5.6 KiB
Go2 FL四技能0.5.0:本轮固定合同
状态:2026-10-16 17:29按用户要求暂停,未完成验收。 本文是开发合同,不是完成声明;实际进度与恢复前置见current_status.md和next_stage.md。旧0.4.2及证据保留。功能达标优先,不追求精度;不能据CPU测试、revision1试跑或旧周期结果声称当前revision2通过。原48小时预算不构成暂停后的自动继续许可。
对外合同
中央仅能调用support/retract/swing/plant、查询、保持、切换、安全停止,不下发承重目标、外力标签/参数或辅助力。
support:从初始化接触或完成plant进入,固定命令地面支点,维持真实接触/根高度。retract:仅从ready support进入;内部先卸载1秒再收腿0.6秒,离地后可保持。swing:仅从ready retract或ready swing进入;接收有限世界XY位移目标,1.4秒内部平滑轨迹,真实空中移动后可保持。plant:从ready retract/swing进入;内部0.8秒落地+2.2秒恢复承重,真实接触稳定后ready;此后才允许support。- 保持不reset、不改物理状态、不重锚,ready也继续执行当前低层控制;中央按真实ready与保持计时推进,不按预编相位时钟强行切换。非法切换拒绝且零控制状态变更。
- 安全停止请求在support/plant稳定支撑后停止;空中请求走plant→support反馈闭环,不以关窗冒充安全停止;立即安全失败优先中止并留部分轨迹。
物理与功能门槛(首跑前固定)
configs/four_skills/v050.json为机器合同。撑地/落地Fn≥0.5W、真实接触比例≥80%、连续稳定至少0.2秒;收腿/摆动gap≥10mm、Fn≤2N连续至少0.1秒;卸载至少下降20%;摆动各非零命令轴实际有向进度≥50%。落地误差≤50mm、根高度误差≤100mm、tilt≤0.6rad、穿透≤2mm、归一化力矩/速度≤1.00001、关节超界≤0.01rad。保留原瞬时相位保护:抬腿末段gap≥20mm、摆动gap≥10mm、reload进度>80%时Fn≥0.5W;接触获取/过早离地、负法向力及辅助几何/140N上限继续保护。误差完整记录,不以修改门槛获得通过。
沿用同一Go2FL资产/3kg载荷、500Hz PhysX/最高100Hz控制、原±0.05rad残差及原辅助:有界被动XY/转动guide,guideZ=0;原等效其他腿主动竖向支撑按卸载/飞行分数施加,kp1800/kd120/max140N,不增强,不把它当无辅助平衡。原辅助明确计入轨迹和报告。
外力与学习
环境独立采样真实世界系payload COM力,零附加力偶;各2秒slot内80%概率施加,时机随机、持续0.5–1.3秒、0.15秒平滑升降,方向各向同性。幅值四档none/≤1.5/≤4/≤8N;采样种子/环境/episode独立,成对控制器重放同一扰动。actor48D仅接收允许仿真传感状态、技能/空间目标/进度、解析参考与过去残差,没有采样外力向量、标签、未来时机、承重目标或辅助力标签。可视化/审计单独读取施加外力,不回流策略。
优先原解析IK+新共享四技能条件残差PPO(RTX5080),不加载旧46D权重冒充训练;解析零残差为基线。按none→small→medium→full分档课程,开发seed选候选并在独立seed前冻结。未优于配对解析基线不宣称提升。
验收与交付
- 三组不同方向/保持时长,分别连续5闭环,整个序列初始化后无reset/瞬移/状态覆盖。
- 独立8seed×4外力档,解析/训练策略相同初态/扰动,报告所有成功/失败/未运行。无扰动8/8,其余每档≥7/8为本阶段限定目标;扩大样本必须在看独立结果前另登记,不按结果重选候选。
- 真实Kit窗口显示技能、ready/保持、接触、施加外力、辅助和训练/序列状态;真实画面/动作/正常退出及原速Kit录像单独验证,不拿FK/GIF或CPU替代。
- 保存新版本源码/权重/示例/一键demo/独立验收命令/简洁报告;旧版本原件不改写。首个失败留档,定位后新目录修复复验,禁止盲目重复。
时间与预算
本轮开始2026-10-16 16:07:37 +08,硬截止2026-10-18 16:07:37 +08;最后6小时不启动新训练。初始训练上限128环境×64 horizon×256更新(2097152环境转移),单训练≤18小时,定期检查点;必要技术迭代须记录差异/原因/新上限。任务初始护栏64次Kit启动、300万共享物理调用、120GiB新增逻辑产物。独立评估前已另存scope-amendment-01将启动上限改为96:固定8seed×4档×2控制器本身需要64启动,另外留开发/训练/GUI空间;单周期预留15000调用,300万/120GiB/48h不变,原scope原字节保留。单运行独立上限、预留清理,GPU串行,CPU复核可并行;达到目标即结束,不耗满预算。原始运行证据集中logs/four_skills_v050/,不堆逐次修复文档。
开发修正(独立种子尚未使用)
training01因独立源码复核确认的保持活性/奖励漏洞在218完整更新后由父级中止;权重仅留诊断,不进入候选。一次短暂ready不再永久关闭保持完成看门狗;奖励改为复用原分相位目标,不能靠提前离地或reload继续悬空获奖。恢复原过早离地/末抬腿/摆动/reload及辅助几何瞬时保护,不放宽任何冻结功能数值。修正后拟定的新目录训练上限仍128×64×256、RTX5080、≤18小时,尚未启动,等待用户恢复。这是有依据的新开发迭代计划,不恢复旧失败目录或复用旧grant。原累计训练/预扣保留。后续独立评估须使用development_revision=2合同;旧开发版结果不冒充修正版资格。