MOTION LAB · WB015 · 2026.10.02

從平衡到推蹬3D 訓練實錄

核對COM前後位置、速度、雙腳承重與失穩;逐案比較原PPO與Compact NN,並保留既有地面與T Push回放。

研究回放 · 尚未接納為策略
8 / 8Compact NN · 20秒原始完整站立任務
8 個權重兩個tanh單元 · CEM另行搜尋 · 原PPO保留作對照
0 / 8 → 8 / 810秒初階門檻 · 原PPO → Compact(quiet/push另列)
456 段前後平衡16+歷史440,保留全部失敗
最新:原 PPO 與 8 權重 Compact NN 的同初態前後平衡比較

零輔助同初態評估:20秒完整任務由原PPO第7代的0/8增至Compact的8/8,平均存活5.580→20.000秒。四個推力案皆維持安全(contained),不是失衡後恢復;10秒初階推後控制另列。原PPO課程因資源中斷,Compact是新8權重CEM搜尋,差異不能單獨歸因於網路大小或頻率。結果限單一搜尋種子、平地與20秒,未證明預判或冰面泛化;歷史440案完整保留。

閱讀前後平衡結果 ↗
正在載入前後平衡比較…

開啟最新前後平衡比較 ↗
讀取保存軌跡…拖曳旋轉 · 滾輪縮放 · 右鍵平移
尚未載入
● 左腿/足● 右腿/足◆ COM↑ 地面合力◎ 目標 CoP● 實際 CoP
0.000 s

→ 鞋前向→ 鞋左向箭頭以指定滑行鞋為原點、投影至水平面;畫面或世界座標的左右不等於鞋的左右。

對照:同平台 hold 或同初態 g0。兩條回放各自保留真實失敗時間。

承重如何轉移

體重倍數 BW · 點圖跳幀

COM 前進速度

m/s · 虛線為起始速度

正在核對模型、軌跡與抽樣頻率。

LATEST COURSES

前後平衡與既有課程 · 分開檢驗各自門檻

20秒原任務與10秒初階分開呈現
課程/控制案例完整任務通過平均存活/最長保持/滑行條件

前後平衡的20秒任務與10秒初階門檻分開判定:quiet須存活至少10秒且合格至少8秒;push須實際受到推力、開始時安全,推力結束3秒內完成首次連續1秒安全AP事件,且總存活至少10秒。原地面前腳90%/連續3秒、舊T Push完整推蹬滑行是不同任務,不能套用到此雙腳站立評估。

EXPERIMENT RECORD

歷史實驗 · 改善與失敗一併保留

每列保留完整案例分母
實驗/條件案例後腳預載進入單腳交接平均連續滑行達2秒推蹬/增速檢核非輪接地失敗

推蹬/增速通過與穩定滑行分開核對;以下歷史批次的完整動作檢核皆未通過,不套用到新增前後平衡任務。歷史398段:引導T Push的134案包含96個CEM搜尋案及全部對照/留出案;歷史264案為舊T Push 24案、handoff preflight 144案與Mac PPO四世代96案評估。不同實驗初速、初態和時序不同,請優先核對同批次A/B。前輪PPO完整試驗為216訓練episodes+144評估rollouts;另2案舊動態回歸僅作程式核對,不包含於此頁。

來源、核對與解讀限制

  • 這是 native MuJoCo 保存軌跡的3D重建,不會在網頁補算成功滑行或覆寫失敗結果。
  • T Push首個保存幀在約0.033333s,並非t=0。初始後/前腳負重取自報告的initialNormalBW,與當幀載重分開顯示。
  • 輪鞋/地面模型用來近似滑冰巨觀狀態,尚未宣稱精確冰刀接觸力學;LFO等名稱為此模型的目標語義。
  • 歷史R3交接時q/qdot與servo狀態jump=0,不代表推蹬成功;其推蹬腳只短暫承重,交接COM前速未增加。這些舊軌跡保持原樣。
  • 歷史程序T Push及handoff為零神經網路action;歷史PPO與輔助訓練留出使用保存actor。歷史地面18案皆為教師preflight;新增前後平衡另使用保存PPO及CEM學得的8權重策略。
  • 本次Compact四個推力案皆維持安全(contained),失衡後恢復(recovered)為0;單一搜尋種子與20秒平地結果未證明預判或冰面泛化。
  • 每主機保有自己的baseline。Mac與Windows浮點差異只作診斷,不用逐幀一致當正式門檻。
前後平衡結果 · 公開回放來源清單與SHA · 歷史WB015結果 ·

正在核對回放資料…