m0_49036936-CSDN博客

在source/unitree_rl_lab/unitree_rl_lab/tasks/locomotion/robots/g1/29dof/velocity_env_cfg.py中写了地形配置和奖励scale。奖励函数在source/unitree_rl_lab/unitree_rl_lab/tasks/locomotion/mdp/rewards.py。（PPO 的特点是：利用了裁剪(Clipping)机制，即使某个动作特别好，也只做一次适度的更新，防止网络“走火入魔”导致崩溃）。

2026-04-16 22:24:48 508

原创 unitree_rl_gym

unitree_rl_gym学习自用

2026-04-13 20:05:28 490

原创 vla-adapter部分代码详解

【代码】vla-adapter部分代码详解。

2026-01-27 18:00:07 179

原创 uv安装与使用

uv的快速开始使用（自用）

2026-01-24 15:30:11 470

原创 RT-1模型架构（自用复习）

模型通过自注意力机制，无障碍地分析“苹果”（视觉令牌）、“捡起绿色海绵”（语言令牌）和“先前手的位置”（动作令牌）之间的关系，然后预测出。：对于机械臂的7个维度（x, y, z, 横滚，俯仰，偏航，夹爪）和底盘的3个维度（x, y, θ），分别将其可能的取值范围均匀划分为256个区间。是一个可学习的模块，它可以从EfficientNet输出的81个视觉令牌中，动态地筛选出最相关的少数几个（如8个），极大提升了处理效率。目标：将连续的、高精度的机器人动作，转化为一个离散的、有限的分类问题。

2026-01-14 16:45:53 1161

原创 VAE原理

我们之前说 Loss =重构误差 (Reconstruction)KL 散度 (Regularization)。如果只有重构误差（没有 KL）会怎样？Encoder 会作弊。为了让 Decoder 恢复得最准，Encoder 会把每张图的方差 $\sigma$ 弄成 0，把 $\mu$ 弄得离得非常远。比如：狗的坐标在 10000，猫的坐标在 -10000。结果：这就不叫“分布”了，这就退化回了普通的 AutoEncoder。

2026-01-07 20:29:17 704 1

原创 ACT复现仅复习自用

我们在下面的示例中使用``sim_transfer_cube_scripted``任务。另一个选项是``sim_insertion_scripted``。

2025-12-30 16:30:23 310

原创生成模型的数学基础（复习自用）

来自b站up主：奇变偶不变GBK，仅复习自用

2025-12-26 18:14:21 224

m0_49036936的博客

原创 beyondmimic一些小细节

原创 unitree_rl_lab代码分析