# 前進與剪冰：動態支撐的神經平衡

這一版將平衡網路接進前進、左右剪冰與停止的連續滑行核心。技能程式決定推刃、承重、回收與轉向；小型神經網路依當下加速度和支撐能力修正身體傾斜。兩者共同使用同一個時間積分狀態，並保留 PD 與無回授對照。

[操作頁](index.html) · [雙腳直滑基準](balance.html) · [訓練報告](artifacts/locomotion/training-report.json) · [推論與整合檢查](artifacts/locomotion/js-policy-verification.json)

## 與前一個基準的關係

| 項目 | 雙腳直滑基準 | 本版動態支撐 |
| --- | --- | --- |
| 神經輸入 | 6 維：傾角、角速度與速度 | 12 維：目標誤差、角速度、目標傾角／角速度、局部加速度、有限力矩容量 |
| 支撐條件 | 固定雙腳範圍 | 隨承重切換的單腳／雙腳範圍 |
| 傾斜目標 | 接近直立 | 配合推進與轉彎的接觸平衡傾角 |
| 網路輸出 | 兩軸等效接觸力矩 | 兩軸等效接觸力矩，依當下容量限幅 |
| 指令執行 | 擾動測試 | 前進、左剪冰、右剪冰、滑行、減速、停止 |

舊的 `train_balance.py`、`policy.js`、權重與報告保留。新權重位於 `artifacts/locomotion/`，不會用新結果覆蓋舊的雙腳基準或 MuJoCo 案例。

男性模型固定使用共用 [Yuzuru 組態](../../hanyu-profile.js)：1.72 m、57 kg。這是固定身材的虛擬動作實驗，沒有從這次訓練估算身材；肢段仍是工程近似。

## 模型與控制契約

身體傾斜以兩軸倒單擺近似，質心高度 `h = 0.93 m`、慣量 `I = m h² = 49.2993 kg·m²`。`pitch` 沿身體前方，`roll` 沿身體左方；轉向時由滑行核心轉換同一狀態的局部座標。理想感知直接讀取模擬狀態，尚未加入感測延遲或噪音。

每一軸的目標傾角與角加速度為：

```text
target = atan2(a_local, g)
I × angularAcceleration = mgh sin(angle) + torque
                          − mh a_local cos(angle) − 7 × angularVelocity
```

網路輸出只實現上述 `torque`。它沒有直接寫入位置、速度或關節角，也沒有隱藏的 PD 殘差、無界姿態馬達或反作用輪。這仍是有限接觸力矩的降階模型，並非已求解每個髖、膝、踝關節如何實現該力矩。

接觸容量取 `normalForce × supportHalfExtent`，等效壓力中心取 `−torque / normalForce`，兩者表示同一個作用，不重複加力：

| 方向／支撐 | 有效半長／半寬 | 57 kg 下的力矩上限 |
| --- | ---: | ---: |
| 前後 | 0.115 m | 64.3046 N·m |
| 單腳側向 | 0.018 m | 10.0651 N·m |
| 一般雙腳側向 | 0.168 m | 93.9406 N·m |
| 訓練涵蓋的最大雙腳側向 | 0.26 m | 145.3842 N·m |

單腳 0.018 m 是包含簡化刀刃／接觸效果的有效支撐設定，**不是實際冰刀橫向寬度量測**。雙腳容量隨腳距與承重比例平滑改變。技能端必須控制加速度變化與進入單腳的時機，不能要求網路用超出容量的力矩救回失衡。

網路結構為 **12 → 48 → 32 → 2**，各層使用 `tanh`，共 **2,258 個參數**。輸入順序固定為：

```text
0–1   (angle − target) / 0.2
2–3   angularVelocity
4–5   target / 0.2
6–7   targetAngularVelocity
8–9   accelerationLocal / 3
10–11 torqueLimits / 90
```

兩個輸出值介於 −1 與 1，乘上當下的力矩容量後進入時間積分。實際呼叫鏈為 `locomotion.step → observe → policy.predict → 有限接觸力矩 → 同一份運動積分`。缺少權重、身材不符、輸入順序不符或非有限數值會明確失敗，不會默默改用 PD。

## 實際訓練紀錄

本次使用本機 WSL CUDA，GPU 為 **NVIDIA GeForce RTX 4070 Ti SUPER**，PyTorch **2.10.0+cu128**、CUDA **12.8**。方法是模仿有界 PD 教師的監督式訓練，**不是強化學習，也不是全身關節網路**。

| 設定 | 值 |
| --- | --- |
| seed | 260927 |
| 步數／batch | 8,000／4,096 |
| 即時產生的樣本總數 | 32,768,000 |
| 神經訓練耗時 | 16.65 秒（不含驗證） |
| 前後／側向加速度 | ±1.4／±0.8 m/s² |
| 目標角速度範圍 | ±0.28 rad/s，75% 樣本縮小至 ±0.098 rad/s |
| 支撐半寬 | 0.018–0.26 m，半數樣本為單腳容量 |
| 誤差取樣 | 75% 為小誤差，其中全部樣本的 10% 為零角度／角速度誤差 |

在零誤差附近加密，是為避免原本很小的單腳接觸容量被網路的微小偏差持續耗盡。教師依同一個加速度、慣量與支撐限幅產生答案：

```text
rawTorque = −mgh sin(angle) + mh a cos(angle)
            −230 × (angle − target)
            −155 × (angularVelocity − targetAngularVelocity)
            +7 × targetAngularVelocity
teacherOutput = clamp(rawTorque / torqueLimits, −1, 1)
```

模型 SHA-256：`b8e2102dcf29d9b9d27131099a97a89bebed23777640d38279b68bfb67832c6e`。訓練程式、共用身材來源、配置、GPU、損失歷程與驗證案例都記錄於 [training-report.json](artifacts/locomotion/training-report.json)。

## 驗證結果與限制

先保留 12 段未用於更新權重的局部平衡序列，涵蓋雙腳、單腳、支撐切換，以及變動的加速度和小幅擾動。每段 20 秒，通過條件為未倒下、末端傾角追蹤誤差小於 0.02 rad、角速度誤差小於 0.04 rad/s。

| 控制方式 | 通過 | 平均傾角追蹤 RMS |
| --- | ---: | ---: |
| 新神經網路 | 12／12 | 0.00335 rad |
| 相同限制的 PD | 12／12 | 0.00319 rad |
| 無平衡回授 | 0／12 | 0.18879 rad |

這些數字是指定降階環境的局部平衡結果；RMS 是傾角誤差，不能解讀為滑冰動作還原率。無回授的 RMS 只統計跌倒前的時段，各模式持續時間不同。神經結果略遜於教師，沒有證據顯示它優於 PD。其價值是把目標、接觸容量、訓練與瀏覽器控制接在同一條可檢查的流程。

獨立 32,768 個狀態的平均絕對力矩誤差為 **0.2913 N·m**，小誤差部分為 **0.1981 N·m**。三個代表案例將積分頻率由 240 Hz 提高至 480 Hz 後，神經與 PD 仍各通過 3／3。64 組 Python／JavaScript 推論的最大差為 **4.44 × 10⁻¹⁶**；真實滑行核心的一秒整合測試也確認了 240 次 MLP 呼叫、限幅與 CoP 一致性。

另列的失敗測試很重要：單腳、沒有側向加速度、起始左右傾角 ±0.16 rad 時，神經與 PD 都約在 **0.63 秒**失衡，期間接觸力矩飽和。這不在正常任務的 12 例分母內，也不會被刪去。之後若需要大幅偏移恢復，應加入換腳、改變路徑或有限角動量策略，而不是提高隱藏力矩。

完整的「前進 → 連續左剪冰 → 右剪冰 → 減速／停止」另行驗證。這些高階指令沒有放入網路的觀測，也沒有以完整指令序列更新神經權重；[verify-locomotion.mjs](verify-locomotion.mjs) 使用實際技能核心做神經／PD／無回授對照，與上面的局部平衡驗證分開記錄。

[完整指令報告](artifacts/locomotion/command-verification.json) 的 12 個情境，神經與 PD 各通過 12／12、無回授 0／12；涵蓋 3 m/s 左右剪冰、25%–200% 強度、同側連續與換側、停止及小幅擾動。標準九指令流程以 120／240／480 Hz 執行也通過。這些成功依賴技能程式提供的腳位、負重和推刃階段；不代表神經網路自行學會全部動作。完整報告同時保留所用核心與模型雜湊，不能直接沿用到不同核心版本。

## 重現與下一步

於 repository 根目錄執行：

```powershell
wsl -e /home/jenghan/.local/share/musicxai/yue2/venv/bin/python /mnt/e/fun/MUSICxAI/projects/serenity/ice/robot/lab/train_locomotion.py --steps 8000
node projects/serenity/ice/robot/lab/verify-locomotion-policy.mjs
node projects/serenity/ice/robot/lab/verify-locomotion.mjs
```

重新訓練會更新本版的權重與報告，驗證應以新雜湊為準；不同 CUDA／PyTorch 版本不保證位元完全一致。

接下來依動作需求逐步增加難度：先把停止與左右推刃的負重、刀向、回收順序確認穩定，再將等效接觸需求分配到有限關節力矩。需要後退或三轉時，另設入口足、前後方向、用刃與離冰條件；不要把前進的成功直接算成後退成功。只有當接觸或技能選擇超出目前有界教師的能力，才加入 rollout optimization／強化學習，並保留本版 PD 與神經策略作為基準。
