附录 待办事项
这是从「零基础」到最终目标的阶梯（天梯）。按依赖顺序排，每一阶都有一个通过标准（gate）——过了才爬下一阶，避免在 baseline 上空耗。最终目标：一个鲁棒、可恢复、可迁移的 G1 行走系统。
对应文档结构：阶 0–1＝第 1 章「环境搭建」（1.1~1.4）；阶 2 起＝后续"策略"章节（策略1 平地 → 策略2 鲁棒 → 策略3 爬起 → 策略4 迁移），由简到难循序渐进，每做完一阶就新增一章。
核心心态：阶 0–1 是 baseline，快速冲过去（≈全部工作量 5%）；真正拉开差距、值得砸时间的是 阶 2 / 3 / 4。
阶梯总览
| 阶 | 名称 | 对应章节 | 通过标准（gate） |
|---|---|---|---|
| 0 | 看懂地图 + 冒烟跑通 | 1.1 / 1.2 | 冒烟无报错、reward 在动、logs 有产物 |
| 1 | 平地走 + 读懂数据 | 1.4 / 策略1 | 平地稳定行走视频 + 能讲清每个 reward/obs/action |
| 2 | 鲁棒性 A ★ | 策略2 | 抗推成功率 vs 推力曲线 + 最大可恢复冲量 |
| 3 | 摔倒爬起 B ★ | 策略3 | 踹倒→爬起→续走完整视频 + 爬起成功率 |
| 4 | sim2sim 迁移 C ★ | 策略4 | MuJoCo 行走视频 + DR↔迁移成功率消融曲线 |
| 5 | 收口 | 策略5 | 蒸馏 student + sim2real writeup + 可复现仓库 |
阶 0 · 看懂地图 + 冒烟跑通（先做这个）
- 理解全链路：
Isaac Lab 仿真 → RSL-RL 跑 PPO → 训出走路策略 → 导出 policy.onnx → 丢进 MuJoCo 验证迁移（详见 1.1 Isaac Lab）。 - 边做边补概念：observation / action / reward / PPO / 域随机化——不要先啃完理论再动手。
- 动手：
scripts/train_flat.sh --max_iterations 10 --headless（详见 1.2 仿真环境；首次启动 Isaac Sim 慢属正常）。 - Gate：跑完无报错；
$ISAACLAB_DIR/logs/rsl_rl/g1_flat/<时间戳>/有产物 → M0 达成。
阶 1 · 平地走 + 读懂数据（策略1）
- 正式训练：
scripts/train_flat.sh（约 1500 迭代）。 - 看收敛：
tensorboard --logdir $ISAACLAB_DIR/logs/rsl_rl/g1_flat。 - 回放 + 导出：
scripts/play.sh flat→ 产policy.onnx（阶 4 的输入）。 - 关键不是跑通，是读懂：对照 1.4 官方示例 把每个 reward / 观测 / 动作 / 自带域随机化逐项搞清。
- Gate：平地稳定行走视频 + 你能讲清"每个 reward 项在管什么、官方域随机化为什么单薄"。
阶 2 · 鲁棒性 A（策略2，第一个卖点）
- 不改 Isaac Lab 源码：在
configs/继承官方 env，加强域随机化（推力 / 外力力矩 / 摩擦 / 质量 / 电机强度），注册成新任务 ID。 - 写评估脚本：固定策略，扫不同推力大小 × 多次试验，统计"站住率"。
- Gate：抗推成功率 vs 推力曲线 + 最大可恢复冲量 + 被大力推不倒的视频。
阶 3 · 摔倒爬起 B（策略3，最硬、最出戏）
- baseline 完全没有的新能力，也是自己设计任务/reward 的部分，含金量最高。
- 设计 recovery 任务：从随机摔倒姿态初始化，奖励回到站立 → 训 get-up 策略。
- 写高层状态机：检测跌倒 → 触发 get-up → 恢复行走。
- Gate：被踹倒 → 自主爬起 → 继续走的完整视频 + 爬起成功率。← 杀手级视频。
阶 4 · sim2sim 迁移 C（策略4，最值钱的数据）
- 这一步前才装 MuJoCo（+
mujoco_menagerie的 G1 MJCF，见 1.3 其他环境）。 - 对齐观测/动作契约与控制频率，加载
policy.onnx在 MuJoCo zero-shot 部署，量化迁移成功率。 - DR 消融：训 N 组不同域随机化强度 → 各测 MuJoCo 迁移成功率 → 画 DR 强度 ↔ 迁移成功率 曲线。
- Gate：MuJoCo 行走视频 + DR 消融曲线。← 比任何视频更能证明"我懂 sim2real"。
阶 5 · 收口（策略5）
- Teacher-Student 蒸馏出仅本体感知的可部署 student。
- 整理可复现仓库（env / recovery 定义 + 训练配置 + 评估脚本 + sim2sim 部署 + README）。
- 写 sim2real 方法论 writeup，作为 SOMA 系列的 locomotion 篇沉淀到本文档站。
取舍建议
- 现在第一件事就是阶 0 冒烟——只为证明环境没问题，别在这之前纠结理论。
- 时间分配：阶 0–1 几天内冲过；主力时间砸在 阶 3（爬起） 和 阶 4（迁移消融）——别人最缺、最能拿数据碾压的地方。
- 阶 2 的"跑策略 → 统计成功率 → 出图"评估框架尽早写，阶 2/3/4 都复用同一套。
本附录是活文档：每爬过一阶，回来把对应 gate 标记完成，并把该阶的方法/数据沉淀成本站新的"策略"章节。