Superspider RL

六足蜘蛛机器人强化学习项目,18 个主动关节。最终路线:PPO 平地预训练 → 盲走台阶微调 → 高度图教师 → 本体感知学生蒸馏。

文件

内容 位置
最终 URDF、STL models/superspider/
RL 用 MJCF、网格 models/superspider_mjlab/
环境、奖励、蒸馏配置 src/tasks/velocity/config/custom_dog/dogs/superspider.py
键盘控制 scripts/superspider_teleop.py
策略回放 scripts/play.py
训练入口 scripts/train_stage.py
训练方法 TRAINING.md
权重及 SHA-256 checkpoints/

安装

Linux、Python 3.12 + venv;训练使用 NVIDIA CUDA GPU,图形窗口需要桌面环境。MuJoCo 与 mujoco-warp 固定为 3.5.0,完整依赖在 requirements.txt。

git clone https://gitea.robotquan.com/liyang/superspider-rl.git
cd superspider-rl
python3.12 -m venv .venv
source .venv/bin/activate
python -m pip install .

普通安装已包含运行脚本、URDF/MJCF、网格、五份权重与校验清单;无需保持源码目录作为当前目录。开发时可改用 python -m pip install -e .。

也可构建 wheel 后交付安装:

python -m pip wheel --no-deps -w dist .
python -m pip install dist/superspider_rl-0.1.1-py3-none-any.whl

安装后提供 superspider-teleop、superspider-play、superspider-train、superspider-evaluate、superspider-verify。以下控制台命令可在任意可写目录执行;日志和评测输出写入当前目录。原 python -m scripts.* 入口仍兼容。

控制与回放

默认控制最终学生策略:

superspider-teleop

W/S 或上下键增减前进速度,A/D 或左右键转向,Q/E 横移,C 清除转向和横移,X/空格将速度指令归零,L 切换转向保持。学生训练范围为前进 0.05–0.40 m/s、横移 ±0.05 m/s、转向 ±0.30 rad/s;另提供零速指令,零速稳定性不由训练范围保证。

平地策略支持前后移动:

superspider-teleop --task Custom-Superspider-Flat --checkpoint-file flat_5999.pt

自动回放最终学生(无桌面可加 --viewer viser):

superspider-play Custom-Superspider-Stairs-Distill --checkpoint-file student_5999.pt --num-envs 1

权重

文件 用途
flat_5999.pt 平地 PPO
blind_10000.pt 盲走台阶 PPO,教师初始化来源
teacher_3800.pt 318 维高度图教师,蒸馏来源
student_1600.pt 历史单级台阶评测使用的学生快照
student_5999.pt 最后保存的学生权重,默认回放版本

学生输入 65 维本体状态、输出 18 维关节位置动作。最后保存不等于评测最优;历史 9 cm 单级台阶结果对应 1600 快照,不能直接归给 5999 快照或连续楼梯。

模型与适用范围

URDF 保留最终建模文件。训练通过 MJCF 与任务后处理设置 100 mm 站高、HTD-45H 参数、4.41 N·m 力矩限幅和站姿中心 ±40° 的 coxa 限位。有效训练参数以任务配置为准,不能只读 URDF 替代训练配置。舵机质量仍沿用 CAD 值,待实物核验。

控制脚本运行 MuJoCo 仿真,不包含串口舵机驱动或已验证的真机部署。零速度指令不是硬件急停。

模型与策略检查:

MUJOCO_GL=egl superspider-verify

来源与许可见 NOTICE.md。

验证状态:普通 wheel 已在独立 venv 安装,并从源码目录之外完成 URDF/MJCF 编译、网格引用、5 份权重哈希与严格加载、每份策略 8 个 CPU 仿真步;运行入口与评测判据测试通过。本轮复用已有匹配版本的大型依赖,未声明全新机器从零安装通过。详情见 validation/DELIVERY.md。本轮验收范围为安装和运行,不包含完整台阶能力评测。

S
Description
Superspider 六足机器人:最终 URDF、仿真控制、PPO 教师学生蒸馏训练及权重
Readme 24 MiB
Languages
Python 100%