# WB015：從平衡到推蹬／換重

更新：2026-10-01。狀態：研究中，尚未接納為預設策略。

[開啟 240 段 3D 回放](wb015-training-review.html) · [系列研究](index.html) · [機器人滑冰研究](../../neural-research.html)

## 實驗順序與目前位置

| 階段 | 問題與已完成工作 | 解讀界線 |
|---|---|---|
| WB011 發射試驗 | 同初速、傾角與 COM 條件，比較被動花式直排輪與原控制器 | 有限時間弧線不等於可持續控制 |
| WB012 參考驅動 | 由 Cluster 動作序列建立可供檢查的參考驅動 | 尚未證實整段可由自由動力學重現 |
| WB013 巨觀校準 | 用 Cluster／平昌巨觀移動狀態調整輪鞋模型參數，提供速度、加速度、慣性與力時序 | 影片／動畫衍生估計不是力板量測；目的為用輪地計算近似冰刀巨觀表現 |
| WB014 弧線可行性 | 單腳、剛體上身、有限踝部 pitch/yaw，4/4 代表案例出現有限弧線 | 四案後來均失敗；未證明穩態弧線或神經策略成功 |
| WB015 平衡回授 | 雙腿＋等效上半身、分組控制，完成三次 PPO 更新與獨立評估 | 曲線命名與泛化仍不足，沒有替換預設策略 |
| WB015 推蹬／交接 | 完成 R1、R2、R3 共144案，另2案舊動態回歸 | 可以連續換重；推蹬腳未建立有效承重與增速；本輪 PPO 更新為0 |

WB014/015 靴部保留剛性：移除 ankle roll，pitch ±15°、yaw ±3°。左右弧線以承重鞋的滑行路徑衡量；COM 偏移供平衡與物理診斷，不用來代替鞋路徑。

## 前輪：三次 PPO 更新

模型為 native MuJoCo CPU rollout；Mac 採樣與評估，Windows RTX 4070 Ti SUPER 執行 PPO 更新。136維觀測、64×64 MLP、承重腿／自由腿／上半身 6/6/3 action heads。全身57.6 kg，等效上半身30.666 kg；腰部三軸有慣性、活動範圍與受限內部力矩，沒有任意外加推力。

完成216個訓練 episode、8,703個 policy steps，及144個評估 rollout。下表是完整 Mac 評估；回放提供這四個世代的全部96案。

| Mac 同平台評估 | 案例 | 平均連續滑行 s | 持續≥2 s | 持續＋指令命名 |
|---|---:|---:|---:|---:|
| g0 | 24 | 1.8583 | 14/24 | 4/24 |
| g1 | 24 | 1.9014 | 20/24 | 5/24 |
| g2 | 24 | 1.8681 | 18/24 | 6/24 |
| g3 | 24 | 1.8514 | 14/24 | 3/24 |

Windows 自身 baseline 平均1.8875 s、g3 1.8514 s，兩者持續門檻均15/24。Mac g3 曲線命名0/16，沒有支持接納新策略的結果。持續秒數與 LF／RF／LFO／LFI／RFO／RFI 命名分開判讀。

## 本輪：推蹬末段 → 換重 → 單腳

R1、R2 各36案失敗，沒有成功交接，均保留在回放與分母。R3 Windows／Mac 各36案，初速0.8／1.4 m/s，目標1.1／1.7 m/s、曲率幅值0.04 m⁻¹。三種控制條件每種12案，涵蓋六指令與兩初速。

| R3 平台／控制條件 | 平均連續滑行 s | 交接且滑行≥0.5 s | 推蹬成功 | 持續≥2 s | 非輪接地失敗 |
|---|---:|---:|---:|---:|---:|
| Windows hold-balance | 1.4861 | 12/12 | 0/12 | 0/12 | 5/12 |
| Windows small-balance | 0.9861 | 12/12 | 0/12 | 0/12 | 0/12 |
| Windows small-delayed | 1.3500 | 12/12 | 0/12 | 0/12 | 6/12 |
| Mac hold-balance | 1.4722 | 12/12 | 0/12 | 0/12 | 6/12 |
| Mac small-balance | 0.9861 | 12/12 | 0/12 | 0/12 | 2/12 |
| Mac small-delayed | 1.2917 | 12/12 | 0/12 | 0/12 | 3/12 |

72案交接時 q/qdot 與 servo 狀態跳變均為0，水平動量收支檢查均通過，最大誤差0.056371 N·s。然而，推蹬腳超過0.05 BW只有0–1個 policy frame，交接 COM 前速變化全為負（約 −0.003855 至 −0.001652 m/s）。這證實目前是在換重，還沒有完成有效推蹬。

目前回授跟隨實際承重，尚未主動建立推蹬所需負載。下一步應明確控制期望承重、COP／COM 移位與膝部行程，先核對雙腳作用力及前進衝量，再做模仿／擾動恢復與 PPO。此頁沒有將尚未驗證參數設成預設。

R3 後曾修正膝部 target 裁切；兩個舊動態回歸與 target probe 通過，但沒有重跑 R3 交接動態。回放保留 R3 當時的凍結模型狀態，不使用後續修正重新生成結果。

## Windows／Mac 分工與效能

Mac Apple M4 10-core／32 GB 執行 CPU MuJoCo rollout，Windows 執行 orchestration、彙整、3D檢視與 CUDA PPO 更新。每個 rollout 由單一主機完成；保留各主機 baseline，跨平台逐幀差異只作診斷。

本輪原生計算迴圈診斷：Windows 2,206 steps／14.25 s＝154.81 steps/s；Mac 2,174 steps／5.552 s＝391.56 steps/s。不同終止時間造成步數不同。這項計算吞吐量約2.53倍，包含程序啟動等成本的 runner時間18.570／18.077 s相近，不能宣稱端到端加速2.53倍。

## 3D 回放如何核對

- 240案：Mac PPO g0–g3共96案＋R1/R2 Windows與R3 Windows/Mac共144案。沒有挑選成功片段替代完整分母。
- 16個模型幾何從保存的 q/qdot 以 `mj_forward` 重建；沒有 `mj_step`、重訓或改寫原始結果。
- COM、輪地合力、上下身力矩、腰部角度／角速度／角動量、控制飽和皆取原始紀錄。
- 30 Hz 原始紀錄抽為約15 Hz顯示；保留首末幀、階段／有效性轉折、承重及飽和峰值。評分取原始報告，不依顯示抽樣重算。
- 10,932原始幀 → 6,239顯示幀；八個 gzip 共3,801,904 bytes。公開索引含每案與每批 SHA；原始軌跡繼續留在 Git 外。
- 重建 COM 與原紀錄最大差異1.33×10⁻¹⁵ m。初次匯出遇到布林序列化錯誤，工作退出並完成稽核；修正後以新批次完成匯出，兩批紀錄均保留。
- 金色線是承重鞋幾何目標，交接後才啟用；淡灰對照是同平台同初態 hold／g0，自身失敗後停止顯示。
- 輪地合力箭頭繪於鞋附近，不是 COP；前進速度圖使用固定世界 x 分量，轉彎後應與鞋前向速度一併判讀。

[公開來源與壓縮回放清單](assets/wb015-review/index.json)
