Repolode
提交项目
pollen-robotics

pollen-robotics/microduck_rl

为 Microduck 小型双足机器人提供强化学习训练环境，在 MuJoCo 仿真中训练行走、起身等策略。

在 GitHub 查看官网
Star
2,835
Fork
684
未关闭 Issue
61
最近提交
前天

这是什么？

microduck_rl 是 Microduck 双足机器人的强化学习训练环境。该机器人约 800 克、高约 25 厘米，项目基于 mjlab（MuJoCo Warp）使用 PPO 算法，以 50 Hz 训练策略，导出为 ONNX 后由独立的 Microduck 运行时部署到实体机器人上。

项目包含多种任务：速度跟踪行走、跌倒恢复、站起、坐站切换、地面拾取、踢球、前滚翻以及滑轮滑行步态等。在仿真到实机的迁移上，项目使用 BAM 舵机模型（Dynamixel XL330）、电池电压和摩擦力的域随机化，并为每个任务提供可选的齿轮间隙（backlash）变体。

仓库还提供 ONNX 导出、CPU MuJoCo 键盘控制推理以及向 Hugging Face Hub 发布策略的工具。训练可在本地 CUDA GPU 上运行，也可提交到 Hugging Face Jobs。

核心功能

  • 01在 MuJoCo 中为 Microduck 双足机器人训练行走、站立、跌倒恢复和花式动作策略。
  • 02使用 BAM 模型和域随机化对 Dynamixel XL330 舵机进行建模。
  • 03提供齿轮间隙变体，模拟每个舵机关节约 ±1° 的空回。
  • 04将策略导出为 ONNX，并将观测归一化器打包进模型。
  • 05支持在 CPU MuJoCo 中用键盘驱动已导出的策略进行测试。
  • 06可将策略发布到 Hugging Face Hub，供机器人守护进程加载。

适用场景

  • 为 Microduck 机器人训练自定义步态或动作。
  • 研究小型舵机驱动双足机器人的仿真到实机迁移。
  • 在上实机前于仿真中测试导出的 ONNX 策略。

快速上手

  1. 1

    克隆仓库

    git clone https://github.com/pollen-robotics/microduck_rl
  2. 2

    进入项目目录

    cd microduck_rl
  3. 3

    训练行走策略（需要 CUDA GPU 和 uv）

    uv run train Mjlab-Velocity-Flat-MicroDuck --env.scene.num-envs 4096
  4. 4

    在 CPU MuJoCo 中用键盘控制导出的策略（需先导出为 ONNX）

    uv run scripts/infer_policy.py --walking output.onnx

使用前须知

  • 训练需要 CUDA GPU，因为训练基于 MuJoCo Warp。
  • 3D 模型网格文件采用 CC BY-NC-SA 4.0 许可，禁止商用，而代码为 Apache-2.0 许可。
  • 在 4096 个环境下，获得可用的行走步态大约需要 1–2 小时训练。

收录于专题

强化学习训练框架与环境机器人与具身智能项目

标签

#reinforcement-learning#robotics#mujoco#sim2real#bipedal-robot#ppo#onnx

常见问题

microduck_rl 是什么？
为 Microduck 小型双足机器人提供强化学习训练环境，在 MuJoCo 仿真中训练行走、起身等策略。 microduck_rl 是 Microduck 双足机器人的强化学习训练环境。该机器人约 800 克、高约 25 厘米，项目基于 mjlab（MuJoCo Warp）使用 PPO 算法，以 50 Hz 训练策略，导出为 ONNX 后由独立的 Microduck 运行时部署到实体机器人上。
microduck_rl 可以免费使用吗？用的什么许可证？
microduck_rl 以 Apache-2.0 许可证开源。用于商业产品前，请先确认许可证条款。
microduck_rl 还在维护吗？
活跃维护中。microduck_rl 最近一次提交是在 2026年11月5日。
microduck_rl 适合用来做什么？
为 Microduck 机器人训练自定义步态或动作。 研究小型舵机驱动双足机器人的仿真到实机迁移。 在上实机前于仿真中测试导出的 ONNX 策略。
microduck_rl 怎么安装和运行？
克隆仓库: git clone https://github.com/pollen-robotics/microduck_rl 进入项目目录: cd microduck_rl 训练行走策略（需要 CUDA GPU 和 uv）: uv run train Mjlab-Velocity-Flat-MicroDuck --env.scene.num-envs 4096 在 CPU MuJoCo 中用键盘控制导出的策略（需先导出为 ONNX）: uv run scripts/infer_policy.py --walking output.onnx
在哪里获取 microduck_rl？
源代码和安装说明在 GitHub 上：https://github.com/pollen-robotics/microduck_rl

概要由 AI 根据项目 README 生成；GitHub 数据每日更新。

相关项目