AgiBot X2
SSR — политика устойчивой походки для гуманоидного робота
2 min readupdated
AgiBot X2 — SSR — это обученная модель управления движением (RL-политика, то есть алгоритм обучения с подкреплением) для гуманоидного робота AgiBot X2 (Ultra) высотой 1,31 м. Модель переносит метод SSR (arXiv 2605.30770) в симулятор MuJoCo Warp и принимает данные с камеры глубины, чтобы робот мог уверенно и симметрично преодолевать препятствия. Архитектура сочетает рекуррентную сеть GRU (нейросеть с памятью, удерживающую контекст прошлых шагов) и пять дискриминаторов стиля движения. По сравнению с оригинальной статьёй, где камера крепится на поясе, в этой версии она расположена на груди робота. Релиз пригодится исследователям робототехники и разработчикам систем локомоции для тестирования в симуляции или дальнейшего дообучения.
Ключевые особенности
- Работает по данным с нагрудной камеры глубины без необходимости заранее строить карту местности.
- Использует пять дискриминаторов стиля (AMP), обученных на захватах движений (motion capture), благодаря чему походка выглядит естественной и симметричной.
- В репозитории сразу лежат готовая к инференсу модель
policy.onnx, спецификация входов/выходовadapter_card.jsonи эталонный файл проверкиobs_check.npz. - Доступен полный чекпоинт обучения
r7_v20x_032750.ptвместе с аргументами запуска для продолжения тренировок в MuJoCo Warp.
Что можно сделать
- Протестировать прохождение полос препятствий на виртуальной модели робота AgiBot X2 в симуляторе MuJoCo.
- Дообучить чекпоинт
r7_v20x_032750.ptна собственных сценариях или исправить проблему подъёма по ступенькам. - Использовать
obs_check.npzиadapter_card.jsonдля сверки при переносе политики в собственный движок инференса.
Пример
python scripts/supervise_node.py --name r7 --iters N --num_envs 8192 -- $(cat r7_flags_v20.txt)Подробнее
Результаты в симуляции MuJoCo (из 50 попыток на каждый этап): этапы 1–4 пройдены в 49, 50, 47 и 49 случаях соответственно.Ограничения: политика останавливается перед лестницей высотой 18,6 см (0/50) из-за раздельной нормализации advantage; на реальном роботе модель пока не проверялась.
Обучение: 32 000 итераций (чекпоинт на 32 750), для дообучения требуются внешние датасеты движений (не включены в репозиторий).
Лицензия: CC BY-NC 4.0 (только некоммерческое использование).










Comments