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_names 去 gmr_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

从 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_joint、right_thigh_yaw_joint、torso_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
李日华大战鸡红23 分钟前
滑膜观测器(学习记录)
stm32·单片机·学习·matlab·机器人
feasibility.4 小时前
一台 2500 美元的开源双足人形平台 LeRobot Humanoid,正在让“教机器人走路”变成可复现的事
机器人·开源
考研保研资料分享5 小时前
自动化与机器人保研经验:四校夏令营笔面试、英语考核及复习规划(2025)
面试·机器人·自动化
zhangrelay21 小时前
用ROS2Lyrical实验报告册思路重做蓝桥云课ROS1实验并改进
linux·笔记·学习·ubuntu·机器人
具身AGI1 天前
人类演示补成机器人域,触觉共训才成立
机器人
山顶夕景1 天前
【VLA】Qwen-VLA:VLM+DiT统一多模态理解与连续机器人动作生成
机器人·多模态·扩散模型·具身智能·vla·dit·vlm
mtouch3331 天前
视频与三维场景融合投射系统解析:从地图标定到镜头参数调校的完整流程
人工智能·机器人·虚拟现实·电子沙盘·数字沙盘
黑妹天下第一乖1 天前
第08讲 · 视觉与相机流水:Spectra ISP 与实时检测
人工智能·嵌入式硬件·数码相机·机器人·接口隔离原则·iot
XMAIPC_Robot1 天前
RK3576/RK3588+FPGA+AI数据采集系统:实时性与边缘AI算力兼顾
人工智能·fpga开发·机器人·数据采集·rk3588+fpga·rk3576+fpga
海盗12341 天前
AI 新闻日报 2026-10-05:三周重构 30 万行 / macOS 给智能体加权限锁 / 具身订单结构被摆上台面
人工智能·macos·重构·机器人·人工智能aigc