Files
SkillFactory/docs/contact_cycle_rootxy_v2_plan.md
chenlin 9fe9d27865 feat: checkpoint contact-cycle evaluation and RootXY PPO progress
Consolidate next-stage docs, archive superseded narratives, and preserve frozen document inputs. Retain invalid P2 pairs, partial RootXY training, failed attempts and nonselectable checkpoints as explicit limitations.

Include supervised evaluation/training, desktop GPU admission, bounded evidence and atomic-publication monitor repairs with CPU regressions. Ignore local dotenv configuration.

Validation: 1403 passed, 6 skipped for contact-cycle and related contracts/CLI tests. Full-suite legacy ABI and registration tests require Python 3.12/Torch 2.10/pxr; no runtime checks relaxed. No new physical run or accepted skill.
2026-10-15 14:18:17 +08:00

4.3 KiB
Raw Permalink Blame History

RootXY-v2:固定训练配方与候选判据

这是当前实现合同,不是新运行授权。两次RUN均已停止;第二次完成81更新但没有合格候选,见当前进度。改动本文会改变新manifest身份;旧快照/失败证据不修改。

范围与唯一任务变化

  • 独立任务SkillFactory-Go2FL-ContactCycleSimRootXY-v2,不是旧v1或32D策略的别名。
  • 沿用46D特征、固定归一化、参考/载荷补偿、9秒独立回合、原辅助夹具和物理失败规则;所有阶段残差±0.05rad,关节投影后有效权限可能更小。
  • 唯一奖励变化:position scales由[.05,.05,.04]改为[.03,.03,.04]m。权重1/.1/.05、XYZ共享cap10、velocity scale .5和其余成本不变。
  • 不增加30mm训练termination;普通原任务失败仍可作为PPO学习信号。身份、有限性、关节/effort/guide安全、计数/诊断、时间/存储/归属异常致命停止。
  • 仍是名义单周期漂移减少试验,不学习连续周期或外扰恢复。

初始化与对照

冻结来源见证据索引。仅导入u256的actor、log_std、精确normalization;critic/Adam/Python/NumPy/Torch RNG全新,不继承旧budget、update、best或optimizer状态。

  • train92511,development93511;95511是拟用holdout,未在本轮调用,未来须再次检查使用记录。
  • CPU在绑定的45×46观察上检查warmstart动作/mean/std精确相等,不冒充第三次物理baseline或完整PhysX状态相等。
  • 物理baseline:analytic_zero与frozen_u256各128环境、同dev seed,检查初始观察/命令配对。两者都须原功能128/128,才允许优化。
  • baseline的30mm超限只作诊断,不改写功能结果;开发候选的30mm判据则是硬门槛。

预算、开发验证与选模

项目 固定限制
优化 128环境×32控制步×256更新=1,048,576环境转移;每rollout先预扣,不退还中断预留
验证预留 128×900×7=806,400环境转移;实际计划2基线+4开发,共6次,未用预留不退
共享物理调用 rollout预留72,460+初始化/reset上限1,000=73,460;实际前/后钩子计数,不用转移数伪造
RUN时间 同boot CLOCK_BOOTTIME 7200s,从监督器入场起含启动/输出/关闭;7080s工作截止、120s清理
存储 1GiB新owned+列明外部native正增长;monitor-and-stop,不是硬quota;不覆盖旧根
启动 一次,无重试、恢复、延长或退款;RTX5080 cuda:0

u64/128/192/256各完成128条首次9秒开发回合,原功能128/128,否则停止;不以autoreset后回合补齐。

候选资格:全部128条完整4500物理tick、每tick rootXY≤0.03m、无违例。超限锁存至回合结束,恢复不能抹除;部分前缀RMS不得参选。合格者依次按全回合平均XY RMS、原tracking综合代价、最早update排序。无合格者可形成“完整试验但无候选”,不选最好的失败权重。

实现与输出

路径前缀source/SkillFactory/SkillFactory/:

文件 职责
legs/contact_cycle_sim/rootxy_training_v2.py 配方/manifest、weights-only导入、独立debit ledger、eval-only checkpoint
rootxy_runner_v2.py(同目录) baseline/rollout/PPO/开发顺序,强制RuntimeHooks、失败后撤销临时候选
rootxy_diagnostics_v2.py / rootxy_selection_v2.py 逐tick XY/饱和/权限统计、无副作用资格与排序
rootxy_binding_v2.py / rootxy_runtime_v2.py 真实配置/来源绑定、物理计数、安全覆盖
tasks/manager_based/contact_cycle_sim/rootxy_cfg_v2.py additive配置,原类/计数精确合同,不改v1
rootxy_recording_v2.py(同目录) 4500×128紧凑功能列、全部验证行、每次最多4条代表轨迹

result.json与run-worker-result.json仅临时结果;任意后续异常均使保留checkpoint不可选取。只有独立监督器在正常退出、清理、最终身份/计数/安全/资格全部通过后可写locked_candidate.json。checkpoint没有恢复训练所需optimizer状态。

真实PREP/RUN授权、GPU共享与证据关闭次序见启动契约;CPU测试方法见运行接口。所有P1/P2/holdout下游运行另行授权。