧 ONNX 历史，在 MuJoCo 里做位置 PD 控制。
|
||
|
||
平地启动：
|
||
|
||
```bash
|
||
cd /Users/chenyouyuan/cyy_ws/deploy_go1_pro
|
||
conda activate free_dog_sdk
|
||
|
||
mjpython deploy_45dim_rl_gym/deploy_go1_onnx_mujoco.py \
|
||
--clip-actions 4.0 \
|
||
--max-target-step 0.15
|
||
```
|
||
|
||
楼梯 level 3 启动：
|
||
|
||
```bash
|
||
cd /Users/chenyouyuan/cyy_ws/deploy_go1_pro
|
||
conda activate free_dog_sdk
|
||
|
||
mjpython deploy_45dim_rl_gym/deploy_go1_onnx_mujoco.py \
|
||
--terrain terrains/stairs/stairs_3.xml \
|
||
--spawn-x -0.6 \
|
||
--spawn-z 0.34 \
|
||
--clip-actions 4.0 \
|
||
--max-target-step 0.15
|
||
```
|
||
|
||
如果你想对照策略原始动作能力，可以短时间把 `--max-target-step` 改成 `0.0`：
|
||
|
||
```bash
|
||
mjpython deploy_45dim_rl_gym/deploy_go1_onnx_mujoco.py \
|
||
--terrain terrains/stairs/stairs_3.xml \
|
||
--spawn-x -0.6 \
|
||
--spawn-z 0.34 \
|
||
--clip-actions 4.0 \
|
||
--max-target-step 0.0
|
||
```
|
||
|
||
键盘控制：
|
||
|
||
```text
|
||
方向键 ↑ / ↓ : 前进 / 后退
|
||
方向键 ← / → : 左转 / 右转 yaw
|
||
, / . : 左移 / 右移 vy
|
||
K : 零速度指令
|
||
R : 重置机器人
|
||
Esc : 退出
|
||
```
|
||
|
||
如果键盘没有响应，先点一下 MuJoCo 窗口或终端，让当前窗口获得焦点。macOS 第一次使用 `pynput` 可能需要给终端或 Python 辅助功能权限。
|
||
|
||
## MuJoCo 楼梯采样
|
||
|
||
可以先在 MuJoCo 里固定前进指令采样楼梯 level 3。`stairs_3.xml` 的单级高度约 `0.14 m`，接近 `15 cm` 台阶。
|
||
|
||
默认前进速度、真机放开动作幅度、但保留较严格目标步长限制：
|
||
|
||
```bash
|
||
conda activate free_dog_sdk
|
||
|
||
mjpython deploy_45dim_rl_gym/deploy_go1_onnx_mujoco.py \
|
||
--sample-stairs-level 3 \
|
||
--sample-seconds 10 \
|
||
--sample-cmd-x 1.0 \
|
||
--sample-cmd-y 0 \
|
||
--sample-cmd-yaw 0 \
|
||
--clip-actions 4.0 \
|
||
--max-target-step 0.08 \
|
||
--sample-log-dir logs
|
||
```
|
||
|
||
如果 `0.08` 在楼梯上动作太小，可以用下面这个对照测试策略原始能力：
|
||
|
||
```bash
|
||
mjpython deploy_45dim_rl_gym/deploy_go1_onnx_mujoco.py \
|
||
--sample-stairs-level 3 \
|
||
--sample-seconds 10 \
|
||
--sample-cmd-x 1.0 \
|
||
--sample-cmd-y 0 \
|
||
--sample-cmd-yaw 0 \
|
||
--clip-actions 4.0 \
|
||
--max-target-step 0.0 \
|
||
--sample-log-dir logs
|
||
```
|
||
|
||
采样日志会保存：
|
||
|
||
```text
|
||
logs/mujoco_stairs_sample_YYYYMMDD_HHMMSS/
|
||
metadata.json
|
||
steps.jsonl
|
||
summary.json
|
||
```
|
||
|
||
重点看：
|
||
|
||
- `fallen`
|
||
- `base_x_progress`
|
||
- `rpy_min_deg` / `rpy_max_deg`
|
||
- `action_raw_maxabs`
|
||
- `action_applied_maxabs`
|
||
- `target_offset_maxabs`
|
||
- `dof_vel_maxabs`
|
||
|
||
## 日志
|
||
|
||
日志会保存在：
|
||
|
||
```text
|
||
logs/rlgym_go1_deploy_YYYYMMDD_HHMMSS/
|
||
metadata.json
|
||
steps.jsonl
|
||
```
|
||
|
||
常看字段：
|
||
|
||
- `commands`
|
||
- `commands_raw`
|
||
- `obs_single`
|
||
- `action_raw`
|
||
- `action_safe`
|
||
- `joint_targets`
|
||
- `dof_pos`
|
||
- `dof_vel`
|
||
- `base_ang_vel`
|
||
- `projected_gravity`
|
||
- `imu_rpy_deg`
|
||
- `state_reason`
|
||
|
||
## 常用默认值
|
||
|
||
真机部署脚本使用的默认值如下：
|
||
|
||
```text
|
||
kp = 80.0
|
||
kd = 1.0
|
||
kp_cal = 20.0
|
||
kd_cal = 1.0
|
||
power_factor = 7
|
||
position_protect_limit = 1.0
|
||
action_ema_alpha = 0.0
|
||
rc_deadzone = 0.05
|
||
cmd_ema_alpha = 1.0
|
||
max_cmd_step_x = 0.0
|
||
max_cmd_step_y = 0.0
|
||
max_cmd_step_yaw = 0.0
|
||
rate_hz = 50.0
|
||
```
|
||
|
||
这些值来自之前成功的 Go1 PRO 低层部署经验。`rlgym_go1_deploy_20260724_193128` 和 `rlgym_go1_deploy_20260724_193318` 对照显示，当前 45 维策略在真机上关闭遥控器命令低通/变化率限制更稳定；如需重新启用滤波，应只作为单独变量短时对照测试。
|
||
|
||
RoboGauge 策略自己的参数不要照搬旧的 57 维策略：
|
||
|
||
```text
|
||
action_scale = 0.25
|
||
default_dof_pos = FR, FL, RR, RL 顺序下的 [-0.1/0.1, 0.8/1.0, -1.5]
|
||
history_len = 5
|
||
onnx_input_dim = 225
|
||
```
|