From 6ca671dce5e2ecd885187c50e95a54d79a1c69de Mon Sep 17 00:00:00 2001 From: ChenXi Date: Thu, 19 Mar 2026 06:29:30 -0400 Subject: [PATCH] change rewards --- rl_game/get_up/config/t1_env_cfg.py | 236 +++++++++++----------------- 1 file changed, 92 insertions(+), 144 deletions(-) diff --git a/rl_game/get_up/config/t1_env_cfg.py b/rl_game/get_up/config/t1_env_cfg.py index 2d9c324..538a0eb 100644 --- a/rl_game/get_up/config/t1_env_cfg.py +++ b/rl_game/get_up/config/t1_env_cfg.py @@ -14,41 +14,42 @@ from rl_game.get_up.env.t1_env import T1SceneCfg import isaaclab.envs.mdp as mdp -# --- 1. 自定义 MDP 逻辑函数 (放在配置类之前) --- +# --- 1. 修正后的自定义 MDP 逻辑函数 --- def is_standing_still( env: ManagerBasedRLEnv, minimum_height: float, max_angle_error: float, - standing_time: float + standing_time: float, + velocity_threshold: float = 0.2 ) -> torch.Tensor: """ - 判定机器人是否稳定站立了一段时间。 - 逻辑：高度达标且姿态垂直，持续时间超过 standing_time 则返回 True。 + 判定判定逻辑：高度达标 + 躯干垂直 + 几乎静止 + 维持时间。 + 增加了速度判定，彻底杜绝起跳瞬间触发。 """ - # 获取当前状态：高度 (Z轴) 和 投影重力 (前两个分量越小越垂直) - - # 1. 首先获取 H2 (头部) 的索引 (建议在环境初始化时获取一次，或者如下所示获取) - # find_bodies 返回 (indices, names) + # 1. 获取 Body 索引 head_idx, _ = env.scene["robot"].find_bodies("H2") - # 2. 修改后的位置获取逻辑 - # data.body_link_pos_w 的维度是 (num_envs, num_bodies, 3) - # 我们取所有环境 (:)，对应的头部索引 (head_idx[0])，以及 Z 轴坐标 (2) - current_head_height = env.scene["robot"].data.body_link_pos_w[:, head_idx[0], 2] - - # 3. 姿态判定保持不变（通常依然以躯干 Trunk 的垂直度为准，因为头部可能会摆动） + # 2. 状态量获取 + current_head_height = env.scene["robot"].data.body_state_w[:, head_idx[0], 2] + # 投影重力误差（越小越垂直） gravity_error = torch.norm(env.scene["robot"].data.projected_gravity_b[:, :2], dim=-1) + # 根部线速度和角速度（判定是否晃动） + root_vel_norm = torch.norm(env.scene["robot"].data.root_lin_vel_w, dim=-1) + root_ang_vel_norm = torch.norm(env.scene["robot"].data.root_ang_vel_w, dim=-1) - # 4. 更新判断逻辑 - is_stable_now = (current_head_height > minimum_height) & (gravity_error < max_angle_error) + # 3. 综合判定（这里不强制检查力，改用更稳健的速度限制） + is_stable_now = ( + (current_head_height > minimum_height) & + (gravity_error < max_angle_error) & + (root_vel_norm < velocity_threshold) & + (root_ang_vel_norm < velocity_threshold * 2.0) + ) - # 在 env.extras 中维护一个计时器 + # 4. 计时器 if "stable_timer" not in env.extras: env.extras["stable_timer"] = torch.zeros(env.num_envs, device=env.device) - # 核心计时逻辑：达标累加 dt，不达标清零 - # dt = physics_dt * decimation (即控制频率的步长) dt = env.physics_dt * env.cfg.decimation env.extras["stable_timer"] = torch.where( is_stable_now, @@ -56,60 +57,53 @@ def is_standing_still( torch.zeros_like(env.extras["stable_timer"]) ) - # 判定是否达到目标时长 return env.extras["stable_timer"] > standing_time + 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_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 - # 只取 Z 轴：vel[:, 2] - return torch.square(vel[:, 2]) + # 严厉惩罚 Z 轴正向速度（向上窜） + vel_z = env.scene[asset_cfg.name].data.root_lin_vel_w[:, 2] + return torch.square(torch.clamp(vel_z, min=0.0)) -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) +def feet_airtime_penalty_local( + env: ManagerBasedRLEnv, + sensor_cfg: SceneEntityCfg, + threshold: float = 1.0 +) -> torch.Tensor: + """ + 自定义滞空惩罚逻辑： + 如果脚部的垂直合力小于阈值，说明脚离地了。 + 返回一个 Tensor，离地时为 1.0，着地时为 0.0。 + """ + # 1. 获取传感器对象 + contact_sensor = env.scene.sensors.get(sensor_cfg.name) -def joint_pos_limits_l2_local(env: ManagerBasedRLEnv, asset_cfg: SceneEntityCfg) -> torch.Tensor: - """惩罚关节接近或超过限位""" - # 获取关节位置 (num_envs, num_joints) - joint_pos = env.scene[asset_cfg.name].data.joint_pos - # 获取限位 (num_joints, 2) -> [lower, upper] - limits = env.scene[asset_cfg.name].data.soft_joint_pos_limits - lower_limits = limits[..., 0] - upper_limits = limits[..., 1] + if contact_sensor is None: + # 如果没搜到传感器，返回全 0，防止程序崩溃 + return torch.zeros(env.num_envs, device=env.device) - # 计算超出限位的部分 - out_of_lower = torch.clamp(lower_limits - joint_pos, min=0.0) - out_of_upper = torch.clamp(joint_pos - upper_limits, min=0.0) + # 2. 获取触地力 (num_envs, num_bodies_in_sensor, 3) + # 我们取所有被监测 Body (左右脚) 的 Z 轴推力 + # 如果所有脚的力都小于 threshold，判定为“完全腾空” + foot_forces_z = contact_sensor.data.net_forces_w[:, :, 2] + is_in_air = torch.all(foot_forces_z < threshold, dim=-1) - # 返回超出量的平方和 - return torch.sum(torch.square(out_of_lower + out_of_upper), dim=-1) + return is_in_air.float() # --- 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' + '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: """观察值空间配置：严格对应你的 Robot 基类数据结构""" @@ -129,21 +123,10 @@ class T1ObservationCfg: # 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) - - # 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) + joint_pos = ObsTerm(func=mdp.joint_pos_rel, + params={"asset_cfg": SceneEntityCfg("robot", joint_names=T1_JOINT_NAMES)}) + joint_vel = ObsTerm(func=mdp.joint_vel_rel, + params={"asset_cfg": SceneEntityCfg("robot", joint_names=T1_JOINT_NAMES)}) actions = ObsTerm(func=mdp.last_action) policy = PolicyCfg() @@ -158,7 +141,7 @@ class T1EventCfg: "asset_cfg": SceneEntityCfg("robot"), "pose_range": { "roll": (0, 0),#(-1.57, 1.57), - "pitch": (1.57, 1.57),#(-1.57, 1.57), + "pitch": (-1.57, 1.57),#(-1.57, 1.57), "yaw": (0, 0),#(-3.14, 3.14), "x": (0.0, 0.0), "y": (0.0, 0.0), @@ -172,124 +155,89 @@ class T1EventCfg: @configclass class T1ActionCfg: - """动作空间""" + """关键修改：降低 scale 让动作变丝滑，增大阻尼效果""" joint_pos = JointPositionActionCfg( asset_name="robot", joint_names=T1_JOINT_NAMES, - scale=0.5, + scale=0.2, # 从 0.5 降到 0.2，防止电机暴力抽搐 use_default_offset=True ) @configclass class T1GetUpRewardCfg: - """优化后的奖励函数：抑制跳跃，引导稳健起身""" + # 1. 姿态奖 (核心引导) + upright = RewTerm(func=mdp.flat_orientation_l2, weight=5.0) - # 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 + # 2. 只有脚着地时才给的高度奖（模拟逻辑） + # 修正：直接使用 root_height 配合强力的速度惩罚 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=2.0, # 降低权重，防止“弹射” + func=mdp.root_height_below_minimum, + weight=2.0, params={ "minimum_height": 1.05, "asset_cfg": SceneEntityCfg("robot", body_names="H2"), } ) - # 2. 姿态奖 (保持不变，这是核心) - upright = RewTerm(func=mdp.flat_orientation_l2, weight=5.0) - - # 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” + # 3. 抑制跳跃：严厉惩罚向上窜的速度 root_vel_z_penalty = RewTerm( - func=root_vel_z_l2_local, # 使用本地函数 - weight=-5, - params={"asset_cfg": SceneEntityCfg("robot")} # 传入资产配置 + func=root_vel_z_l2_local, + weight=-15.0, # 增大负权重 + params={"asset_cfg": SceneEntityCfg("robot")} ) - feet_contact = RewTerm( - func=mdp.contact_forces, - weight=0.5, + # 4. 抑制滞空 (Airtime Penalty) + # 如果脚离开地面，按时间扣分 + feet_airtime = RewTerm( + func=feet_airtime_penalty_local, + weight=-15.0, params={ "sensor_cfg": SceneEntityCfg("feet_contact_sensor"), - "threshold": 1.0 + "threshold": 0.2, # 超过 0.2s 离地就开始扣分 } ) - # 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=-1, - params={"asset_cfg": SceneEntityCfg("robot")} - ) + # 5. 动作平滑 (非常重要：解决视频中的高频抖动) + action_rate = RewTerm(func=mdp.action_rate_l2, weight=-1.0) + joint_vel = RewTerm(func=mdp.joint_vel_l2, weight=-0.1, params={"asset_cfg": SceneEntityCfg("robot")}) - applied_torque = RewTerm( - func=joint_torques_l2_local, - weight=-1.0e-2, - params={"asset_cfg": SceneEntityCfg("robot")} - ) + # 6. 时间惩罚：逼迫它快点站稳 + time_penalty = RewTerm(func=mdp.is_alive, weight=-0.5) - # 5. 动作平滑 (非常重要) - action_rate = RewTerm( - func=mdp.action_rate_l2, - weight=-1.0 # 增大权重，强制动作连贯 - ) - - # 6. 软限位惩罚：防止关节撞击 - joint_limits = RewTerm( - func=joint_pos_limits_l2_local, - weight=-10.0, - params = {"asset_cfg": SceneEntityCfg("robot")} - ) - - # 7. 时间惩罚 (强制效率) - # 每一帧都扣除固定分数，迫使机器人尽快达成 is_success 以停止扣分 - time_penalty = RewTerm( - func=mdp.is_alive, - weight=-1.2 - ) - - # 8. 核心终点奖励 + # 7. 终极奖励 is_success = RewTerm( func=get_success_reward, - weight=500.0, # 成功奖励可以给高点，但前提是动作要平稳 + weight=200.0, # 成功一次给大奖，但判定条件极严 params={"term_keys": "standing_success"} ) @configclass class T1GetUpTerminationsCfg: - """终止条件：站稳即算任务完成，且包含强制超时重置""" - - # --- 关键：必须显式添加这一行，episode_length_s 才会生效 --- time_out = DoneTerm(func=mdp.time_out) - # 失败：跌倒 (Trunk 倾斜过大) - # limit_angle 是弧度，1.0 约等于 57度，如果想严格点可以调小 - base_crash = DoneTerm(func=mdp.bad_orientation, params={"limit_angle": 1.0}) + # 严格的失败判定：躯干倾斜超过 45 度就重置，不让它在地上滚 + base_crash = DoneTerm(func=mdp.bad_orientation, params={"limit_angle": 0.785}) - # 成功：满足“头部高度”和“姿态要求”，且维持 0.8 秒 + # 严格的成功判定 standing_success = DoneTerm( - func=is_standing_still, # 确保你已经把这个函数里的 current_height 改成了 H2 的 Z 轴 + func=is_standing_still, params={ - # T1 头部 (H2) 站直高度约 1.15-1.2m，设为 1.1m 比较稳健 - "minimum_height": 1.05, - # 姿态误差 (投影重力分量)，0.15 约等于 8.6 度，要求很直 - "max_angle_error": 1.0, - # 维持时间 - "standing_time": 0.8 + "minimum_height": 1.05, # H2 高度 + "max_angle_error": 0.15, # 极小角度误差（约 8.6 度） + "standing_time": 0.8, # 必须保持 0.8 秒（起跳不可能在空中停这么久） + "velocity_threshold": 0.15 # 速度必须极低 } ) @configclass class T1EnvCfg(ManagerBasedRLEnvCfg): - """主环境配置""" - scene = T1SceneCfg(num_envs=16384, env_spacing=2.5) + scene = T1SceneCfg(num_envs=16384, env_spacing=2.5) # 建议先用 4096 验证逻辑 def __post_init__(self): super().__post_init__() - # 初始高度设低，配合随机旋转事件实现“从地上爬起来” - self.scene.robot.init_state.pos = (0.0, 0.0, 0.4) + self.scene.robot.init_state.pos = (0.0, 0.0, 0.4) # 初始稍微抬高一点点，防止卡地 observations = T1ObservationCfg() rewards = T1GetUpRewardCfg() @@ -297,5 +245,5 @@ class T1EnvCfg(ManagerBasedRLEnvCfg): events = T1EventCfg() actions = T1ActionCfg() - episode_length_s = 10.0 # 3秒强制重置 - decimation = 4 # 控制频率 \ No newline at end of file + episode_length_s = 5.0 # 缩短时长，增加训练效率 + decimation = 4 \ No newline at end of file