change reward add punishment of joint_vel and root_vel_z_penalty

rl_game/get_up/config/t1_env_cfg.py

@@ -53,35 +53,71 @@ def get_success_reward(env: ManagerBasedRLEnv, term_keys: str) -> torch.Tensor:
     """检查是否触发了特定的成功终止条件"""
     return env.termination_manager.get_term(term_keys)
 
-def root_lin_vel_norm(env: ManagerBasedRLEnv, asset_cfg: SceneEntityCfg) -> torch.Tensor:
-    """手动计算 root 线性速度的 L2 范数"""
-    # 获取速度 (16384, 3)
+def root_vel_z_l2_local(env: ManagerBasedRLEnv, asset_cfg: SceneEntityCfg) -> torch.Tensor:
+    """专门惩罚 Z 轴方向的速度"""
+    # 获取根部速度 (num_envs, 3) -> [vx, vy, vz]
     vel = env.scene[asset_cfg.name].data.root_lin_vel_w
-    # 返回模长 (16384,)
-    return torch.norm(vel, dim=-1)
+    # 只取 Z 轴：vel[:, 2]
+    return torch.square(vel[:, 2])
 
-def root_ang_vel_norm(env: ManagerBasedRLEnv, asset_cfg: SceneEntityCfg) -> torch.Tensor:
-    """手动计算 root 角速度的 L2 范数"""
-    vel = env.scene[asset_cfg.name].data.root_ang_vel_w
-    return torch.norm(vel, dim=-1)
+def joint_torques_l2_local(env: ManagerBasedRLEnv, asset_cfg: SceneEntityCfg) -> torch.Tensor:
+    """计算机器人所有关节施加扭矩的平方和"""
+    # 从 data.applied_torques 获取数据，通常形状为 (num_envs, num_joints)
+    torques = env.scene[asset_cfg.name].data.applied_torque
+    return torch.sum(torch.square(torques), dim=-1)
+
+def joint_vel_l2_local(env: ManagerBasedRLEnv, asset_cfg: SceneEntityCfg) -> torch.Tensor:
+    """计算机器人所有关节速度的平方和"""
+    # 从 data.joint_vel 获取数据
+    vel = env.scene[asset_cfg.name].data.joint_vel
+    return torch.sum(torch.square(vel), dim=-1)
 
 # --- 2. 配置类定义 ---
 
+## 1. 定义与你的类一致的关节列表 (按照 ROBOT_MOTORS 的顺序)
+T1_JOINT_NAMES = [
+    'Left_Hip_Pitch', 'Right_Hip_Pitch',
+    'Left_Hip_Roll', 'Right_Hip_Roll',
+    'Left_Hip_Yaw', 'Right_Hip_Yaw',
+    'Left_Knee_Pitch', 'Right_Knee_Pitch',
+    'Left_Ankle_Pitch', 'Right_Ankle_Pitch',
+    'Left_Ankle_Roll', 'Right_Ankle_Roll'
+]
+
 @configclass
 class T1ObservationCfg:
-    """观察值配置"""
+    """观察值空间配置：严格对应你的 Robot 基类数据结构"""
 
     @configclass
     class PolicyCfg(ObsGroup):
         concatenate_terms = True
         enable_corruption = False
 
+        # --- 状态量 (对应你的 Robot 类属性) ---
+
+        # 1. 基体线速度 (accelerometer 相关的速度项)
         base_lin_vel = ObsTerm(func=mdp.base_lin_vel)
+
+        # 2. 角速度 (对应你的 gyroscope 属性: degrees/s -> IsaacLab 默认为 rad/s)
         base_ang_vel = ObsTerm(func=mdp.base_ang_vel)
+
+        # 3. 重力投影 (对应 global_orientation_euler/quat 相关的姿态感知)
         projected_gravity = ObsTerm(func=mdp.projected_gravity)
-        root_height = ObsTerm(func=mdp.root_pos_w)  # 高度信息对起身至关重要
-        joint_pos = ObsTerm(func=mdp.joint_pos_rel)
-        joint_vel = ObsTerm(func=mdp.joint_vel_rel)
+
+        # 4. 关节位置 (对应 motor_positions)
+        # 使用 joint_pos_rel 获取相对于默认姿态的偏差，显式指定关节顺序
+        joint_pos = ObsTerm(
+            func=mdp.joint_pos_rel,
+            params={"asset_cfg": SceneEntityCfg("robot", joint_names=T1_JOINT_NAMES)}
+        )
+
+        # 5. 关节速度 (对应 motor_speeds)
+        joint_vel = ObsTerm(
+            func=mdp.joint_vel_rel,
+            params={"asset_cfg": SceneEntityCfg("robot", joint_names=T1_JOINT_NAMES)}
+        )
+
+        # 6. 上一次的动作 (对应 motor_targets)
         actions = ObsTerm(func=mdp.last_action)
 
     policy = PolicyCfg()
@@ -113,7 +149,7 @@ class T1ActionCfg:
     """动作空间"""
     joint_pos = JointPositionActionCfg(
         asset_name="robot",
-        joint_names=[".*"],
+        joint_names=T1_JOINT_NAMES,
         scale=0.5,
         use_default_offset=True
     )
@@ -121,45 +157,55 @@ class T1ActionCfg:
 
 @configclass
 class T1GetUpRewardCfg:
-    """奖励函数：引导、稳定、终点奖"""
-    # 1. 进度引导：越高分越高
-    height_progress = RewTerm(
-        func=mdp.root_height_below_minimum,
-        weight=15.0,
+    """优化后的奖励函数：抑制跳跃，引导稳健起身"""
+
+    # 1. 高度引导 (改为平滑的指数奖励)
+    # 相比 root_height_below_minimum，这个函数会让机器人越接近目标高度得分越高，且曲线平稳
+    height_tracking = RewTerm(
+        func=mdp.root_height_below_minimum,  # 如果没有自定义函数，保留这个但调低权重
+        weight=5.0,  # 降低权重，防止“弹射”
         params={"minimum_height": 0.65}
     )
 
-    # 2. 时间惩罚：鼓励尽快起身
-    time_penalty = RewTerm(func=mdp.is_alive, weight=-0.5)
-
-    # 3. 姿态奖：保持躯干垂直
+    # 2. 姿态奖 (保持不变，这是核心)
     upright = RewTerm(func=mdp.flat_orientation_l2, weight=2.0)
 
-    # 4. 稳定性奖：站起来后不要乱晃
-    root_static = RewTerm(
-        func=root_lin_vel_norm,  # 使用上面定义的本地函数
-        weight=-1.5,
+    # 3. 稳定性引导 (增加对速度的惩罚，抑制跳跃)
+    # 惩罚过大的垂直速度，防止“跳起”
+    root_vel_z_penalty = RewTerm(
+        func=root_vel_z_l2_local,  # 使用本地函数
+        weight=-2.0,
+        params={"asset_cfg": SceneEntityCfg("robot")}  # 传入资产配置
+    )
+
+    # 4. 关节与能量约束 (防止 NaN 和乱跳的关键)
+    joint_vel = RewTerm(
+        func=joint_vel_l2_local,
+        weight=-0.005,
         params={"asset_cfg": SceneEntityCfg("robot")}
     )
 
-    # 角速度稳定性
-    root_ang_static = RewTerm(
-        func=root_ang_vel_norm,  # 使用上面定义的本地函数
-        weight=-0.5,
+    applied_torque = RewTerm(
+        func=joint_torques_l2_local,
+        weight=-1.0e-5,
         params={"asset_cfg": SceneEntityCfg("robot")}
     )
 
-    # 5. 核心终点奖励：当满足 standing_success 终止条件时，给 500 分
+    # 5. 动作平滑 (非常重要)
+    action_rate = RewTerm(
+        func=mdp.action_rate_l2,
+        weight=-0.05  # 增大权重，强制动作连贯
+    )
+
+    # 6. 核心终点奖励
     is_success = RewTerm(
-        func=get_success_reward,  # 使用我们刚刚定义的本地函数
-        weight=500.0,
-        params={"term_keys": "standing_success"}  # 确保名字对应 TerminationsCfg 里的变量名
+        func=get_success_reward,
+        weight=1000.0,  # 成功奖励可以给高点，但前提是动作要平稳
+        params={"term_keys": "standing_success"}
     )
 
-    # 6. 平滑惩罚
-    action_rate = RewTerm(func=mdp.action_rate_l2, weight=-0.01)
-    joint_vel = RewTerm(func=mdp.joint_vel_l2, weight=-0.001)
-
+    # 7. 生存奖励 (保持微小正值即可)
+    is_alive = RewTerm(func=mdp.is_alive, weight=0.1)
 
 @configclass
 class T1GetUpTerminationsCfg: