面向真机迁移的域随机化

本页是域随机化的部署检查清单。关于契约层（一个 DR provider 必须实现什么），见 Domain Randomization 契约。

随机化什么，按优先级排序

类别

示例

为什么重要

执行器动力学

PD 增益、动作缩放、任务 owner 启用时的单步动作延迟

硬件上策略振荡的首要驱动因素。

质量 / 惯量

躯干质量、连杆质心偏移、负载

影响平衡与跟踪裕度。

摩擦

足 ↔ 地面 μ、手 ↔ 物体 μ

手内方块任务没有它就会失败。

观测噪声

IMU 噪声、关节编码器偏置、部署侧观测历史

让 actor 输入贴近部署侧传感器行为。

外力

推力、阵风、对负载的拖拽

对未建模扰动的鲁棒性。

复位状态

初始姿态、初始速度

降低在回合边界处的脆弱性。

经验法则

如果某个参数会实质性地影响闭环响应，而你又没有部署侧的测量，那就不要把相关结论写进 文档；只有在记录了为何该范围合理之后，才在任务 owner 中编码一个保守范围。

UniLab 如何组织 DR

使用 DR 的任务通过环境初始化路径挂接一个 provider：

from unilab.envs.locomotion.common.dr_provider import LocomotionDRProvider

class MyTaskEnv(NpEnv):
    def __init__(self, cfg):
        super().__init__(cfg)
        self._init_domain_randomization(LocomotionDRProvider(cfg.domain_rand))

管理器位于 src/unilab/dr/manager.py；provider 位于其环境 owner 附近，并遵循 Domain Randomization 契约 中的契约。

配方：起始范围

把所选的 owner YAML 作为权威来源。例如， conf/ppo/task/go2_joystick_rough/mujoco.yaml 启用了基座质量、质心、kp/kd 以及推力 随机化；conf/ppo/task/sharpa_inhand/mujoco.yaml 配置了 PD 增益、摩擦、质心、质量、 关节噪声与接触噪声字段。

# conf/ppo/task/go2_joystick_rough/mujoco.yaml
env:
  domain_rand:
    randomize_base_mass: true
    added_mass_range: [-1.0, 3.0]
    random_com: true
    randomize_kp: true
    kp_multiplier_range: [0.5, 2.0]
    randomize_kd: true
    kd_multiplier_range: [0.5, 2.0]
    push_robots: true
    push_interval: 625

课程：随技能逐步加大 DR

在第 0 步就过于激进的 DR 会让学习停滞。UniLab 的课程辅助工具由任务自身拥有；把它们的 字段保留在所选的 owner YAML 中，不要在训练脚本里添加 Python 侧的解释。

验证 DR 覆盖

训练之后，在配置中扫动 DR 范围的同时，对照同一后端 owner YAML 回放检查点：

uv run eval --algo ppo --task go2_joystick_flat --sim motrix --load-run -1

为每个扫动点记录奖励分量与任务成功指标。一次陡降或奖励分量的不连续，就是 DR 范围 改变了任务契约、而不仅仅是拓宽部署覆盖的证据。

另请参阅