S SERENITY / 軌跡研究WB015 研究整理 · 2026.10.01

WB015 / TWO LEGS + UPPER BODY

從單腳平衡,
走向連續換重。

雙腿+有限三軸等效上身,以輪鞋物理研究 LF、RF、LFO、LFI、RFO、RFI。持續滑行秒數、承重鞋弧線、交接與推蹬增速分開核對;目前尚未接納新預設策略。

平衡基底+PPO3 cycles216 訓練 episodes+144 評估;g3 未改善同機平均秒數
推蹬/換重前置實驗144+2144 個交接 rollouts+2 個既有單腳回歸
最新 R3 推蹬增速0 / 72兩平台全部可交接;增速門檻未過,這輪 PPO 更新為 0

CURRENT RESULT / RECORDED DYNAMICS

能接入單腳,仍未建立推蹬

R1/R2 的初態失敗完整保留。R3 修正 COM 對位與開始時回授後,Windows/Mac 的 72 案都以零狀態跳躍完成換重,交接後連續有效滑行至少 0.5 秒;所有組別仍未達 2 秒。推蹬腳同時承重僅 0–1 個取樣幀,正向增速未過門檻,不能把 phase 切換當作學會推蹬。

上一輪真實完成 3 次 CUDA PPO 更新;Mac g0→g3 平均連續秒數 1.8583→1.8514,g3 曲線命名 0/16。研究權重保留,default 未替換。新的 141 維交接 actor 尚未初始化或訓練;最新膝 target 修復也尚未重跑交接動態。

WB011 → WB015 / EXPERIMENT ROUTE

先確認弧線,再測平衡與銜接

階段實驗與判斷
WB011 · 發射 A/B同初速、傾角與 COM,切換被動及原直線控制;由鞋路徑判讀弧線。
WB012 · 全身參考驅動Cluster 231 幀候選與模仿/恢復試行;實際約半秒跌落,參考不等於前向重現。
WB013 · 巨觀校準用輪鞋物理逼近 Cluster/平昌的滑冰巨觀狀態;候選未改善保留窗口,沿用基線。
WB014 · 剛體與有限踝部輪鞋保持剛性,roll 固定、pitch ±15°、yaw ±3°;代表四案保有有限承重弧線,尚非穩態。
WB015 · 回授與三輪 PPO57.6 kg、15 個主動關節,承重腿/自由腿/等效上身分組控制;最後一代未改善同機平均秒數。
WB015 · 推蹬末段 → 換重 → 滑行由 0.8/1.4 m/s 行進初態開始,全程保留 q/qdot/輪速/控制記憶;可換重但沒有推蹬增速。

Mac 優先跑完整 CPU rollout,Windows 負責彙整、CUDA 更新與檢視;本輪 Mac 每步約快 2.53 倍,但含傳輸的短批次總耗時約相同。每批程序退出後才稽核;原始證據壓縮留 Git 外,公開重播另列精簡資產。

WB011 / INLINE LAUNCH · CONTROL A/B

相同發射,比較被動與原直線控制

指定初速、鞋傾角與 COM 偏移,切換同一關節模型的馬達關閉(A)與原 WB001 直線控制(B),同步檢視鞋路徑、輪地受力、髖/腰力矩及控制飽和。原權重與名義姿勢固定,沒有重新訓練。

13 對診斷已完成;其中 10 組三秒設定,A/B 都尚未達標。代表條件 2.5 m/s、左傾 8°、COM 左移 4 cm:A 約 0.133 s、B 約 1.233 s 後停止,不能把較久存活當作弧線成功。原固定姿態的 27 案矩陣以第三選項保留。

HISTORY / 03 · TWO LEGS

歷史冰刀模型:增加一條腿,重新學習平衡。

14 個有限馬達、57 kg,以及簡化上身的質量與轉動慣量。從既有 16 個平衡權重延伸,先練左腳支撐、右腳離冰的直線滑行。

WB002-R1 / 十輪完成

全身協調:新增五輪與逐案重播

本次五輪合併 312 次實跑、60 次精確重用,另保留一次記憶體保護中止。研究角色有新的候選參數,預設 actor 未替換。共 564 筆不同紀錄可選取,保留改善訊號、最差案例與完整失敗終點。

WB001 / COUPLED BODY

上下半身分工,共用物理模擬

雙腿模型加入腰部 Roll/Pitch。保留腿部策略,先學上身的質心與角動量補償,再走向蛇行、協調微調與手臂控制。質心由關節運動產生;不使用固定骨盆或外加 root 驅動。

16 / CONTACT AUDIT

修正接觸步長後續訓三輪

1920 Hz 保留原物理門檻,完成336搜尋回合。同設定訓練成功 6/16 → 7/16;25 cm 1/9 → 2/9。步長改善與學習進步分開記錄,不忽略初始正功率;舊不良姿態仍保留失敗。

15 / THREE MORE CYCLES

膝前提續訓三輪

從第十四批最佳權重與 CEM 分布延續三輪,完成336搜尋回合。訓練成功 6/16 → 6/16;25cm回歸成功 2/9 → 2/9,平均合格 4.117 → 4.117 秒。姿態與−20°自由踝不變,未提升正式基準。

14 / FORWARD KNEE

膝前提、自然腳尖與十輪訓練

一般抬足5/10cm與膝前提10/20cm訓練,完成十輪、1120搜尋回合。自由踝−20°,保留被動Roll/Yaw與有限馬達。膝前提25cm成功 0/9 → 2/9,平均合格 2.039 → 4.117 秒;不良姿勢成功 0/3 → 0/3。未提升正式基準。

13 / HEIGHT EXTRAPOLATION

5、15、20 cm 訓練,25 cm 外推驗證

延續第十二批權重完成三輪、252 個搜尋回合。25 cm 成功 0/9 → 0/9,平均合格 2.722 → 2.872 秒;不良姿勢成功 0/3 → 0/3,平均 0.639 → 0.650 秒。未提升正式基準。

12 / SOURCE POSE

低抬腿、多高度與不良姿勢驗證

三輪、252個搜尋回合完成。正常新高度 0/18 → 0/18 成功,平均合格 1.832 → 2.265 秒;第十批不良姿勢 0/3 → 0/3 成功,平均 0.374 → 0.426 秒。未提升正式基準。

參考影片低抬腿姿態,訓練5、10、15cm,另驗證7.5、12.5cm。被動踝Roll/Yaw不變,骨盆側傾改用相對名義姿勢的誤差;原第十批外張姿勢保留為壓力案例。

10 / PASSIVE BOOT

限制踝部補償,改學髖部平衡

三輪、252個搜尋回合完成。新模型起始策略 0/18 → 訓練後 0/18 成功,平均連續合格 0.372 → 0.410 秒。支撐踝Roll最大 0.699°,Yaw最大 1.265°。停止踝部主動補償已落實,但完整滑行技能仍未通過;不提升正式基準。

左右踝Roll/Yaw由有限被動冰鞋支撐,保留踝Pitch屈伸及整腿刀刃側傾。這是新物理版本,舊195筆紀錄保持原模型。

09 / PAIRED OBJECTIVES

十輪對照:哪種選擇目標更穩定?

A/B各五輪,共840個搜尋回合,由相同第七批權重開始。新18案開發組:父代5/18、A 5/18、B 4/18成功;平均合格時間分別3.491、3.491、3.547秒。

物理有效:父代13/18、A 13/18、B 13/18。開發組依預先規則選出 A;未達獨立測試啟用條件。A五輪後保留007起始權重;B的訓練尾端改善沒有轉為新案例成功率改善,成功數5/18降為4/18,尾端平均亦由1.687降為1.503秒。這次不採用B,也不提升正式基準。

916個Python工作程序全部依序退出。沿用相同物理、網路容量與訓練案例,B改為優先考慮成功與最差案例表現。

查看第九批十輪對照結果

每輪84個搜尋回合;下表是訓練資料上的最佳權重,非獨立測試。

順序輪次成功物理有效尾端平均 s平均 s
1A15/1212/121.2864.003
2B15/1212/121.2864.003
3A25/1212/121.2864.003
4B25/1212/121.7414.016
5A35/1212/121.2864.003
6B35/1212/121.7414.016
7A45/1212/121.2864.003
8B45/1212/121.7414.016
9A55/1212/121.2864.003
10B55/1212/121.7414.016

第九批完整紀錄 ↗ · 馬達與接觸診斷 ↗ · A/B結果JSON

07 / FIVE CYCLES

完成五代續訓,逐代保留證據

007 已完成 5/5 cycles、420 個搜尋回合。全新配對開發案例成功 1/9 → 2/9,平均連續合格 3.241 → 3.586 秒;物理有效 7/9 → 7/9。同批新案例的成功數增加,仍保留為實驗權重。

449 個 Python 工作程序全部退出且無重疊。沿用第五批搜尋狀態與 16 個修正權重;第六批退步而未採用。將第六批一組困難初態明確轉入訓練,共 12 個訓練案例,開發評估另用全新初態。

查看第七批五輪訓練結果

此表是每代結束時的最佳權重在訓練案例上的成績,非独立測試。

Cycle回合最佳分數成功物理有效平均合格
18414.2915/1212/124.022 s
28414.4765/1212/124.003 s
38414.4765/1212/124.003 s
48414.4765/1212/124.003 s
58414.4765/1212/124.003 s

第七批完整紀錄 ↗ · 結果與程序退出摘要 JSON · 五代權重與成績 JSON

06 / FIVE CYCLES

完成五代續訓,逐代保留證據

006 已完成 5/5 cycles、315 個搜尋回合。全新配對開發案例成功 3/9 → 2/9,平均連續合格 4.227 → 4.139 秒;物理有效 9/9 → 8/9。同批新案例的成功數下降,不提升為正式策略。

344 個 Python 工作程序全部退出且無重疊。沿用第五批搜尋狀態與 16 個修正權重。

查看五個 cycles 的訓練結果

此表是每代結束時的最佳權重在訓練案例上的成績,非獨立測試。

Cycle回合最佳分數成功物理有效平均合格
16315.0254/99/94.232 s
26315.0523/99/94.046 s
36315.0523/99/94.046 s
46316.7166/99/94.723 s
56316.7166/99/94.723 s

第六批完整紀錄 ↗ · 結果與程序退出摘要 JSON · 五代權重與成績 JSON

05 / UNIQUE CANDIDATES

擴大初始姿態,檢驗平衡能力

005 完成 126 個搜尋回合,以七個互異候選與三組訓練擾動繼續學習。全新開發案例成功 2/9 → 3/9,平均連續合格 3.371 → 3.627 秒;物理有效 9/9。新開發案例的成功數增加;保留為實驗候選,尚未提升正式基準。

149 個 Python 工作程序全部退出且無重疊。推刃與換腳尚未開始。

第五批完整紀錄 ↗ · 結果與程序退出摘要 JSON

04 / ISOLATED PYTHON LIFETIMES

每回合退出程序,再繼續訓練

004 已完成 96 個搜尋回合、18 個配對評估;119 個 Python 工作程序全部退出且無重疊。六秒成功 2/9 → 2/9,平均合格 2.808 → 2.808 秒。未找到更佳權重,保留起始策略。

第四批完整紀錄 ↗ · 結果與程序退出摘要 JSON · 下一個目標:直進推刃教材 ↗

第一批開發組1 / 9完整六秒成功;仍非穩定技能
第二批開發組0 / 9增加路徑權重後退步,未採用
獨立測試未啟用009 亦未達啟用條件;008於搜尋前中止

WEBGL / RECORDED MODEL STATES

載入模型參數,逐筆檢視滑行

195 筆已封存的基線與開發紀錄,包含失敗案例。WebGL 直接讀取模型、關節狀態與當次權重;播放原始取樣幀,不重新積分物理,也不生成缺失的幀。命令遭拒而未推進物理時,保留同時間的最後一筆終止紀錄,可用「後一幀」檢視。

—

藍:左支撐腿 · 橙:右自由腿 · 黃:整體質心。金/青線是已播放的質心/支撐刀幾何投影,並非量測的冰面刻痕或接觸力。拖曳旋轉、滾輪縮放。

14 個關節角與當次策略修正命令

命令為 nominal 上的角度修正,不是力矩;0 不代表馬達未施力。軸色:紫=偏航、紅=側傾、綠=屈伸。

關節封存角度角度修正
當次實際控制權重

歷史影片仍可下載 001 的六秒 MP4。沒有全域 8° 側傾上限;是否合格仍由方向、速度、負重、離冰及有限馬達條件共同判定。

PAIRED DEVELOPMENT / ALL CASES

保留成功,也保留退步

每批以自己的起始條件比較訓練前後。各批的重設方式、種子或接觸設定不同,不以跨批平均值推論效果。

同批訓練前後比較
批次新增可學結構六秒成功平均連續合格時間研究判斷
0014 → 4,共 16 權重0/9 → 1/90.875 → 2.754 s保留作有限成功基準
0026 → 4,共 24 權重0/9 → 0/92.011 → 1.518 s不提升為新基準
003沿用 001 的 16 個修正權重0/9 → 0/6 已完成;3 案未執行完整同批統計尚缺記憶體錯誤中斷,不提升
004003 起始權重,程序隔離續訓2/9 → 2/92.808 → 2.808 s無更佳候選,權重不變
00516 權重;去重候選、三組訓練擾動2/9 → 3/93.371 → 3.627 s保留實驗,未提升基準
00616 權重;續接搜尋狀態、5 cycles3/9 → 2/94.227 → 4.139 s保留實驗,未提升基準
00716 權重;擴充困難初態、5 cycles1/9 → 2/93.241 → 3.586 s保留實驗,未提升基準
008要求先規劃而停止;搜尋0輪未評估七筆起始評估留存不計入十輪
009-A16殘差;原分數5/18 → 5/183.491 → 3.491 s對照研究,未提升正式基準
009-B16殘差;穩定性排序5/18 → 4/183.491 → 3.547 s對照研究,未提升正式基準

下表與上方選定批次同步;未執行列仍保留分母。

相同 seed 與初速的訓練前後比較;時間為最長連續合格区段
Seed初速 m/s起始策略 s訓練後 s訓練後結果

STRUCTURE

先增加小型技能模組

原 16 權重保持凍結。第一批學習 16 個修正權重;第二批再加入橫向位置與方向誤差,共增加 8 個權重。擴充前以零初始化保留原映射。

兩批各 4 輪 × 8 候選 × 2 個固定訓練初態,共 64 次 rollout;這不是 64 個不同初態。CUDA 執行 CEM 權重搜尋,MuJoCo 物理在 CPU 以 960 Hz 執行,控制為 30 Hz。

此處保留 001/002 當時的結構:分批增加權重,尚非自動架構搜尋。後續可動腰部、等效上身及換重研究見頁首 WB 系列;Slalom/Power Pull 尚未完成。

NEXT INVESTIGATION

蹬冰銜接:先做短段交接

部分案例在極早期就因切向接觸功率檢查或馬達命令不可行而終止。001/002 只有兩個固定訓練初態,其中一個幾乎立即失敗;005 擴為三組擾動、九個訓練初態;007 再加入一組困難初態,共十二案。

003 已擴大至六個訓練初態、192 次搜尋;開發 6/9 後因記憶體配置失敗中斷。保留完整錯誤,不自動補跑。004–007 與009已完成逐回合程序隔離續訓。009先完成18案觀察器零差異重現與4案步長診斷,再完成十輪A/B比較。已定位左踝俯仰/偏航的命令區間衝突,接觸功率失敗也對步長敏感;這些限制仍待解決。後續應先驗證關節速度、力矩變化率與接觸功率的一致性,再評估短段「推刃末段 → 卸載 → 單腳滑行」及所需控制通道。尚不進入完整靜止起步訓練。

查看歷史失敗診斷 ↗

PUSH-OFF / TEACHING PROCEDURE

先核對動作,再定訓練銜接

在同一物理狀態中完成雙腳負重、內刃推冰、轉移、卸載與滑行。教學程序可逐段選取;接觸門檻是待測工程條件,並非影片量測。

模型、權重與研究資料

權重下載用於研究重現。001 是有限成功基準;002 保留供比較,未採用為新策略。