Project · 02 / 04
双臂策略部署与实机分析
定义双掌位姿任务，把 17 轴策略导出部署到 Jetson，并用实机数据分析残余摆动。
- 时间
- 2026.09–2026.10
- 单位
- 重庆机器人企业 · 算法实习
- 阶段
- 固定底座上半身 · 实验性实机部署
- 我的角色
- 负责双掌位姿任务与奖励设计、观测设计、Jetson 部署与 sim2real 分析
17 轴双臂 14 + 头颈 3 的策略部署测试条件固定底座人形上半身；ONNX / TorchScript 导出后接入 Jetson，属于实验性实机部署
400 帧训练侧与部署侧逐帧输出对照测试条件验证观测构造与推理接口一致，不代表 400 次运动任务成功
23.2 秒实机指令的独立仿真复放测试条件左挥手 2501 条指令、4638 条反馈，以 1ms 步长复放；最大差约 9.71°，用于分析差异来源，不代表校准完成
A
结构一览
- 双掌目标TCP 位置 + 朝向
- 奖励与采样可达域采样 · 碰撞 · 到位保持
- 策略观测加入前两步动作差分
- 导出与对照ONNX / TorchScript · 逐帧比对
- Jetson 部署17 轴 · 状态控制
- sim2real 分析实机指令 → 独立仿真复放
手势流程：策略归位 → 固定关键帧动作 → 策略接管
B
我做了什么
- 奖励设计：定义双掌 TCP 位置与朝向目标，坚持对外输入位姿而不是目标关节角；结合可达域采样、碰撞和到位保持约束训练策略。可达空间的随机采样思路来自导师建议，我把它落到点云可视化以及初态与目标的采样约束上。
- 模型对比：对比不同代模型的跟踪表现与动作平稳性，区分训练不足与目标不可达。
- 观测设计：加入前两步动作差分，让策略获得动作变化信息，并同步部署端的历史状态。
- 模型部署：导出 ONNX / TorchScript 后逐帧检查输出一致性，再接入 Jetson；按模型与配置复现部署环境。
- 状态控制：处理反馈缺失、超时和序列异常时的暂停与恢复；设计策略归位、关键帧动作与策略接管之间的切换，接入挥手、握手和讲解动作接口。
- sim2real 分析：采集左挥手 23.2 秒的指令与反馈，把实机指令送入独立仿真复放，对比执行响应与模型差异，区分零位与策略输出的影响。
C
结果
任务覆盖双臂 14 轴与头颈 3 轴，共 17 轴。策略导出为 ONNX / TorchScript，经 400 帧逐帧输出对照后接入 Jetson，完成实验性实机部署。
2026 年 9 月 30 日一次人工操作记录长 89.66 秒，其中策略连续运行 51.19 秒，共 17927 帧反馈、0 帧无效。统计区分了指令与反馈，也区分了峰峰运动幅度和高于 5Hz 的高频分量。
左挥手 23.2 秒的实机指令在独立仿真中复放后，最大差约 9.71°。这组对照把零位、执行响应和策略输出的影响拆开来看。
!
已知局限
- 任务范围是固定底座的人形上半身，不涉及行走、平衡或全身协调。
- 高精度跟踪尚未达标：第 4999 次迭代的模型在 256 组固定目标的正式评估中成功 4 组。
- 实机腕部仍有约 2.5–3° 的持续摆动，以低频成分为主；零位校准与控制优化有待验证。
- 23.2 秒复放的差值是分析工具，不代表外部 TCP 定位精度。
- 手势包含固定关键帧动作，并非全部由强化学习得到。