change rewards

This commit is contained in:
2026-03-19 06:29:30 -04:00
parent d4089b103e
commit 6ca671dce5

View File

@@ -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
episode_length_s = 5.0 # 缩短时长,增加训练效率
decimation = 4