Language Language English 简体中文

Sim2Sim 跨后端任务契约状态

本页给出每个 task 在两后端（MuJoCo / Motrix）上 DENYLIST 契约字段是否一致的当前状态， 回答「这个 task 当前能否 A 后端训练 → B 后端 play」。契约字段定义见 src/unilab/training/sim2sim.py，运行时守卫与机制概述见 AGENTS.md 的 Sim2Sim 章节。

复跑方式

uv run scripts/audit_sim2sim_contracts.py

该脚本只读，对每个 task 用 hydra compose 得到有效配置（展开 defaults / # @package _global_），再按守卫同一套归一化逐字段比对，输出本页相同的判定。

判定分三档：

• ✅ 可迁移：DENYLIST 在 composed config 上无分歧。

• ❌ 阻断：存在 value-diff，或 env 结构字段不对称出现；守卫会抛 CrossBackendIncompatibleError。

• ⚪ N/A：缺少 mujoco↔motrix 配对。

一个口径细节：脚本比对的是 composed YAML，「某后端没写该字段」显示为 <absent>；运行时 env dataclass 会给该路径填默认值。对 env 结构字段（action_scale / sampling_mode） 守卫对不对称出现一律 fail-closed；algo 专属字段（empirical_normalization / obs_normalization）在目标缺省时按设计跳过（跨算法合法）。

src/unilab/conf/ppo/task/

Task	判定	分歧
allegro_inhand · allegro_inhand_grasp · g1_climb_tracking · g1_motion_tracking · g1_wall_flip_tracking · go1_joystick_rough · go2_arm_manip_loco · go2_footstand · go2_handstand · go2_joystick_flat · go2_joystick_rough · go2w_joystick_flat · go2w_joystick_rough · sharpa_inhand · sharpa_inhand_grasp	✅	无
g1_box_tracking	❌	empirical_normalization false↔true；obs_groups critic 组差异
g1_flip_tracking	❌	empirical_normalization true↔false；obs_groups；action_scale 29 维↔默认 0.25；sampling_mode 两后端运行时同为 start（无害）
g1_walk_flat	❌	env.actions.joint_pos.scale 0.25↔0.5；empirical_normalization false↔true；obs_groups
go1_joystick_flat	❌	empirical_normalization false↔true
g1_motion_tracking_deploy	⚪	仅 mujoco

src/unilab/conf/appo/task/

Task	判定	分歧
allegro_inhand · g1_climb_tracking · g1_motion_tracking · go2_joystick_flat	✅	无
g1_flip_tracking	❌	action_scale 29 维↔默认 0.25；sampling_mode 同为 start（无害）
g1_wall_flip_tracking	❌	action_scale 29 维↔默认 0.25；sampling_mode start↔默认 adaptive
g1_walk_flat · go1_joystick_flat	⚪	仅 mujoco

其它配置树

src/unilab/conf/ppo_him/task、src/unilab/conf/sac/task、src/unilab/conf/td3/task、src/unilab/conf/flashsac/task、 src/unilab/conf/hora_distill/task 均无 mujoco↔motrix 配对，sim2sim 不适用。

字段语义速查

• env.control_config.action_scale —— 策略输出到关节目标的线性缩放系数； 改动等价于动作幅值整体放缩，无法跨值迁移。

• algo.empirical_normalization —— 是否在 actor 前插入 running mean/std 归一化层。 该层 buffer 烘进 checkpoint，ON / OFF 两类 checkpoint 不可互换；统一必须重训。

• algo.obs_groups —— actor / critic 取哪几个 obs group 作为输入。 在多数 env 上 actor 实际输入由 env.obs_groups_spec 决定，YAML 中的差异常只影响 critic 的训练侧，play 时不影响 actor。

• env.sampling_mode —— motion-tracking task 的参考帧采样策略。

把 BLOCKED task 变为可迁移

字段	是否可仅改 YAML	说明
obs_groups	可（多数情况）	命名差异在两后端 owner 中统一，actor 部署不变
sampling_mode	可（取决于 task）	两后端运行时已同值时只需补齐显式声明
action_scale	不可	改值即改训练动力学，必须 owner 决策 + 重训
empirical_normalization	不可	改变网络结构，必须重训

试点示例：src/unilab/conf/ppo/task/g1_walk_flat/{base,mujoco,motrix}.yaml。后端 owner 通过 Hydra defaults 继承共享 base owner 的完整契约，motrix.yaml 为单后端调参 override 了若干契约字段——这种 override 即令该 task 在该后端不可 sim2sim 迁移，去掉 override 即可恢复。