项目包含四个核心模块:
(1)多姿态站立恢复:针对俯卧、仰卧、侧卧、贴墙等多种初始姿态训练统一的恢复策略,
输出连续关节轨迹,使机器人从任意倒地状态恢复到稳定站立;
(2)课程学习训练:按初始姿态难度、地面高度、外力扰动分阶段递增训练难度,
解决「一次性给最难姿态导致策略塌缩」的问题,显著提升训练收敛稳定性;
(3)Sim2Sim 验证:将 Isaac Gym 训练所得策略迁移至 MuJoCo 引擎交叉验证,
检验策略在不同物理引擎与接触模型下的鲁棒性,降低直接上真机的风险;
(4)Sim2Real 部署:完成 G1 关节映射、观测归一化、控制延迟补偿、力矩限幅与
动作平滑等工程处理,实现真机端的站立恢复。
同时提供训练曲线可视化、奖励分组统计与三维轨迹分析工具。
技术栈:Python + PyTorch + Isaac Gym + rsl_rl + MuJoCo + Unitree SDK,运行于 Ubuntu + RTX 5070 Ti。
主要难点与解决方式:
(1)Isaac Gym Preview 4 在 RTX 50 系(Blackwell sm_120)显卡上存在兼容性问题,
需重新编译并适配 CUDA 12.x,网上可参考资料极少,通过逐层排查 CUDA 架构标识、
驱动版本与 PyTorch 编译选项定位并解决;
(2)G1 真机的关节顺序、符号约定与仿真模型不完全一致,需逐关节核对映射关系,
并处理观测归一化与动作缩放,否则策略上机后直接发散;
点击空白处退出提示










评论