人形机器人的运动控制一直是领域内的核心挑战，而强化学习为解决这一问题提供了强有力的工具。本教程基于宇树 G1 人形机器人，从基础的强化学习环境搭建开始，逐步深入到高自由度模型的训练配置、奖励函数设计与优化，最终实现复杂动作的训练控制。
强化学习训练环境配置
宇树机器人的强化学习训练主要基于 Isaac Gym 物理仿真环境和 RSL-RL 强化学习框架。在开始之前，确保这两个核心组件已正确安装和配置。
启动 12 自由度 G1 机器人的基础训练非常简单，只需一条命令：
python legged_gym/scripts/train.py --task=g1
这条命令背后涉及到任务注册系统。在 legged_gym/envs/__init__.py 文件中，可以看到各种机器人任务的注册逻辑。以 G1 为例，系统会加载对应的配置文件和策略类：
from legged_gym import LEGGED_GYM_ROOT_DIR, LEGGED_GYM_ENVS_DIR
from legged_gym.envs.g1.g1_config import G1RoughCfg, G1RoughCfgPPO
from legged_gym.envs.g1.g1_env import G1Robot
from base.legged_robot import LeggedRobot
from legged_gym.utils.task_registry import task_registry
task_registry.register("g1", G1Robot, G1RoughCfg(), G1RoughCfgPPO())
12 自由度配置解析
标准的 G1 机器人配置文件位于 legged_gym/envs/g1/g1_config.py 中，定义了机器人的各项参数。以下是关键配置的详细分析：
from legged_gym.envs.base.legged_robot_config import LeggedRobotCfg, LeggedRobotCfgPPO
class G1RoughCfg(LeggedRobotCfg):
class init_state(LeggedRobotCfg.init_state):
pos = [0.0, 0.0, 0.8] # x,y,z [m] 初始位置
default_joint_angles = {
'left_hip_yaw_joint': 0.,
'left_hip_roll_joint': 0,
'left_hip_pitch_joint': -0.1,
'left_knee_joint': 0.3,
'left_ankle_pitch_joint': -0.2,
'left_ankle_roll_joint': 0,
'right_hip_yaw_joint': 0.,
'right_hip_roll_joint': 0,
'right_hip_pitch_joint': -0.1,
'right_knee_joint': 0.3,
'right_ankle_pitch_joint': -0.2,
'right_ankle_roll_joint': 0,
'torso_joint': 0
}
class env(LeggedRobotCfg.env):
num_observations = 47 # 观测维度
num_privileged_obs = 50 # 特权观测维度
num_actions = 12 # 动作维度
这里的关键参数含义如下：
pos: 机器人在仿真环境中的初始位置。default_joint_angles: 各关节的默认角度，对应机器人的自然站立姿态。num_observations: 观测空间维度，包含身体姿态、关节状态等信息。num_actions: 动作空间维度，对应可控制的关节数量。
扩展到 23 自由度模型
当我们将 G1 机器人从 12 自由度扩展到 23 自由度时，增加的 11 个自由度主要分布在上肢：腰部（3 个）、左右肩部（各 3 个）、左右肘部（各 1 个）以及左右手腕（各 1 个）。这种扩展带来了显著的复杂性增加，不仅仅是参数数量的增长，更重要的是动作空间的指数级扩展和训练难度的提升。
创建 23 自由度配置
为了不破坏现有的 G1 训练任务，我们在 legged_gym/envs/g1/ 目录下创建新的配置文件 g1_config_23.py：
from legged_gym.envs.base.legged_robot_config import LeggedRobotCfg, LeggedRobotCfgPPO
class G1_23RoughCfg(LeggedRobotCfg):
class init_state(LeggedRobotCfg.init_state):
pos = [0.0, 0.0, 0.8]
default_joint_angles = {
# 腿部关节（保持原有配置）
'left_hip_yaw_joint': 0.,
'left_hip_roll_joint': 0,
'left_hip_pitch_joint': -0.1,
'left_knee_joint': 0.3,
'left_ankle_pitch_joint': -0.2,
'left_ankle_roll_joint': 0,
'right_hip_yaw_joint': 0.,
'right_hip_roll_joint': 0,
'right_hip_pitch_joint': -0.1,
'right_knee_joint': 0.3,
'right_ankle_pitch_joint': -0.2,
'right_ankle_roll_joint': 0,
# 新增的上肢关节
'waist_yaw_joint': 0,
'left_shoulder_pitch_joint': 0.,
'left_shoulder_roll_joint': 0,
'left_shoulder_yaw_joint': 0.,
'left_elbow_joint': 0.,
'left_wrist_roll_joint': 0.,
'right_shoulder_pitch_joint': 0.,
'right_shoulder_roll_joint': 0.0,
'right_shoulder_yaw_joint': 0.,
'right_elbow_joint': 0.,
'right_wrist_roll_joint': 0.
}
注意：原 torso_joint 在此处改名为 waist_yaw_joint。
观测维度的重新计算
观测维度的计算是强化学习配置中的关键环节。对于足式机器人，标准的观测包括基座角速度（3 维）、重力投影（3 维）、运动命令（3 维）、关节位置偏差（23 维）、关节速度（23 维）、上一步动作（23 维）以及相位信息（2 维）。因此，23 自由度 G1 机器人的观测维度为：3 + 3 + 3 + 23×3 + 2 = 80 维。通过查看 /unitree_rl_gym/legged_gym/envs/g1/g1_env.py 中的 privileged_obs_buf 和 obs_buf，我们发现多了 base_lin_vel（线速度）3 维。
class env(LeggedRobotCfg.env):
num_observations = 80 # 普通观测维度
num_privileged_obs = 83 # 特权观测维度（多了基座线速度 3 维）
num_actions = 23 # 动作维度
控制参数配置
针对新增的关节，需要配置相应的 PD 控制参数。不同类型的关节需要不同的刚度和阻尼设置：
class control(LeggedRobotCfg.control):
control_type = 'P' # PD 控制
# 关节刚度配置 [N*m/rad]
stiffness = {
'hip_yaw': 100, 'hip_roll': 100, 'hip_pitch': 100,
'knee': 150, 'ankle': 40, 'waist_yaw': 250,
'shoulder': 100, 'elbow': 50, 'wrist': 50
}
# 关节阻尼配置 [N*m*s/rad]
damping = {
'hip_yaw': 2, 'hip_roll': 2, 'hip_pitch': 2,
'knee': 4, 'ankle': 2, 'waist_yaw': 6,
'shoulder': 2, 'elbow': 2, 'wrist': 2
}
action_scale = 0.25 # 动作缩放因子
decimation = 4 # 控制频率分频
资源文件更新
最后，需要更新机器人模型文件路径：
class asset(LeggedRobotCfg.asset):
file = '{LEGGED_GYM_ROOT_DIR}/resources/robots/g1_description/g1_23dof_rev_1_0.urdf'
name = "g1"
foot_name = "ankle_roll"
penalize_contacts_on = ["hip", "knee"]
terminate_after_contacts_on = ["pelvis"]
self_collisions = 0
flip_visual_attachments = False
完成配置后，在 __init__.py 中注册新任务：
from legged_gym.envs.g1.g1_config_23 import G1_23RoughCfg, G1_23RoughCfgPPO
task_registry.register("g1_23", G1Robot, G1_23RoughCfg(), G1_23RoughCfgPPO())
现在可以使用以下命令开始 23 自由度的训练：
python legged_gym/scripts/train.py --task=g1_23
奖励函数架构深度解析
奖励函数的核心作用
在强化学习中，奖励函数是算法学习的唯一指导信号。对于足式机器人，一个良好的奖励函数设计需要平衡多个目标：稳定性、任务完成度、能耗效率、动作自然性等。宇树的强化学习框架采用了模块化的奖励函数设计，每个奖励组件专注于机器人行为的特定方面，这使得我们可以精细调节每个行为特征的重要性。
G1 机器人奖励函数配置详解
在 G1 机器人的配置类 G1RoughCfg(LeggedRobotCfg) 中，奖励函数的配置采用继承和重写的方式：
class G1RoughCfg(LeggedRobotCfg):
class rewards(LeggedRobotCfg.rewards):
soft_dof_pos_limit = 0.9 # 柔性关节位置限制
base_height_target = 0.78 # 期望的机器人身体高度
class scales(LeggedRobotCfg.rewards.scales):
tracking_lin_vel = 1.0 # 线速度跟踪奖励权重
tracking_ang_vel = 0.5 # 角速度跟踪奖励权重
lin_vel_z = -2.0 # z 方向线速度惩罚
ang_vel_xy = -0.05 # xy 轴角速度惩罚
orientation = -1.0 # 姿态偏离惩罚
base_height = -10.0 # 高度偏离惩罚
dof_acc = -2.5e-7 # 关节加速度惩罚
dof_vel = -1e-3 # 关节速度惩罚
action_rate = -0.01 # 动作变化率惩罚
contact = 0.18 # 足部接触奖励
alive = 0.15 # 存活奖励
hip_pos = -1.0 # 髋部位置惩罚
参数设置详解：
soft_dof_pos_limit = 0.9: 设置为 URDF 限制的 90%，当关节接近极限位置时开始惩罚，保护机械结构。base_height_target = 0.78: G1 机器人的理想身体高度（米），用于维持稳定的站立姿态。
父类继承的默认配置还包括终止惩罚、扭矩惩罚等，通常不需要修改，除非有特殊需求。
奖励函数的初始化机制
在 LeggedRobot 类的初始化过程中，_prepare_reward_function() 方法负责构建奖励函数列表。这个机制的巧妙之处在于动态函数查找：通过 getattr(self, '_reward_' + name) 自动找到对应的奖励函数，这意味着我们只需要定义函数并在配置中设置权重，系统就会自动将其纳入训练过程。
def _prepare_reward_function(self):
for key in list(self.reward_scales.keys()):
scale = self.reward_scales[key]
if scale == 0:
self.reward_scales.pop(key)
else:
self.reward_scales[key] *= self.dt
self.reward_functions = []
self.reward_names = []
for name, scale in self.reward_scales.items():
if name == "termination":
continue
self.reward_names.append(name)
function_name = '_reward_' + name
self.reward_functions.append(getattr(self, function_name))
奖励计算的执行机制
每个仿真步骤都会调用 compute_reward() 方法来计算总奖励。它会遍历所有非零权重的奖励函数，累加结果到奖励缓冲区中。
def compute_reward(self):
self.rew_buf[:] = 0.
for i in range(len(self.reward_functions)):
name = self.reward_names[i]
rew = self.reward_functions[i]() * self.reward_scales[name]
self.rew_buf += rew
if "termination" in self.reward_scales:
rew = self._reward_termination() * self.reward_scales["termination"]
self.rew_buf += rew
核心奖励函数解析
让我们深入分析几个关键的奖励函数：
轨迹跟踪奖励：鼓励机器人按指令移动。使用指数衰减的奖励机制：误差越小，奖励越接近 1；误差增大，奖励快速衰减至 0。
def _reward_tracking_lin_vel(self):
lin_vel_error = torch.sum(torch.square(
self.commands[:, :2] - self.base_lin_vel[:, :2]), dim=1)
return torch.exp(-lin_vel_error / self.cfg.rewards.tracking_sigma)
def _reward_tracking_ang_vel(self):
ang_vel_error = torch.square(
self.commands[:, 2] - self.base_ang_vel[:, 2])
return torch.exp(-ang_vel_error / self.cfg.rewards.tracking_sigma)
稳定性奖励：惩罚身体倾斜或高度偏离。
def _reward_orientation(self):
return torch.sum(torch.square(self.projected_gravity[:, :2]), dim=1)
def _reward_base_height(self):
base_height = self.root_states[:, 2]
return torch.square(base_height - self.cfg.rewards.base_height_target)
动作平滑性奖励：避免剧烈动作，鼓励平滑控制。
def _reward_action_rate(self):
return torch.sum(torch.square(self.last_actions - self.actions), dim=1)
def _reward_dof_acc(self):
return torch.sum(torch.square((self.last_dof_vel - self.dof_vel) / self.dt), dim=1)
通过合理调整这些权重，可以引导机器人学会更稳定、更高效的动作模式。