Amend arm push reward

rl_game/get_up/config/t1_env_cfg.py

@@ -49,39 +49,56 @@ def standing_with_feet_reward(
     return combined_reward
 
 
-def arm_push_up_reward(
+def universal_arm_support_reward(
         env: ManagerBasedRLEnv,
         sensor_cfg: SceneEntityCfg,
-        height_threshold: float = 0.65,
-        min_force: float = 3.0
+        height_threshold: float = 0.60,
+        min_force: float = 2.0
 ) -> torch.Tensor:
+    """
+    通用手臂支撑奖励：同时支持仰卧起坐支撑和俯卧撑起。
+    逻辑：只要手臂有向上的推力，且身体正在向上移动，就给奖。
+    """
+    # 1. 获取传感器数据
     contact_sensor = env.scene.sensors.get(sensor_cfg.name)
     if contact_sensor is None:
         return torch.zeros(env.num_envs, device=env.device)
 
-    # 1. 获取受力数据
+    # 获取所有定义的手臂/手部 link 的垂直总受力 (World Z)
+    # net_forces_w 形状: (num_envs, num_bodies, 3)
     arm_forces_z = contact_sensor.data.net_forces_w[:, :, 2]
-    avg_arm_force = torch.mean(arm_forces_z, dim=-1)
+    # 取所有受力点的最大值或平均值，代表支撑强度
+    max_arm_force = torch.max(arm_forces_z, dim=-1)[0]
 
-    # 2. 几何限制：手臂必须在躯干下方 (修复了之前的 AttributeError)
-    arm_body_indices, _ = env.scene["robot"].find_bodies(sensor_cfg.body_names)
+    # 2. 获取状态数据
     pelvis_idx, _ = env.scene["robot"].find_bodies("Trunk")
     pelvis_pos_z = env.scene["robot"].data.body_state_w[:, pelvis_idx[0], 2]
-    arm_pos_z = env.scene["robot"].data.body_state_w[:, arm_body_indices, 2]
-
-    # 手臂是否全部低于盆骨
-    is_below_pelvis = torch.all(arm_pos_z < pelvis_pos_z.unsqueeze(1), dim=-1).float()
-
-    # 3. 计算奖励
-    force_reward = torch.clamp((avg_arm_force - min_force) / 45.0, min=0.0, max=1.0)
     root_vel_z = env.scene["robot"].data.root_lin_vel_w[:, 2]
-    velocity_factor = torch.clamp(root_vel_z * 3.0, min=0.0, max=1.5)
 
-    total_reward = force_reward * is_below_pelvis * (1.0 + velocity_factor)
+    # 3. 计算奖励项
+    # A. 受力奖励：鼓励手部与地面产生大于 min_force 的推力
+    # 使用 tanh 归一化，防止力矩过大导致奖励爆炸 (NaN 风险)
+    force_reward = torch.tanh(torch.clamp(max_arm_force - min_force, min=0.0) / 50.0)
 
-    # 高度越高，手臂奖励越低 (强迫切换到腿)
-    height_fade = torch.clamp((height_threshold - pelvis_pos_z) / 0.1, min=0.0, max=1.0)
-    return total_reward * height_fade
+    # B. 速度引导：只有当机器人正在“向上起”时，支撑奖励才翻倍
+    # 这样可以防止它趴在地上乱按手骗分
+    velocity_factor = torch.clamp(root_vel_z, min=0.0, max=2.0)
+
+    # C. 姿态惩罚回避：
+    # 不再检查手是否在盆骨下方，而是检查手是否“在干活”
+    # 只要受力足够大，就认为是在支撑
+    is_supporting = (max_arm_force > min_force).float()
+
+    # 4. 阶段性退出机制 (Curriculum)
+    # 当盆骨高度超过 height_threshold (0.6m) 时，奖励线性消失
+    # 强迫机器人最终依靠腿部力量平衡，而不是一直扶着地
+    height_fade = torch.clamp((height_threshold - pelvis_pos_z) / 0.15, min=0.0, max=1.0)
+
+    # 最终组合
+    # 逻辑：受力 * (1 + 垂直速度) * 高度衰减
+    total_reward = force_reward * (1.0 + 2.0 * velocity_factor) * is_supporting * height_fade
+
+    return total_reward
 
 def is_standing_still(
         env: ManagerBasedRLEnv,
@@ -210,7 +227,7 @@ class T1GetUpRewardCfg:
     # 3. 手臂撑地奖：辅助脱离地面阶段
     arm_push_support = RewTerm(
         func=arm_push_up_reward,
-        weight=15.0,  # 显著增加权重（从 3.0 提到 15.0），让它成为起步的关键
+        weight=20.0,  # 显著增加权重（从 3.0 提到 15.0），让它成为起步的关键
         params={
             "sensor_cfg": SceneEntityCfg("contact_sensor", body_names=[".*_hand_link", "AL3", "AR3"]),
             "height_threshold": 0.65,  # 躯干升到 0.6m 前都鼓励手臂用力