G1-23dof Blind-Teacher 盲教师任务配置规范 (V0~V2)

文档版本：V1.0
机器人平台：Unitree G1-23dof
仿真框架：IsaacLab 2.3.0 + IsaacSim 5.1.0
训练算法：RSL-RL PPO
编写日期：2026-04-12
任务标识：Unitree-G1-23dof-BlindTeacher-V0 ~ Unitree-G1-23dof-BlindTeacher-V2
相关文档：G1-23dof Velocity 任务训练配置规范｜G1-23dof Fusion 多传感器融合任务配置规范

---

1. 任务概述

1.1 任务目标

Blind-Teacher 是 G1-23dof 机器人的盲行走（Blind Locomotion）任务系列，核心约束为：

无视觉传感器（无 Depth Camera、无 LiDAR），仅依靠本体感知 + Height Scanner 实现复杂地形行走。

这是从特权学习（privileged learning）到纯感知学习（pure perception）的过渡阶段。

1.2 训练架构：Teacher-Student

Blind-Teacher 属于 Teacher-Student 蒸馏架构 的 Teacher 侧：

Blind-Teacher（本文）
  ├── 输入：proprio(78D) + height_scan(187D) = 795D（3帧历史）
  ├── 输出：actions(23D)
  └── 作用：为 Student（Depth-Student）提供动作标签

Depth-Student（后续）
  ├── 输入：proprio(78D) + depth_camera(3072D)
  ├── 教师动作：Blind-Teacher 的输出
  └── 目标：模仿教师动作，实现无特权信息的视觉行走

1.3 版本演进

版本	核心创新	地形	奖励项数
V0	首个盲行走环境	7 种混合	~18 项
V1	固定抬脚高度	7 种混合	~18 项
V2（本文）	地形自适应抬脚 + 命令自适应 Curriculum	7 种混合	20 项

---

2. V2 核心改进

2.1 V1 的问题

V1 使用固定抬脚高度（0.15m Gaussian），在楼梯地形上遇到瓶颈： - 平地上 0.15m 足够 - 楼梯台阶（最高 0.20m）时频繁磕碰 - terrain level 卡在 ~6 级无法提升

2.2 V2 的解决方案

地形自适应抬脚高度：

# V1：固定 0.15m
feet_clearance: 0.15m (Gaussian)

# V2：地形自适应
feet_swing_adaptive:
    flat_target_height=0.12m   # 平地：12cm
    stair_target_height=0.20m  # 楼梯：20cm
    # Height Scanner 检测前方地形高度差
    # 当检测到 > 0.08m 落差时，自动调高抬脚目标

2.3 V2 其他改进

改进项	V1	V2	原因
forward_progress 权重	1.0	2.0	更陡的奖励梯度
forward_progress scale	4.0	2.0	与 StairV4 对齐
gait period	0.8s	1.0s	更大步幅
base_height 惩罚	-10	-10（不变）	V2 不再放宽（V1 曾改为 -5）
knee action_scale	0.35	0.5	更高抬脚能力
新增约束	—	joint_deviation_knee, joint_deviation_hip_pitch	防止过度弯曲

---

3. 地形配置

3.1 7 种混合地形（V2 沿用 V1）

FULL_TERRAIN_CFG = TerrainGeneratorCfg(
    num_rows=10,              # 10 个难度等级
    num_cols=20,               # 20 列
    sub_terrains={
        "flat":         0.12,   # 平地 12%
        "stairs_up":    0.28,   # 上楼梯 28%（最大难度来源）
        "stairs_down":  0.17,   # 下楼梯 17%
        "rough":        0.13,   # 粗糙地面 13%
        "boxes":        0.10,   # 随机方块 10%
        "slope":        0.10,   # 坡道 10%
        "waves":        0.10,   # 波浪地面 10%
    },
)

3.2 Height Scanner（关键感知器）

height_scanner = RayCasterCfg(
    prim_path="{ENV_REGEX_NS}/Robot/torso_link",
    offset=RayCasterCfg.OffsetCfg(pos=(0.0, 0.0, 20.0)),
    ray_alignment="yaw",                        # 随偏航角对齐
    pattern_cfg=patterns.GridPatternCfg(
        resolution=0.1,     # 10cm 网格
        size=[1.6, 1.0],   # 1.6m × 1.0m
    ),
)
# 输出: 160D → 与 proprio concat 后 187D（单帧）

Height Scanner 的局限：仅能感知基座正下方及前方一定范围的地形，无法提前「看到」远处的障碍。

---

4. 观测空间

4.1 Policy 观测（795D）

观测项	单帧维度	历史帧数	总维度
base_ang_vel	3D	3 帧	9D
projected_gravity	3D	3 帧	9D
velocity_commands	3D	3 帧	9D
joint_pos_rel	23D	3 帧	69D
joint_vel_rel	23D	3 帧	69D
last_action	23D	3 帧	69D
height_scan	160D	3 帧	480D
无视觉传感器	—	—	—

总计：78D（proprio）× 3 + 480D（height_scan）× 3 = 795D

4.2 Critic 观测（268D，单帧）

观测项	维度
base_lin_vel	3D
base_ang_vel	3D
projected_gravity	3D
velocity_commands	3D
joint_pos_rel	23D
joint_vel_rel	23D
last_action	23D
height_scan	160D

总计：81D（proprio + base_lin_vel）+ 160D（height_scan）= 268D

---

5. 动作配置（V2 关节级别缩放）

5.1 关节级别 action_scale

V2 使用逐关节缩放，而非统一缩放：

JointPositionActionCfg(
    asset_name="robot",
    joint_names=[".*"],
    scale={
        # 腿部（楼梯攀爬需要更大范围）
        ".*_hip_pitch_joint":  0.5,   # 髋关节俯仰
        ".*_hip_yaw_joint":    0.5,   # 髋关节偏航
        ".*_hip_roll_joint":   0.35,  # 髋关节侧翻（较小）
        ".*_knee_joint":       0.5,   # 膝关节（V1: 0.35 → V2: 0.5）
        ".*_ankle_pitch_joint": 0.4,  # 踝关节俯仰
        ".*_ankle_roll_joint":  0.4,   # 踝关节侧翻
        # 腰部（保守）
        "waist_yaw_joint":     0.15,   # 腰部偏航（最小）
        # 手臂（保守，防止过度摆动）
        ".*_shoulder_pitch_joint": 0.2,
        ".*_shoulder_roll_joint":  0.2,
        ".*_shoulder_yaw_joint":   0.2,
        ".*_elbow_joint":           0.2,
        ".*_wrist_roll_joint":      0.2,
    },
    use_default_offset=True,
)

5.2 关节分组缩放的意义

关节组	scale	原因
髋/膝/踝 pitch	0.5	前后向运动需要大步幅
髋/踝 roll	0.35~0.4	侧向稳定性保持保守
膝关节	0.5（V2）	V1 的 0.35 导致抬脚不足，磕碰楼梯
腰部	0.15	躯干稳定优先
手臂	0.2	行走时自然下垂，不干扰步态

---

6. 奖励函数设计（V2，20 项）

6.1 V2 奖励分组

分组	奖励项数	代表奖励
速度跟踪	2 项	track_lin_vel_xy(2.0), track_ang_vel_z(0.75)
存活	1 项	alive(0.25)
前进激励	1 项	forward_progress(2.0)
步态质量	3 项	gait(0.3), feet_slide(-0.5), feet_swing_adaptive(1.5)
姿态约束	2 项	flat_orientation_l2(-5.0), base_height(-10.0)
平滑性	4 项	action_rate, joint_vel, joint_acc, energy
关节约束	3 项	joint_deviation_arms/waists/legs
安全性	2 项	dof_pos_limits(-5.0), undesired_contacts(-2.0)

6.2 核心奖励项详解

feet_swing_adaptive（V2 核心创新）

def terrain_adaptive_swing_height_exp(
    asset_cfg, contact_cfg, height_cfg,
    flat_target_height=0.12,    # 平地目标 12cm
    stair_target_height=0.20,   # 楼梯目标 20cm
    height_scan_threshold=0.08,  # 触发阈值：前方 8cm 落差
    std=0.06,                   # 误差标准差
    tanh_mult=2.0,
):
    # 1. 从 height_scanner 读取前方地形高度
    # 2. 若高度差 > threshold：切换为 stair_target
    # 3. 若高度差 < threshold：使用 flat_target
    # 4. 计算当前抬脚高度与目标的误差
    # 5. exp(-error²/(2σ²)) × tanh_mult

物理意义：机器人行走时自动调节抬脚高度，平地小抬脚（节能），楼梯高抬脚（防磕碰）。

forward_progress（V2 增强）

forward_progress = RewTerm(
    func=mdp.forward_progress_reward,
    weight=2.0,                  # V1: 1.0 → V2: 2.0（双倍激励）
    params={"distance_scale": 2.0},  # V1: 4.0 → V2: 2.0
)
# 效果：同等行走距离获得双倍奖励，训练更高效

6.3 V1 → V2 奖励变更对照

奖励项	V1	V2	变化
track_lin_vel_xy	2.0	2.0	不变
track_ang_vel_z	0.75	0.75	不变
alive	0.25	0.25	不变
forward_progress	1.0	2.0	↑加倍
gait	0.5	0.3	↓降低（配合更长周期）
gait period	0.8s	1.0s	↑更长步态
feet_clearance（固定）	0.15	→ 替换为 feet_swing_adaptive	核心创新
base_height	-5（V1 放宽）	-10	恢复严格约束

---

7. Curriculum 设计

7.1 V2 命令自适应地形 Curriculum

V2 采用 Command-Adaptive Terrain Curriculum，地形难度与命令速度挂钩：

terrain_levels = CurrTerm(
    func=mdp.terrain_levels_cmd_adaptive,
    params={
        "promotion_ratio": 0.5,       # 达成期望距离的 50% 即升级
        "demotion_ratio": 0.2,         # 低于期望距离的 20% 即降级
        "min_promotion_distance": 2.0, # 低速时最低升级门槛 2m
    },
)

7.2 自适应逻辑

升级条件：distance > max(cmd_vel × episode_time × 0.5, 2.0m)
  - 低速命令(0.1 m/s)：threshold = max(1.0, 2.0) = 2.0m（保底）
  - 高速命令(0.8 m/s)：threshold = max(8.0, 2.0) = 8.0m（按比例）

降级条件：distance < cmd_vel × episode_time × 0.2

优势：低速时不强制要求远程冲刺，高速时才要求更长距离。

7.3 与 V1 failure_adaptive 的区别

方面	V1 failure_adaptive	V2 cmd_adaptive
升级依据	失败率	行走距离
速度考虑	无	有（速度越高要求越远）
低速场景	可能卡住	保底 2m 门槛

---

8. V0~V2 版本对照

特性	V0	V1	V2
地形	7 种混合	7 种混合	7 种混合
Height Scanner	有	有	有
抬脚策略	固定 0.15m	固定 0.15m	地形自适应 0.12~0.20m
forward_progress 权重	1.0	1.0	2.0
gait period	0.8s	0.8s	1.0s
knee action_scale	—	0.35	0.5
base_height	-10	-5	-10
Curriculum	failure_adaptive	failure_adaptive	cmd_adaptive
关节 Deviation	2 项	2 项	3 项（+knee/hip_pitch）

---

9. 训练与评估

9.1 训练命令

# Blind-Teacher V2 训练
./unitree_rl_lab.sh -t --task Unitree-G1-23dof-BlindTeacher-V2 --num_envs 4096 --max_iterations 50000 --headless

# 推理验证
./unitree_rl_lab.sh -p --task Unitree-G1-23dof-BlindTeacher-V2

9.2 关键评估指标

指标	健康范围
Terrain level	> 7（V2 目标 > V1 的 ~6）
Episode length	> 400（8 秒以上存活）
feet_swing_adaptive	持续 > 0.5
forward_progress	持续 > 1.0

---

版本记录

版本	日期	修改内容	作者
V1.0	2026-04-12	初始版本，Blind-Teacher V0~V2 完整配置规范	AI Assistant

---

本文档由 AI 辅助整理自 unitree_lab_locomotion 仓库源码