Clase 7 · 16 min
Una policy solo está lista cuando pasa una prueba que escribiste antes de mirar el resultado. En esta clase evalúas la policy lista en 20 episodios con semillas fijas: error de velocidad, giro y empujón de 1,0, 1,5 y 2,0 m/s. Después pasas tu checkpoint de la clase 5 por la misma prueba.
Comenzar la clase
Objetivo: evaluar una policy en 20 episodios con semillas fijas, midiendo el error de velocidad y la supervivencia a empujones de fuerza creciente.
Haz clic en cada bloque. El avaliar.py ejecuta los cuatro en cada episodio.
La prueba se escribe antes del resultado: número de episodios, rango de comando, fuerza y criterio de aprobación (p. ej.: 18/20).
20 episodios de 10 s, empujón de 1,0 m/s. Devuelve 0 cuando todos sobreviven.
F=${FTH:-$HOME/fth}; cd $F/locomocao && . $F/.venv/bin/activate
python3 kit/avaliar.py --episodios 20 --empurrao 1.0; echo "saída: $?"F=${FTH:-$HOME/fth}; cd $F/locomocao && . $F/.venv/bin/activate
for e in 1.5 2.0; do python3 kit/avaliar.py --episodios 20 --empurrao $e | tail -1; donepolítica: unitree_rl_lab velocity v0 (ONNX) · 20 episódios de 10 s · giro +0.0 rad/s · empurrão de 1.0 m/s aos 4 s erro médio de velocidade (quem não caiu): 0.05 m/s sobreviveu: 20/20 saída: 0
20 de 20 de pie con un empujón de 1,0 m/s, por encima del entrenamiento (hasta 0,5 m/s por eje, cerca de 0,71 m/s en la diagonal), errando la velocidad por 0,05 m/s en promedio.
sobreviveu: 16/20 sobreviveu: 9/20
Con 1,5 m/s, 16 de 20; con 2,0 m/s, 9 de 20. El margen se acaba entre 1,0 y 1,5 m/s. Es este tipo de curva, y no un solo número, lo que dice cuánto aguanta la policy.
avaliar.py acepta un .pt entrenado por el kit en lugar de la policy lista. Mismas semillas.
F=${FTH:-$HOME/fth}; cd $F/locomocao && . $F/.venv/bin/activate
python3 kit/avaliar.py --politica $F/treino/ppo/modelo_20.pt --episodios 5 | tail -2quedas: ep 0 em 1.3 s, ep 1 em 1.4 s, ep 2 em 1.4 s, ep 3 em 1.4 s, ep 4 em 1.3 s sobreviveu: 0/5
0 de 5, todas las caídas antes de 1,5 s, incluso sin empujón. Es lo esperado para 20 iteraciones: la prueba confirma lo que las curvas ya decían. El valor importa menos que el hábito: toda policy, lista o tuya, pasa por la misma prueba.
Qué demuestra esta prueba y qué queda para el curso 2.
Que la policy sigue el comando y aguanta empujones en MuJoCo, con el G1 de Menagerie. La policy lista fue entrenada en Isaac Lab: pasar aquí ya es una primera señal de robustez.
Que ande en el robot. Retraso, actuador, fricción y masa distintos son el tema del curso 2, que mide ese gap y pasa la policy por una compuerta sim2sim con DDS antes del suelo.
El concepto de evaluar en simulación y de reality gap, para policies de manipulación, está en vla-v72, clase 6.
Escribir el criterio antes de ver el número.
Escribe tu criterio de aprobación (p. ej.: 18/20) y solo entonces ejecuta la evaluación con empujón de 1,0 m/s.
Listo cuando: python3 kit/avaliar.py --episodios 20 --empurrao 1.0; echo "saída: $?" → sobreviveu: 20/20 y saída: 0.
Ejecuta 1,5 y 2,0 m/s y escribe entre qué fuerzas se acaba el margen de la policy.
Listo cuando: las dos líneas muestran sobreviveu: 16/20 y sobreviveu: 9/20; escribiste "entre 1,0 y 1,5 m/s".
Ejecuta la misma prueba con --giro 0.2 y compara el error de velocidad con el de la recta.
Listo cuando: python3 kit/avaliar.py --episodios 20 --giro 0.2 --empurrao 1.0 → la primera línea muestra giro +0.2 rad/s y la última sobreviveu: 20/20 (el 19/10/2026, error de 0.04 m/s).
La explicación aparece después de tu respuesta.
Pregunta 1 de 3
¿Por qué las semillas de la prueba son fijas?competencia
Pregunta 2 de 3
20/20 con 1,0 m/s, 16/20 con 1,5 y 9/20 con 2,0. ¿Qué muestra eso?
Pregunta 3 de 3
La política pasó 20/20 en MuJoCo. ¿Qué falta todavía antes del robot?
Elige una alternativa. La explicación aparece después de tu intento.