3.8 KiB
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。