从 Legged Gym 迁移

Legged Gym 曾是那套 GPU 常驻的 PPO 模板，教会了整个领域如何训练四足机器人。它的 核心思想 —— joystick 命令空间、地形课程（terrain curricula）、RSL-RL PPO —— 在 UniLab 中得以延续。因此迁移在很大程度上是机械性的。

直接对应关系

Legged Gym

UniLab

LeggedRobot env 类

unilab.envs.locomotion.common.base

compute_observations()

env 侧 obs 构建器 + unilab.base.observations

_reward_* 方法

env 的 compute_reward() + reward 项 registry

command_ranges

任务 owner YAML 的 commands 块

地形课程

程序化地形

RSL-RL PPO

unilab.algos.torch.rsl_rl_ppo

有哪些新东西

  • 两个后端。 Legged Gym 仅支持 Isaac Gym；UniLab 给你 MuJoCo + Motrix。 在移植之前先选一个（或两个都选）；参见 切换后端。

  • 异步采集。 Legged Gym 在 GPU 上同步采集；UniLab 的 APPO（unilab.algos.torch.appo）把 collector 与 learner 解耦。如果你在意 wall-clock 时间，在建立起 reward 一致性之后，就移植到 APPO。

  • 硬件部署。 Legged Gym → 真实世界部署，是各实验室各自手工搭建的流程。UniLab 把 仿真到真机总览 流水线作为一等公民产物提供给你。

迁移清单

  1. 把你的 URDF / MJCF asset 复制到 src/unilab/assets/robots/<robot>/ 下。

  2. 在 src/unilab/envs/locomotion/<robot>/ 下创建一个任务模块。

  3. 镜像你的 reward 项；保持名称相同，以便 reward 一致性可被 diff。

  4. 翻译命令采样 —— Legged Gym 的 _resample_commands 在 UniLab 中变成一个 curriculum provider。

  5. 翻译地形 —— Legged Gym 的高度场生成器在 UniLab 中有一个对应物，位于 unilab.terrains.heightfield_terrains。

验证闸门

在删除你的 Legged Gym 检出之前，先在 UniLab 中于平地上训练一个等价于 Go2 的任务， 并把 reward 项轨迹与源实现对比。如果在策略学习之前轨迹就已经分叉，那么存在 reward、 命令、复位或 DR 的不匹配；参见 跨后端的 Reward 一致性。

另请参阅