G1 thermal safety filters
защита от падений и перегрева для робота Unitree G1
2 min readupdated
Набор из трёх фильтров безопасности на базе world-моделей (нейросетей, предсказывающих развитие событий в среде) для симуляции гуманоидного робота Unitree G1 в MuJoCo Warp и mjlab. На каждом шаге управления (50 Гц) фильтр проверяет действие основной политики: если прогноз показывает риск падения или нагрев обмотки любого мотора выше 70 °C, управление передаётся резервной политике, обученной методом SHAC (алгоритм обучения с подкреплением через дифференцируемую симуляцию). В отличие от обычных контроллеров, эти фильтры учитывают тепловую модель двигателей и используют конформную калибровку границ безопасности. Релиз пригодится исследователям в области робототехники и обучения с подкреплением (RL) для безопасного тестирования алгоритмов локомоции в симуляторе.
Ключевые особенности
- Три варианта архитектуры:
joint(одна сеть предсказывает и движение, и температуру),separate(движение предсказывает сеть, а температуру точно считает физическая модель sysID) иfall_only_cbf(сеть следит только за падениями, а перегрев отсекает барьерная функция управления CBF). - Автоматическая проверка совместимости: при запуске загрузчик сверяет хэши файлов по
manifest.jsonи проверяет соответствие параметров среды черезcheck_binding. - Заметный рост выживаемости при толчках: при трекинге движений с политикой SONIC доля успешных эпизодов выросла с 47.6% до 88.5% в режиме
separateс защёлкой (latch). - Снижение перегрева: доля эпизодов с перегревом моторов в том же тесте упала с 19.3% до 0.9%.
Что можно сделать
- Встроить фильтр как обёртку
WMTubeFilteredEnvв пайплайн обучения on-policy алгоритмов (например, PPO) в средеrobot-safety-sandbox. - Запустить готовые эксперименты по обучению ходьбы
G1TP-Track-Walk4-WM-*из репозиторияg1_safety_porlдля сравнения трёх подходов к безопасности. - Откалибровать границы безопасности под собственную политику управления с помощью скриптов
calibrate_wm_min_tube.pyиз песочницы.
Пример
from robot_safety_sandbox.filters.pretrained import download, load_pretrained_filter
from robot_safety_sandbox.filtered_env import WMTubeFilteredEnv
root = download("zengyh29/g1-thermal-safety-filters")
env.reset()
filt, bundle = load_pretrained_filter(env, root, "separate", seed=0, condition="wmmin:1:0.95+dwell1")
env = WMTubeFilteredEnv(env, filt)
Подробнее
Бенчмарки (трекинг SONIC с толчками, 3 сида × 1024 эпизода): выживаемость без фильтра — 47.6% (19.3% перегревов), с фильтромseparate (wmmin:1:0.95+latch) — 88.5% (0.9% перегревов).Требования:
mjlab (коммит dcdf6ce5), MuJoCo / MuJoCo Warp 3.16.0, PyTorch с CUDA, robot-safety-sandbox, safety_sb3 и G1-robot-model-with-SysID 0.4.0.Ограничения: работает только в симуляции, так как world-модель использует привилегированные данные (точные состояния суставов, контакты стоп и температуры); горизонт 3 с не опубликован.










Comments