模型训练1----关节数据

代码参考https://github.com/Roboparty/roboto_origin

部署代码的atom01.yaml存在以下配置:

bash 复制代码
gmr_dof_names:
  - left_thigh_yaw_joint
  - left_thigh_roll_joint
  - left_thigh_pitch_joint
  - left_knee_joint
  - left_ankle_pitch_joint
  - left_ankle_roll_joint
  - right_thigh_yaw_joint
  - right_thigh_roll_joint
  - right_thigh_pitch_joint
  - right_knee_joint
  - right_ankle_pitch_joint
  - right_ankle_roll_joint
  - torso_joint
  - left_arm_pitch_joint
  - left_arm_roll_joint
  - left_arm_yaw_joint
  - left_elbow_pitch_joint
  - left_elbow_yaw_joint
  - right_arm_pitch_joint
  - right_arm_roll_joint
  - right_arm_yaw_joint
  - right_elbow_pitch_joint
  - right_elbow_yaw_joint

lab_dof_names:
  - left_thigh_yaw_joint
  - right_thigh_yaw_joint
  - torso_joint
  - left_thigh_roll_joint
  - right_thigh_roll_joint
  - left_arm_pitch_joint
  - right_arm_pitch_joint
  - left_thigh_pitch_joint
  - right_thigh_pitch_joint
  - left_arm_roll_joint
  - right_arm_roll_joint
  - left_knee_joint
  - right_knee_joint
  - left_arm_yaw_joint
  - right_arm_yaw_joint
  - left_ankle_pitch_joint
  - right_ankle_pitch_joint
  - left_elbow_pitch_joint
  - right_elbow_pitch_joint
  - left_ankle_roll_joint
  - right_ankle_roll_joint
  - left_elbow_yaw_joint
  - right_elbow_yaw_joint

# Names of the key bodies that will be used in further processing
# Must match the names in the lab robot model
# Order matters and should align with that used in observation
lab_key_body_names:
  - left_ankle_roll_link
  - right_ankle_roll_link
  - left_elbow_yaw_link
  - right_elbow_yaw_link
  - left_arm_roll_link
  - right_arm_roll_link

为什么存在

  • gmr_dof_names:原始数据关节顺序
  • lab_dof_names:IsaacLab 内部顺序(训练实际使用)

结论是:

  • gmr_dof_names:数据集侧(GMR/MuJoCo)输出向量的原始列顺序
  • lab_dof_names:Isaac Lab 侧机器人 articulation 的 DOF 顺序(训练实际消费的顺序)

两者不是谁对谁错,而是来自两个系统的"默认索引约定"不同。

gmr_to_lab.py 里明确按 lab_dof_namesgmr_dof_names 里查索引,然后重排 dof_pos

python 复制代码
    # Get the mapping indices from GMR to Legged Lab
    gmr_to_lab_indices = []
    for lab_dof in lab_dof_names:
        if lab_dof in gmr_dof_names:
            gmr_index = gmr_dof_names.index(lab_dof)
            gmr_to_lab_indices.append(gmr_index)

    dof_pos_lab = dof_pos[:, gmr_to_lab_indices]

也就是:输出顺序永远对齐 lab_dof_names,输入顺序按 gmr_dof_names 解释。

这正是你 atom01.yaml 的作用:

为什么会不一样?和 DFS/BFS 有什么关系?

你提到"DFS/BFS 读取图纸"这个理解方向是对的,官方给的是 BFS:

  • Isaac Lab 维护者在官方讨论里明确说:
    关节/刚体顺序遵循 PhysX stage parser,对 articulation tree 做 breadth-first parsing(广度优先),不是按你自定义列表、也不是字母序。
    官方说明链接:

再结合官方代码接口语义:

  • joint_names 是 "parsed by the simulation view" 的顺序(即引擎解析顺序)
  • Articulation.joint_names 底层来自 root_physx_view.shared_metatype.dof_names

所以可以理解为:

  • GMR/MuJoCo:按它自己的关节构造顺序导出(常是模型作者定义顺序)
  • Isaac Lab/PhysX:按 articulation tree 的解析顺序(官方说明是 BFS)
  • 两边顺序不必一致,于是就需要 gmr_dof_names -> lab_dof_names 映射重排

atom01.urdf 把关节的父子链接关系和出现顺序提出来,对照你这段 lab_dof_names,给你说明它为什么是这个顺序。

就是因为 lab_dof_names 不是按 URDF 文件"写出来的先后顺序",而是按 URDF 关节树在仿真器里的层级遍历顺序(BFS) 来的。

你看 atom01.urdf 的父子关系就能对上:

  • base_link 的一层子关节有 3 个:
    left_thigh_yaw_jointright_thigh_yaw_jointtorso_joint
  • 再下一层分别是:
    • 从左右大腿 yaw 往下:left/right_thigh_roll_joint
    • 从 torso 往下:left/right_arm_pitch_joint
  • 再下一层:
    • 腿:left/right_thigh_pitch_joint
    • 手臂:left/right_arm_roll_joint
  • 再下一层:
    • 腿:left/right_knee_joint
    • 手臂:left/right_arm_yaw_joint
  • 再下一层:
    • 腿:left/right_ankle_pitch_joint
    • 手臂:left/right_elbow_pitch_joint
  • 再下一层:
    • 腿:left/right_ankle_roll_joint
    • 手臂:left/right_elbow_yaw_joint

这和你 atom01.yaml 里的 lab_dof_names(27-49 行)一一对应,顺序完全一致。

对比一下:

  • gmr_dof_names 更像"按身体部位连续列出"(左腿一串 -> 右腿一串 -> 躯干 -> 左臂一串 -> 右臂一串)
  • lab_dof_names 是"按树的层级展开"(同一深度的关节先排完,再到下一层),所以会出现你看到的左右腿和双臂交替出现。
相关推荐
星云API技术支持9 小时前
企业微信二次开发:外部群机器人如何结合会话列表、群详情与消息事件做统一管理
机器人·企业微信
SCTF_XingTong10 小时前
机器人晶振选型避坑:三大场景清单
机器人·机器人晶振选型·机器人时钟方案
YFJ_mily10 小时前
9.24早鸟通道即将关闭|IMRA2026智能制造机器人自动化IEEE会议|往届EI稳定检索,设有学生专属投稿权益
人工智能·机器学习·机器人·自动化·智能制造·rdlink研发家·马鞍山会议
八荒启·交互动画13 小时前
机器人仿真实践(第0卷)——003机器人定义与发展史:从零实现
机器人·八荒启-交互动画·机器人仿真与模拟
鲁邦通物联网15 小时前
机器人梯控如何区分电梯门全开与半开状态
人工智能·机器人·机器人梯控·agv梯控·机器人乘梯·机器人自主乘梯·agv机器人梯控
DogDaoDao18 小时前
HYPERmotion 深度解析:当人形机器人学会“自己想招“——LLM 规划 + RL 技能库 + 全身优化的混合行为规划框架
人工智能·机器人·人形机器人·运动轨迹·自由度·运动估计·hypermotion
拓维运动科技19 小时前
机器人重复工况测试平台:零部件耐久验证与样机迭代的标准化路径
机器人·六自由度运动模拟平台·非标定制机器人动态测试平台·机器人性能测试平台·模拟机器人性能工况
八荒启·交互动画19 小时前
机器人仿真实践(第0卷)——002机器人定义与发展史:数学/物理原理
机器人·八荒启-交互动画
xwz小王子20 小时前
【通用世界模型】把机器人动作变成像素流!NVIDIA 提出 Hydra-0:跨人类、单臂与双臂统一预测和控制
数码相机·机器人
星云API技术支持20 小时前
企业微信二次开发:文件异步上传、媒体消息与回调处理的组合实践
机器人·企业微信