有更新,尚未優於平衡基底
Mac 收集 8,703 個 policy steps,Windows CUDA 完成 3 次 PPO 更新。Mac 平均連續秒數 g0 1.8583 → g3 1.8514;g3 曲線指令命名符合 0/16。保留 g0–g3,沒有改選中途較高分的一代或替換 default。
FIGURE SKATING / NEURAL CONTROL RESEARCH
目前使用雙腿+有限三軸等效上身,透過輪鞋物理研究單腳直行、左右弧線與換重銜接。分開查看實際權重更新、持續滑行秒數、鞋路徑命名與推蹬增速;較早冰刀/全身實驗保留比較。
WB015 · 輪鞋物理 · 原始失敗保留
Mac 收集 8,703 個 policy steps,Windows CUDA 完成 3 次 PPO 更新。Mac 平均連續秒數 g0 1.8583 → g3 1.8514;g3 曲線指令命名符合 0/16。保留 g0–g3,沒有改選中途較高分的一代或替換 default。
R1/R2 保留失敗;修正初態與回授後,R3 兩平台 72/72 案完成換重且接入後 ≥0.5 s。雙腳同時承重只維持 0–1 個取樣幀,推蹬增速成功 0/72,因此新 actor 尚未初始化或訓練。
| 實驗 | Windows | Mac | 判讀 |
|---|---|---|---|
| PPO g0 → g3 | 1.8875 → 1.8514 s 各 24 案 | 1.8583 → 1.8514 s 各 24 案 | 固定最終代未改善平均連續滑行;未接納。 |
| R3 small+即時回授 | 平均 0.9861 s 推蹬 0/12;非輪接地 0/12 | 平均 0.9861 s 推蹬 0/12;非輪接地 2/12 | 只是程序化交接前置模擬,不能視為新 PPO 成效。 |
| R3 rollout 計算 | 154.81 steps/s 批次 18.570 s | 391.56 steps/s 批次 18.077 s | Mac 每步約快 2.53 倍;含傳輸、guard、封存後短批次總耗時接近。 |
目前研究界線:57.6 kg 雙腿+等效上身,關節與輪地作用產生動態,沒有任意 root 外力。由 0.8/1.4 m/s 行進初態開始的交接不等於從靜止起步;最新目標修復尚未重跑交接動態。三輪 PPO 的 12 批及交接的 5 批皆已退出並完成產物稽核。
先核對物理,再檢查控制與交接
| 階段 | 問題與實驗 | 結果與下一步 |
|---|---|---|
| WB011 · 發射對照 ↗ | 同初速、傾角、COM,切換被動模型與原直線控制。 | 較久存活不等於鞋子走出指定弧線;轉向評量改以承重鞋軌跡判讀。 |
| WB012 · 全身參考 ↗ | Cluster 姿態/路徑 → 37 關節候選驅動;試行模仿與恢復。 | 參考覆蓋整段,實際模擬仍約半秒跌落;不能把參考動畫當前向重現。 |
| WB013 · 巨觀校準 ↗ | 用輪鞋物理擬合 Cluster/平昌的滑冰巨觀狀態。 | 未證明候選改善保留窗口,後續沿用原物理基線。 |
| WB014 · 有限弧線 ↗ | 單腳+剛體 COM/慣量;鞋架剛性,踝 pitch ±15°、yaw ±3°、roll 固定。 | 四組代表案仍有承重低滑移的有限弧線,後續均失衡;未證明穩態或神經策略。 |
| WB015 · 平衡與學習 ↗ | 雙腿+有限三軸上身;LF、RF、LFO、LFI、RFO、RFI,回授基底+PPO 殘差。 | 完成三輪更新,指定曲線與持續秒數仍未共同改善。 |
| WB015 · 連續交接 | 推蹬末段 → 換重 → 單腳;姿態、速度、輪速與控制記憶不中斷。 | 可交接但沒有推蹬增速;先建立推蹬腳實際載重,再決定新訓練批次。 |
先用受限對照檢查雙支撐的 COM/COP、法向載重與膝部伸展行程,再平滑卸重;須從接觸衝量與完整末態確認推進,才開始新課程的神經更新。
歷史批次已完成;保留當時五秒門檻
基底回授控制器加 PPO 殘差。五個控制器各 384 案,共 1,920 次留置回放,三秒、五秒均未通過。第二組只有左腳達二秒,未形成左右腳共同改善。小 yaw reset 不能當成廣泛擾動泛化。
搜尋 48 個刀向控制候選,同起點記錄開關比對通過。這是控制器調參,神經權重更新為零;也不等於已從自然起步接上這段滑行。
| 批次/更新數 | 最短合格秒數 | 平均合格秒數 | 五秒成功 |
|---|---|---|---|
| BC-001 · 25 | 1.252 | 1.384 | 0/6 |
| BC-001 · 100 | 1.419 | 1.730 | 0/6 |
| BC-001 · 300(批次最佳) | 1.506 | 1.913 | 0/6 |
| BC-MEM-002 · 25(批次最佳) | 1.079 | 1.270 | 0/6 |
| BC-MEM-002 · 100 | 0.854 | 1.252 | 0/6 |
| BC-MEM-002 · 300 | 0.087 | 0.247 | 0/6 |
靜態誤差下降,沒有換成滑行改善:兩批各完成 300 次 actor 更新,critic 與 log_std 不變。記憶擾動訓練將未見擾動記憶的平均 action RMS 降低約 45%/52%,但原教師記憶上的誤差增為 9.47 倍;閉迴路沒有改善,不升格為下一輪暖啟動。上述六個候選的三秒成功也全部為 0/6。批次內依最短、平均秒數及較早更新數選模,不能只挑漂亮的 loss。
固定控制器 · 左右腳 × 三種初速
支撐刀承重約 560 N、側滑約 0.15 m/s,三種係數下反力沒有大幅提升。接觸力每秒取樣 30 次,資格逐 480 Hz 判定;此處是失格鄰近樣本,不是精確失格子步。
目前切向阻尼預測可能先把腳部側速壓低,而後續關節驅動與法向約束又形成滑移。這是待驗證假設,還不是已確認根因。
兩個高係數組均記錄到一次 fallback 的環境最大累計;四倍組左右 1 m/s 約在 2.4 秒已出現,可能影響後續結果。尚未更換正式接觸 profile。
截至 09.28;與 WB015 輪鞋模型分開判讀
小型網路修正左右傾斜;腳位、推刃與剪冰相位仍由技能程式安排。固定肢段 IK 顯示動作。
12/12 完整指令情境通過MuJoCo 真實接觸、有限關節力矩。Oleg 教學衍生姿態只作弱評分,與無姿態獎勵、零修正基準成對比較。
姿態獎勵未改善平衡重心先放在支撐刀,從 0.5–1.5 m/s 起滑;檢查承重、自由刀間隙、保速及五秒連續保持。
歷次與本輪均未達五秒從靜止雙腳站立出發,以原支撐腳承重、自由刀卸載離冰、持續滑行作為同一段落門檻。
R1-001 與 R1-002 各 0/512 進入原 phase 3比較界線:降階模型 12/12 是既定技能程式與神經平衡共同作用的情境結果;它不是 37 關節 PPO 已學會連續剪冰。單腳「已移重」是明標的訓練中間起點,不等於已從自然推刃抵達;完整鏈仍須從自然雙腳站立、不在途中重設來驗收。
保留基準、最後權重與失敗案例
另有 12 段各 20 秒的局部平衡測試。神經網路在已知技能相位之上處理局部平衡;與同限制的 PD 相比,這批案例尚未證明神經控制更好。
操作降階滑行頁 ↗同批無姿態獎勵約 1.78/1.61 秒;零修正基準約 2 秒。加上弱姿態評分沒有帶來平衡優勢,不能以關節角度貼近代替接觸驗收。
搜尋時有接近五秒的候選,留置起姿仍未達標;相同 seed、起始 q/v 的重跑也可能分歧。可看平均連續保持時間,但不可把開發最佳值當穩定通過率。
同批 16/16 進入卸載,五秒成功仍 0/16。R1-001 與新增的 R1-002 各搜尋 512 個開發候選,皆無原 phase 3 入口;兩批都沒有更新神經權重。
已移重的單腳起點 · 2026.09.27 留置案例
數字不能跨不同起點直接排名
| 研究段落 | 做了什麼 | 觀察到的結果 | 判讀 |
|---|---|---|---|
| 降階神經控制 | 12→48→32→2 的局部平衡網路;另由技能核心安排前進、剪冰與停止。 | 神經/PD 各 12/12,無回授 0/12。 | 操作介面可用;完整技巧不是網路自主生成。 |
| 全身 PPO 姿態引導 | 37 關節;對照弱姿態獎勵、無姿態獎勵、零修正回授。 | 左承重兩案中,姿態引導皆先於兩個對照失衡。 | 姿態相似度不是平衡成功的替代指標。 |
| 自主/逐步開放 | 無全身支撐的自主 GPU PPO 204,800 次互動;再比較全關節/逐步開放共 614,400 次。 | 仍未通過自主單腳平衡。 | 可執行訓練管線,不等於學到技能;起姿與合法力矩標籤仍重要。 |
| 已移重單腳保速 | 0.5–1.5 m/s、自由刀離冰與支撐承重;小擾動、左右腳分開檢查。 | v3 留置 0/60 五秒成功;09.27 肩部參數搜尋的另一批留置 0/30。 | 小於五秒的平均、短時保速率和搜尋最佳值都不能充作五秒成功。 |
| 自然起步推刃 | v3 從 v2 actor 接續;R1-001 固定推刃末端後搜尋 512 個開發候選。 | v3 留置 16/16 進入卸載、0/16 進入單腳;R1-001 搜尋 0/512 進入原 phase 3。 | 兩種分母與起點不同;不能合併成成功率。 |
| R1-002 真實交接 | 從自然雙腳起步,phase 1 預備姿態接 phase 2 有界殘差;兩個搜尋 seed 各 256 案。 | 每側 256/256 進 phase 2;兩側共 0/512 進原 phase 3。 | 零神經權重更新;屬開發搜尋,尚未進留置驗證。 |
R1-002 CUDA Warp 與 Mac CPU 分開判讀
另有 64 案 smoke;observer parity 的 64 案只作對照,不計入搜尋候選。整輪是受限可達性搜尋,神經權重更新為 0,不能據此推論 PPO 過擬合。世代間有選擇,512 案不是獨立留置測試。
同一子步的接觸子集合:瞬間接觸 >1 N、支撐刀 16 子步平均 ≥0.70 倍體重、自由刀 <0.05 倍體重、離冰 ≥5 mm。左側兩 seed 最長分別 29.17/22.92 毫秒,仍不到 0.08 秒。完整原 gate 的 480 Hz dwell 全為 0;trace 未儲存安全姿態與速度各分項,無法指認精確阻擋條件。
Mac 診斷另計:MAC-R2-003 是 native MuJoCo CPU float64,左右各一例於約 0.85 秒跌倒、合格接觸樣本皆 0;採直接載入幾何姿態與固定 PD,不能併入 Windows CUDA Warp 成功率,也沒有神經權重更新。詳見 研究審核、機讀報告與 當時的課程計畫。
網站為研究摘要,權重與完整回放保存在專案
網路的局部平衡、PD 對照,以及完整指令序列的 12/12,分別是不同的驗證。
ice/robot/lab/NEURAL-LOCOMOTION.mdice/robot/lab/artifacts/locomotion/command-verification.json
Oleg 教學衍生姿態不是影片逐幀動捕。全身控制仍含有限 PD/支撐前饋;後續自主管線另立契約,未通過單腳平衡。
ice/robot/learning/README.mdice/robot/learning/GPU-AUTONOMOUS-REPORT.mdice/robot/learning/GPU-CURRICULUM-REPORT.md
五秒需同時具備原刀承重、自由刀卸載與離冰、安全姿態及持續前進;同起點的 CUDA 重跑仍可能有小幅差異。
ice/robot/learning/MOVING-GLIDE-REPORT.mdice/robot/learning/artifacts/five-second-20260927/summary.json
保留測試與開發搜尋分開。R1-001 與 R1-002 都是零神經權重更新的受限搜尋;09.28 重算的接觸子集合不能替代完整原 gate。
ice/robot/learning/SUSTAINED-PUSH-REPORT.mdverification/ice/robot/command-transition-plan-20260927/SOL-DECISION.mdverification/ice/robot/review-20260928/contact-audit.json
本輪已結束,沒有追加 PPO。新的單刀台架已擬定規格,接觸機制候選尚未實作驗收;維持原五秒門檻,也保留已移重起點與自然起步的區別。