PythonAI算法
宇树 G1 机器人强化学习训练实战：环境配置与奖励函数
基于 Isaac Gym 和 RSL-RL 框架，详解宇树 G1 人形机器人的强化学习训练流程。内容涵盖基础环境搭建、12 自由度与 23 自由度模型的配置差异（包括观测维度计算与控制参数），以及模块化奖励函数的设计与权重调整机制。通过解析核心代码逻辑，帮助开发者理解高自由度机器人的动作控制与稳定性训练方法。
基于 Isaac Gym 和 RSL-RL 框架，详解宇树 G1 人形机器人的强化学习训练流程。内容涵盖基础环境搭建、12 自由度与 23 自由度模型的配置差异（包括观测维度计算与控制参数），以及模块化奖励函数的设计与权重调整机制。通过解析核心代码逻辑，帮助开发者理解高自由度机器人的动作控制与稳定性训练方法。
人形机器人的运动控制一直是机器人领域的重要挑战，而强化学习为解决这一问题提供了强有力的工具。本教程将基于宇树 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。
宇树机器人的强化学习训练基于 Isaac Gym 物理仿真环境和 RSL-RL 强化学习框架。首先需要确保这两个核心组件正确安装和配置。
在开始训练之前，我们通过简单的命令来启动 12 自由度 G1 机器人的基础训练：
python legged_gym/scripts/train.py --task=g1
这个命令背后的机制涉及到任务注册系统。在 legged_gym/envs/__init__.py 文件中，我们可以看到各种机器人任务的注册代码：
from legged_gym import LEGGED_GYM_ROOT_DIR, LEGGED_GYM_ENVS_DIR
from legged_gym.envs.go2.go2_config import GO2RoughCfg, GO2RoughCfgPPO
from legged_gym.envs.h1.h1_config import H1RoughCfg, H1RoughCfgPPO
from legged_gym.envs.h1.h1_env import H1Robot
from legged_gym.envs.h1_2.h1_2_config import H1_2RoughCfg, H1_2RoughCfgPPO
from legged_gym.envs.h1_2.h1_2_env import H1_2Robot
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
# 任务注册
task_registry.register("go2", LeggedRobot, GO2RoughCfg(), GO2RoughCfgPPO())
task_registry.register("h1", H1Robot, H1RoughCfg(), H1RoughCfgPPO())
task_registry.register("h1_2", H1_2Robot, H1_2RoughCfg(), H1_2RoughCfgPPO())
task_registry.register("g1", G1Robot, G1RoughCfg(), G1RoughCfgPPO())
标准的 G1 机器人配置文件位于 legged_gym/envs/g1/g1_config.py 中，其中定义了机器人的各项参数。让我们深入分析关键配置：
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 = {
# 各关节默认角度 [rad]
'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
这里的关键参数解释：
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，这些角度对应机器人的自然站立姿态num_observations: 观测空间维度，包括身体姿态、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：
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显著提升。
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, # 注意：torso_joint 改名为 waist_yaw_joint
'left_shoulder_pitch_joint': 0.,
'left_shoulder_roll_joint': 0,
'left_shoulder_yaw_joint': 0.,
'left_elbow_joint': ,
: ,
: ,
: ,
: ,
: ,
:
}
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：
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
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, # 腰部需要更高刚度
'shoulder': 100, # 肩部关节
'elbow': 50, # 肘部关节
'wrist': 50 # 手腕关节
}
# 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, # 腰部阻尼
'shoulder': 2,
'elbow': 2,
'wrist': 2,
}
action_scale = 0.25 # 动作缩放因子
decimation = 4 # 控制频率分频
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
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。这种设计使得我们可以精细调节每个行为特征的重要性。
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 rewards(LeggedRobotCfg.rewards):
# 基础参数设置
soft_dof_pos_limit = 0.9 # 柔性关节位置限制，保护机械结构
base_height_target = 0.78 # 期望的机器人身体高度
class scales(LeggedRobotCfg.rewards.scales):
# 轨迹跟踪奖励
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
# 稳定性相关惩罚
lin_vel_z = -2.0 # z 方向线速度惩罚（防跳跃）
ang_vel_xy = -0.05 # xy 轴角速度惩罚（防翻滚）
orientation = -1.0 # 姿态偏离惩罚
base_height = -10.0 # 高度偏离惩罚
# 动作平滑性惩罚
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
# 步态相关奖励
feet_air_time = 0.0 # 足部离地时间奖励
contact = 0.18 # 足部接触奖励
contact_no_vel = -0.2 # 接触时无速度惩罚
feet_swing_height = -20.0 # 足部摆动高度惩罚
# 安全性奖励
collision = 0.0 # 碰撞惩罚
dof_pos_limits = -5.0 # 关节位置限制惩罚
alive = 0.15 # 存活奖励
hip_pos = -
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：
class rewards:
class scales:
termination = -0.0 # 终止惩罚
torques = -0.00001 # 扭矩惩罚
feet_stumble = -0.0 # 足部绊倒惩罚
stand_still = -0. # 静止时动作惩罚
# 奖励函数参数
only_positive_rewards = True # 限制负奖励，避免早期终止
tracking_sigma = 0.25 # 跟踪奖励的衰减参数
soft_dof_vel_limit = 1. # 关节速度软限制
soft_torque_limit = 1. # 扭矩软限制
max_contact_force = 100. # 最大接触力阈值
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：
def _prepare_reward_function(self):
"""准备奖励函数列表，查找所有非零权重的奖励函数"""
# 移除零权重项，并将非零权重乘以时间步长
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 # 转换为每秒奖励
# 构建函数列表
self.reward_functions = []
self.reward_names = []
for name, scale in self.reward_scales.items():
if name == "termination":
continue # 终止奖励单独处理
self.reward_names.append(name)
function_name = '_reward_' + name
self.reward_functions.append(getattr(self, function_name))
# 初始化累积奖励记录
self.episode_sums = {
name: torch.zeros(self.num_envs, dtype=torch.float, device=self.device, requires_grad=False)
for name in self.reward_scales.keys()
}
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。
每个仿真步骤都会调用 compute_reward() 方法来计算总奖励：
def compute_reward(self):
"""计算总奖励，调用所有非零权重的奖励函数"""
self.rew_buf[:] = 0. # 初始化奖励缓冲区
# 计算各项奖励
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
self.episode_sums[name] += rew # 可选：限制负奖励
if self.cfg.rewards.only_positive_rewards:
self.rew_buf[:] = torch.clip(self.rew_buf[:], min=0.)
# 单独处理终止奖励
if "termination" in self.reward_scales:
rew = self._reward_termination() * self.reward_scales["termination"]
self.rew_buf += rew
self.episode_sums["termination"] += rew
让我们深入分析几个关键的奖励函数：
轨迹跟踪奖励：
def _reward_tracking_lin_vel(self):
"""线速度跟踪奖励 - 鼓励机器人按指令移动"""
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):
"""角速度跟踪奖励 - 鼓励机器人按指令转向"""
ang_vel_error = torch.square(
self.commands[:, 2] - self.base_ang_vel[:, 2])
return torch.exp(-ang_vel_error / self.cfg.rewards.tracking_sigma)
这两个函数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。
稳定性奖励：
def _reward_orientation(self):
"""姿态稳定性奖励 - 惩罚身体倾斜"""
return torch.sum(torch.square(self.projected_gravity[:, :2]), dim=1)
def _reward_base_height(self):
"""高度控制奖励 - 保持目标高度"""
base_height = self.root_states[:, 2]
return torch.square(base_height - self.cfg.rewards.base_height_target)
动作平滑性奖励：
def _reward_action_rate(self):
"""动作变化率惩罚 - 鼓励平滑控制"""
return torch.sum(torch.square(self.last_actions - self.actions), dim=1)
def _reward_dof_acc(self):
"""关节加速度惩罚 - 避免剧烈动作"""
return torch.sum(torch.square((self.last_dof_vel - self.dof_vel) / self.dt), dim=1)
微信公众号「极客日志」，在微信中扫描左侧二维码关注。展示文案：极客日志 zeeklog
使用加密算法（如AES、TripleDES、Rabbit或RC4）加密和解密文本明文。 在线工具，加密/解密文本在线工具，online
生成新的随机RSA私钥和公钥pem证书。 在线工具，RSA密钥对生成器在线工具，online
基于 Mermaid.js 实时预览流程图、时序图等图表，支持源码编辑与即时渲染。 在线工具，Mermaid 预览与可视化编辑在线工具，online
解析常见 curl 参数并生成 fetch、axios、PHP curl 或 Python requests 示例代码。 在线工具，curl 转代码在线工具，online
将字符串编码和解码为其 Base64 格式表示形式即可。 在线工具，Base64 字符串编码/解码在线工具，online
将字符串、文件或图像转换为其 Base64 表示形式。 在线工具，Base64 文件转换器在线工具，online