Legbot Lab

English | 简体中文

基于 NVIDIA Isaac Lab 框架的四足机器人 Legbot 强化学习训练与 Sim2Real 部署项目

sim2sim：

qla6e-jd3tq.mov

sim2real：

forward-left-right.mov

项目简介

Legbot Lab 是一个完整的四足机器人强化学习（RL）训练与部署框架，目标是从仿真中训练出高性能的运动控制策略，并将其无缝部署到真实机器人上（Sim2Real）。

核心特点：

完整的 Sim2Real 闭环：训练 → ONNX 导出 → C++ 控制器部署 → 实物运行
PPO 强化学习：基于 RSL-RL 实现的 Proximal Policy Optimization 算法
DDS 通信架构：控制器与硬件解耦，仿真与实物共用同一套 C++ 控制代码
丰富的域随机化：质量、惯性、摩擦、PD 增益、外力扰动等多维度随机化
安全保护机制：多级限幅、超限保护、安全状态机（FSM）
4096 并行环境：GPU 加速训练，充分利用 Isaac Sim 的并行仿真能力

算法原理

PPO 算法概述

本项目使用 Proximal Policy Optimization (PPO) 算法训练四足机器人的运动控制策略。PPO 由 OpenAI 于 2017 年提出，是一种基于策略梯度的 Actor-Critic 强化学习算法。

PPO 的核心思想是通过裁剪策略更新幅度来限制新旧策略之间的差异，从而稳定训练过程，同时保持较高的样本效率。

算法公式

1. 裁剪代理目标（Clipped Surrogate Objective）

PPO 通过重要性采样比率衡量新旧策略对同一动作的概率变化：

$$ r_t(\theta)=\frac{\pi_\theta(a_t\mid s_t)}{\pi_{\theta_{\mathrm{old}}}(a_t\mid s_t)} $$

裁剪代理目标为：

$$ L^{\mathrm{CLIP}}(\theta)=\hat{\mathbb{E}}_t\left[\min\left(r_t(\theta)\hat{A}_t,\mathrm{clip}\left(r_t(\theta),1-\epsilon,1+\epsilon\right)\hat{A}_t\right)\right] $$

其中：

$r_t(\theta)$ 为重要性采样比率；
$\hat{A}_t$ 为优势函数估计；
$\epsilon$ 为裁剪参数，本项目设置为 0.2。

2. 广义优势估计（GAE）

为避免与重要性采样比率 $r_t(\theta)$ 混淆，下式使用 $R_t$ 表示时刻 $t$ 的即时奖励。

TD 残差为：

$$ \delta_t=R_t+\gamma V_\phi(s_{t+1})-V_\phi(s_t) $$

广义优势估计为：

$$ \hat{A}_t^{\mathrm{GAE}}=\sum_{l=0}^{\infty}(\gamma\lambda)^l\delta_{t+l} $$

其中：

$\delta_t$ 为 TD 残差；
$\gamma$ 为折扣因子，本项目设置为 0.99；
$\lambda$ 为 GAE 参数，本项目设置为 0.95。

3. 价值函数损失

价值网络使用目标价值作为监督信号：

$$ \hat{V}_t=\hat{A}_t+V_\phi(s_t) $$

价值函数损失为：

$$ L^{\mathrm{VF}}(\phi)=\hat{\mathbb{E}}_t\left[\frac{1}{2}\left(V_\phi(s_t)-\hat{V}_t\right)^2\right] $$

4. PPO 总目标与训练损失

从最大化目标的角度，PPO 的组合目标可写为：

$$ J(\theta,\phi)=L^{\mathrm{CLIP}}(\theta)-c_1L^{\mathrm{VF}}(\phi)+c_2H\left[\pi_\theta(\cdot\mid s_t)\right] $$

实际程序通常采用梯度下降，因此最小化的总损失写为：

$$ L_{\mathrm{total}}(\theta,\phi)=-L^{\mathrm{CLIP}}(\theta)+c_1L^{\mathrm{VF}}(\phi)-c_2H\left[\pi_\theta(\cdot\mid s_t)\right] $$

其中，策略熵用于增加策略的探索能力。本项目的相关系数设置如下：

价值损失系数：c₁ = 1.0；
熵系数：c₂ = 0.01。

5. 自适应学习率（KL 散度控制）

PPO 根据实际 KL 散度与目标 KL 散度之间的关系动态调整学习率。

当实际 KL 散度过大时，降低学习率：

$$D_{KL}\gt 2D_{KL}^{target},\qquad \alpha\leftarrow\max\left(\alpha_{min},\frac{\alpha}{1.5}\right)$$

当实际 KL 散度过小时，提高学习率：

$$0\lt D_{KL}\lt 0.5D_{KL}^{target},\qquad \alpha\leftarrow\min\left(\alpha_{max},1.5\alpha\right)$$

其余情况下，保持当前学习率不变：

$$\alpha\leftarrow\alpha$$

本项目的目标 KL 散度设置为 0.01。其中，αmin 和 αmax 分别表示学习率下限和学习率上限。

6. PD 控制器

策略输出关节期望位置，并通过 PD 控制器计算关节力矩：

$$\tau=K_p(q_{des}-q)+K_d(\dot{q}_{des}-\dot{q})$$

训练仿真中的执行器增益设置为：

Kp = 50 N·m/rad；
Kd = 3.0 N·m·s/rad。

实物部署的 FixStand 状态采用：

Kp = 60 N·m/rad；
Kd = 4.0 N·m·s/rad。

不同运行状态下的 PD 增益，应分别以训练配置文件和部署配置文件为准。

7. 动作映射

首先对高斯策略网络输出的动作进行逐元素裁剪：

$$\widetilde{\mathbf{a}}=\min\left(\max\left(\mathbf{a},-100\right),100\right)$$

随后将裁剪后的动作映射为关节期望位置：

$$\mathbf{q}_{des}=\mathbf{q}_{default}+0.25\widetilde{\mathbf{a}}$$

其中，a 为 12 维高斯策略网络原始输出。环境首先将各维动作裁剪到 [-100, 100]，随后乘以 0.25 rad，并叠加到默认关节位置。因此，策略输出并未通过 tanh 函数硬限制在 [-1, 1]。

默认站立姿态设置如下：

Hip 关节：0.0 rad；
Thigh 关节：0.9 rad；
Calf 关节：-1.8 rad。

网络架构

组件	架构
Actor（策略网络）	MLP：`[actor_obs_dim] → 512 → 256 → 128 → 12`，ELU 激活
Critic（价值网络）	MLP：`[critic_obs_dim] → 512 → 256 → 128 → 1`，ELU 激活
策略分布	高斯策略，初始动作噪声标准差为 1.0

单帧策略观测维度为 45。配置设置了 history_length=10、concatenate_terms=True 和 flatten_history_dim=True，因此 10 帧历史观测会被展平拼接，Actor 的实际输入维度为 $45\times10=450$。

项目结构

legbot_lab/
├── README.md                          # 项目文档（中文）
├── README_EN.md                       # 项目文档（英文）
├── env_cfg.py                         # 主环境配置（4096并行环境PPO训练）
├── legbot_rl_lab/                     # 核心 RL 训练与部署系统
│   ├── source/unitree_rl_lab/         # Python 训练源码（基于 Isaac Lab）
│   │   └── unitree_rl_lab/
│   │       ├── assets/robots/         # Legbot 机器人配置
│   │       │   ├── unitree.py         # UNITREE_LEGBOT_CFG
│   │       │   └── unitree_actuators.py # 执行器 T-N 曲线模型
│   │       ├── tasks/locomotion/
│   │       │   ├── agents/            # PPO 算法配置
│   │       │   ├── mdp/               # MDP 组件（奖励/观测/域随机化/命令）
│   │       │   └── robots/legbot/     # Legbot 环境配置
│   │       └── utils/                 # 工具函数（部署配置导出）
│   ├── scripts/                       # 训练/推理/测试脚本
│   │   └── rsl_rl/
│   │       ├── train.py               # 训练入口（headless 模式）
│   │       ├── play.py                # 推理/ONNX 导出
│   │       └── cli_args.py            # 命令行参数
│   ├── deploy/                        # C++ 部署代码（Sim2Real）
│   │   ├── include/
│   │   │   ├── FSM/                   # 有限状态机
│   │   │   │   ├── CtrlFSM.h          # 1 kHz 主状态机
│   │   │   │   ├── State_FixStand.h   # 站姿状态
│   │   │   │   ├── State_Passive.h    # 被动阻尼状态
│   │   │   │   └── State_RLBase.h     # RL 策略运行状态
│   │   │   ├── deploy_safety.h        # 安全保护（力矩/温度/姿态超限）
│   │   │   ├── deploy_csv_logger.h    # 50 Hz CSV 诊断日志
│   │   │   └── param.h               # 命令行参数解析
│   │   └── robots/legbot/
│   │       ├── config/config.yaml     # FSM 配置 & 安全参数
│   │       ├── include/Types.h        # DDS 接口定义
│   │       ├── main.cpp               # 控制器入口
│   │       └── src/State_RLBase.cpp   # ONNX Runtime 推理
│   ├── unitree_ros/robots/legbot_description/ # URDF & MJCF 模型
│   └── logs/rsl_rl/unitree_legbot_velocity/   # 训练日志 & 模型
├── simulate/                          # MuJoCo DDS 仿真器
│   ├── src/
│   │   ├── main.cc                    # 仿真主循环
│   │   ├── legbot_bridge.h            # DDS↔MuJoCo 桥接
│   │   └── physics_joystick.h         # 手柄/键盘驱动
│   └── config.yaml                    # 仿真配置
├── serial_dds_gateway/                # 串口⇔DDS 硬件网关
│   ├── src/legbot_rt_gait_pd.cpp      # 网关主程序（500 Hz）
│   ├── include/                       # IMU 帧解析/电机协议
│   └── start_gateway.sh               # 一键启动脚本
├── legbot/                            # NumPy 训练环境（独立导航任务）
│   ├── cfg.py                         # 场景配置
│   ├── legbot_section001_np.py        # 训练入口
│   └── xmls/
│       ├── legbot.xml                 # Legbot MJCF 定义
│       ├── scene_stairs.xml           # 楼梯场景
│       └── scene_world.xml            # 完整赛道场景
├── terrain_tool/                      # 地形生成工具
└── unitree_sdk2/                      # 宇树 DDS 通信库

机器人参数

Legbot 机器人 URDF 模型定义文件位于 legbot_rl_lab/unitree_ros/robots/legbot_description/urdf/legbot_description.urdf。

质量分布

部件	质量 (kg)	数量	总质量 (kg)
基座 (base)	6.584	1	6.584
髋关节 (hip)	0.080	4	0.319
大腿 (thigh)	1.550	4	6.202
小腿 (calf)	0.184	4	0.736
足部 (foot)	0.040	4	0.160
总计			~14.0

机器人规格

参数	值
机器人名称	Legbot
电机型号	RobStride RS02（12 个）
自由度	12（四足 × 髋/大腿/小腿）
基座高度（站立）	0.28 m（质心高度 0.277 m）
总质量	~14.0 kg
基座质量	6.584 kg
大腿长度	0.1985 m
小腿长度	0.214 m
足端半径	0.021 m

电机参数

关节	峰值力矩	峰值速度	减速比	备注
髋关节 (hip)	±16 N·m	30 rad/s	1:1
大腿关节 (thigh)	±16 N·m	30 rad/s	1:1
小腿关节 (calf)	±32 N·m	15.7 rad/s	1:2	减速比 1:2，模型空间角度转换电机空间需乘 2

关节限位

关节	下限 (rad)	上限 (rad)
FR/FL Hip	-0.733	0.733
FR/FL Thigh	-1.559	3.130
RR/RL Hip	-0.733	0.733
RR/RL Thigh	-0.512	4.177
所有 Calf	-2.639	-0.785

硬件配置

参数	值
板载电脑	Orange Pi 6 （aarch64）
传感器	自制串口 IMU（加速度 + 陀螺仪）
通信总线	USB-CAN × 2 + USB-串口（IMU）
控制频率	1 kHz（控制器）/ 500 Hz（网关）
通信中间件	CycloneDDS（本机 lo 回环）

快速开始

1. 安装 Isaac Lab

严格按照 Isaac Lab 官方指南完成安装。

2. 安装本项目

# 克隆仓库
git clone https://github.com/Robot-Nav/legbot_lab.git
cd legbot_lab

# 激活 Isaac Lab 的 conda 环境
conda activate env_isaaclab

# 安装本项目为 editable 模式
pip install -e legbot_rl_lab/source/unitree_rl_lab

3. 开始训练

3.1 主环境训练（4096 并行环境，PPO）

python legbot_rl_lab/scripts/rsl_rl/train.py \
    --task Unitree-Legbot-Velocity \
    --headless \
    --num_envs 4096 \
    --max_iterations 50000

说明：PPO 配置文件中的默认最大迭代次数为 100000；上述命令通过 --max_iterations 50000 将本次训练覆盖为 50000 次迭代。

命令行参数：

参数	说明	默认值
`--task`	训练任务名称	Unitree-Legbot-Velocity
`--headless`	无渲染模式（加速训练）	False
`--num_envs`	并行环境数量	4096
`--max_iterations`	最大训练迭代次数	配置默认 100000；示例命令覆盖为 50000
`--seed`	随机种子	随机
`--resume`	从断点恢复训练	False
`--load_run`	恢复时指定运行目录	-
`--checkpoint`	恢复时指定模型文件名	-

3.2 恢复中断的训练

# 自动查找最新检查点恢复
python legbot_rl_lab/scripts/rsl_rl/train.py \
    --task Unitree-Legbot-Velocity \
    --resume \
    --headless

# 手动指定实验目录和检查点
python legbot_rl_lab/scripts/rsl_rl/train.py \
    --task Unitree-Legbot-Velocity \
    --resume \
    --load_run 2026-06-25_17-11-16 \
    --checkpoint model_108.pt \
    --headless

3.3 NumPy 导航环境训练

python legbot/legbot_section001_np.py

4. 模型推理与导出

# 运行推理并自动导出 ONNX
python legbot_rl_lab/scripts/rsl_rl/play.py --task Unitree-Legbot-Velocity

推理时自动导出以下文件到 logs/rsl_rl/unitree_legbot_velocity/<run_name>/exported/：

policy.pt — TorchScript 模型（Python 推理）
policy.onnx — ONNX 模型（C++ 部署）
deploy.yaml — 部署配置（关节映射、缩放因子等）

Sim2Real 部署

系统架构

┌────────────────────┐  DDS (rt/lowcmd, rt/lowstate)  ┌──────────────────────┐  串口     ┌──────────────┐
│   legbot_ctrl       │◄──────────────────────────────►│  serial_dds_gateway  │◄────────►│ 12电机 + IMU │
│   (RL策略控制器)   │         CycloneDDS             │  (DDS↔串口协议网关)  │ type1-4  │ (凌足USB-CAN)│
└────────────────────┘                                └──────────────────────┘          └──────────────┘
         │                                                      │
   运行在香橙派上                                          运行在香橙派上
   1 kHz 控制循环                                          500 Hz 协议转换
   └──────────── 共享 lo 网卡 ────────────┘

核心设计思想：控制器代码在仿真和实物上完全一致，DDS 抽象层使得切换只需更换通信对端（MuJoCo 仿真器或 serial_dds_gateway 硬件网关）。

编译与运行

1. 编译网关（硬件桥接程序）

cd serial_dds_gateway
mkdir -p build && cd build
cmake -S .. -B .
cmake --build . -j$(nproc)

2. 编译控制器

cd legbot_rl_lab/deploy/robots/legbot
mkdir -p build && cd build
cmake -S .. -B .
cmake --build . -j$(nproc)

3. 运行（两终端模式）

终端 1 — 启动网关（必须先启动）：

cd serial_dds_gateway
./build/dds_to_serial_gateway \
    --serial-port-a /dev/myttyCAN0 \
    --serial-port-b /dev/myttyCAN1 \
    --imu-port /dev/myttyIMU \
    --network lo \
    --tick-hz 500 \
    --joint-bias-load-file config/joint_prone_bias.fatu.txt \
    --send-disable-on-exit

终端 2 — 启动控制器（网关就绪后）：

cd legbot_rl_lab/deploy/robots/legbot
./build/legbot_ctrl --network lo

4. FSM 状态切换（手柄操作）

Passive（阻尼模式）──LT+A──► FixStand（站姿）──Start──► Velocity（RL接管）
      ▲                        ▲                              │
      │                        │                              │
      └──────── LT+B ──────────┴────────── LT+B ─────────────┘

MDP 定义

观测空间（策略网络）

观测项	维度	缩放	噪声
基座角速度（IMU 陀螺仪）	3	0.25	U(-0.2, 0.2)
投影重力方向	3	1.0	U(-0.05, 0.05)
速度命令	3	1.0	-
关节位置（相对默认值）	12	1.0	U(-0.03, 0.03)
关节速度	12	0.05	U(-2.0, 2.0)
上一动作	12	1.0	-
总计	45

单帧策略观测共 45 维。配置设置了 10 帧历史观测，并将历史维展平拼接，因此 Actor 的实际输入维度为 450 维。

动作空间

参数	值
控制方式	关节位置控制 (PD)
策略原始输出	$\mathbb{R}^{12}$（高斯策略，非硬限幅）
环境动作裁剪	$[-100,100]^{12}$
动作缩放	×0.25 rad
训练执行器刚度 $K_p$	50 N·m/rad
训练执行器阻尼 $K_d$	3.0 N·m·s/rad
FixStand 部署增益	$K_p=60$ N·m/rad，$K_d=4.0$ N·m·s/rad
默认髋角 (hip)	0.0 rad
默认大腿角 (thigh)	0.9 rad
默认小腿角 (calf)	-1.8 rad

Critic 特权信息

Critic 网络可观测到策略无法获取的信息（Asymmetric Actor-Critic）：

特权信息	维度	说明
基座线速度	3	真实速度值
关节加速度	12	加速度值
关节力矩	12	真实力矩
足部接触力	4	四足法向力
高度扫描（大范围）	187	1.6×1.0m 地形高度图

Critic 使用当前单帧的 45 维基础观测，并额外加入 218 维特权信息，因此 Critic 总输入维度为 263 维；Critic 不使用 Actor 的 10 帧历史拼接。

终止条件

条件	阈值
超时	Episode 达到 25 秒
摔倒	基座接触力 > 1.0 N

奖励函数设计

训练中的总奖励为以下各项的加权和。正奖励鼓励跟踪速度命令，负奖励惩罚不期望的运动模式。

正奖励（跟踪目标）

奖励项	权重	公式	说明
线速度跟踪	+1.0	$\exp(-((v_x-v_x^{cmd})^2+(v_y-v_y^{cmd})^2)/0.5)$	线速度跟踪指数奖励
角速度跟踪	+0.5	$\exp(-(\omega_z-\omega_z^{cmd})^2/0.5)$	偏航角速度跟踪指数奖励

负奖励（惩罚项）

惩罚项	权重	说明
垂直线速度 L2	-2.0	防止上下晃动
水平角速度 L2	-0.05	抑制 roll/pitch
基座高度偏差 L2	-1.0 ~ -10.0	课程学习，保持 0.28 m 目标高度
关节加速度 L2	-1e-7	鼓励平滑运动
关节功率	-2e-5	降低能耗
关节力矩 L2	-1e-4	避免过大扭矩
动作变化率 L2	-0.01	鼓励平滑控制
动作平滑性 L2	-0.01	三阶导数惩罚
不期望接触	-1.0	大腿/小腿不应触地（阈值 5 N）
关节限位	-2.0	避免超出关节范围
足部调节	-0.05	足部高度和间距约束
Hip 位置 L1	-0.05	静止时 Hip 保持 0 附近
关节位置 L1	-0.01	静止时保持默认姿态

课程学习

课程项	起始值	终值	迭代区间
垂直速度惩罚权重	-2.0	0.0	0 → 1,500
高度惩罚权重	-1.0	-10.0	0 → 5,000
地形难度	Level 0	Level 5	随进度递增

域随机化

为了使策略从仿真迁移到真实机器人（Sim2Real），训练过程中引入大量域随机化。所有参数在每次训练启动、每次 Episode 重置或按固定间隔进行随机扰动。

质量与惯性随机化

模式：startup（训练开始时随机化一次，整个训练过程保持不变）

参数	分布	操作	说明
基座质量	U(-1.0, 1.0) kg	加法	模拟负载变化（±1kg）
非基座部件质量	U(0.9, 1.1)	乘法	连杆质量 ±10%
转动惯量	U(0.9, 1.1)	乘法	所有部件 ±10%
质心位置	U(-0.05, 0.05) m	偏移	base 质心 ±5 cm（x/y/z）

摩擦与接触随机化

模式：startup

参数	范围	说明
静摩擦系数	U(0.0, 2.0)	64 种离散摩擦组合
动摩擦系数	U(0.0, 2.0)	与静摩擦一致绑定
恢复系数	U(0.0, 0.5)	碰撞弹性

执行器随机化

模式：reset（每次 Episode 重置时随机化）

参数	分布	说明
PD 刚度 Kp	U(0.9, 1.1)	乘法，模拟电机差异
PD 阻尼 Kd	U(0.9, 1.1)	乘法
关节零位偏移	U(-0.035, 0.035) rad	±35 mrad ≈ ±2°，模拟编码器误差

初始状态随机化

模式：reset

参数	分布	说明
初始关节位置	U(0.5, 1.5) × 默认值	50%~150% 默认姿态
基座位置	U(-0.5, 0.5) m (x/y)	随机水平偏移
基座高度	U(0.0, 0.2) m 偏移	随机初始高度
基座偏航	U(-π, π)	全方向随机朝向
基座线速度	U(-0.5, 0.5) m/s	随机初始速度
基座角速度	U(-0.5, 0.5) rad/s	随机初始角速度

周期性推扰

模式：interval，每 4 秒触发一次

参数	分布	说明
线速度扰动 (x/y)	U(-0.4, 0.4) m/s	模拟外力推搡
角速度扰动 (roll/pitch/yaw)	U(-0.6, 0.6) rad/s	模拟旋转扰动

观测噪声

模式：每步叠加（策略观测中）

观测量	噪声分布	缩放系数
基座角速度	U(-0.2, 0.2)	0.25
投影重力	U(-0.05, 0.05)	1.0
关节位置	U(-0.03, 0.03)	1.0
关节速度	U(-2.0, 2.0)	0.05

注：Critic 观测不叠加观测噪声（enable_corruption=False），有助于降低价值估计中的额外随机扰动。

地形随机化

地形使用程序化生成器创建粗糙地形，支持课程学习。随训练进度（train_env_steps），地形难度从 Level 0（平坦）递增到 Level 5（复杂崎岖）。

训练参数

PPO 超参数

参数	值
算法	PPO (Proximal Policy Optimization)
学习率	$1.0 \times 10^{-3}$（自适应）
裁剪参数 $\epsilon$	0.2
折扣因子 $\gamma$	0.99
GAE 参数 $\lambda$	0.95
熵系数	0.01
价值损失系数	1.0
最大梯度范数	1.0
每环境步数	24
学习轮数	5
Mini-batch 数量	4
目标 KL 散度	0.01
最大迭代次数	100,000（配置默认值）

训练规模

参数	值
并行环境数	4,096
物理步长	0.005 s （200 Hz）
控制降频系数（decimation）	4（控制频率为 50 Hz）
Episode 长度	25 s（1,250 控制步）
每次迭代样本数	4,096 × 24 = 98,304
总训练步数上限	4,096 × 24 × 100,000 ≈ 9.83 × 10⁹

网络配置汇总

参数	值
隐藏层维度	[512, 256, 128]
激活函数	ELU
单帧策略观测维度	45
历史长度	10 帧
Actor 实际输入维度	450（45 × 10 帧，历史维展平拼接）
策略输出维度	12（关节位置偏移）
Critic 观测维度	263

安全保护机制

命令侧限幅（不影响运行）

保护项	限值	说明
Action Clip	±100	策略原始输出裁剪
关节角度限位	可配置	硬限位保护
力矩限幅	±40 N·m	力矩裁剪
角度变化限幅	0.05 rad/tick	防神经网络突跳
速度变化限幅	1.0 rad/s/tick	防速度突变

反馈侧超限保护（切到 Passive 阻尼模式）

监测项	阈值	动作
通信超时	-	→ Passive
关节速度	30 rad/s	→ Passive
反馈力矩	45 N·m	→ Passive
电机温度	80°C	→ Passive
IMU Roll	±0.5 rad (~28°)	→ Passive
IMU Pitch	±0.5 rad (~28°)	→ Passive
急停标志	-	→ Passive

技术栈

类别	技术
仿真平台	NVIDIA Isaac Sim 5.0.0 / Isaac Lab 2.2.0
物理引擎	PhysX GPU (4,096 并行)
RL 算法	RSL-RL 2.3.1（PPO）
深度学习	PyTorch（CUDA 加速）
模型导出	ONNX Runtime 1.22.0
部署语言	C++17
通信中间件	CycloneDDS
机器人模型	URDF / MJCF
配置管理	Hydra / YAML
仿真验证	MuJoCo + DDS 桥接
板载电脑	Orange Pi 6 （aarch64）
电机	RobStride RS02

项目团队

本项目由 Robot-Nav 团队开发与维护。

GitHub: https://github.com/Robot-Nav/legbot_lab

许可证

MIT License

引用

@misc{schulman2017proximal,
  title={Proximal Policy Optimization Algorithms},
  author={John Schulman and Filip Wolski and Prafulla Dhariwal and Alec Radford and Oleg Klimov},
  year={2017},
  eprint={1707.06347},
  archivePrefix={arXiv},
  primaryClass={cs.LG},
  url={https://arxiv.org/abs/1707.06347},
}

@misc{rudin2022advanced,
  title={Advanced Skills by Learning Locomotion and Local Navigation End-to-End},
  author={Nikhil Rudin and David Hoeller and Marko Bjelonic and Marco Hutter},
  year={2022},
  eprint={2209.12827},
  archivePrefix={arXiv},
  primaryClass={cs.RO},
  url={https://arxiv.org/abs/2209.12827},
}

致谢

感谢 unitree_rl_lab 团队提供的开源训练框架、工程实现与社区贡献。本项目在其相关工作基础上完成了 Legbot 机器人的环境适配、训练配置、仿真验证与 Sim2Real 部署开发，在此表示诚挚感谢。

Name		Name	Last commit message	Last commit date
Latest commit History 19 Commits
legbot		legbot
legbot_rl_lab		legbot_rl_lab
serial_dds_gateway（实物通信）		serial_dds_gateway（实物通信）
simulate		simulate
terrain_tool		terrain_tool
unitree_robots/go2		unitree_robots/go2
unitree_sdk2（实物通信）		unitree_sdk2（实物通信）
.gitignore		.gitignore
LICENSE		LICENSE
README.md		README.md
README_EN.md		README_EN.md
env_cfg.py		env_cfg.py
fc0b6c6a94ccce93da5068c67f9db792.png		fc0b6c6a94ccce93da5068c67f9db792.png
mujoco		mujoco
sim2real要求.md		sim2real要求.md
修改日志.md		修改日志.md
注意		注意
键盘.md		键盘.md
项目详解.md		项目详解.md

Folders and files

Latest commit

History

Repository files navigation