E1 · Banco listo
10 minEjecuta el bloque de preparación. Si el curso 0 ya montó ~/fth, solo agrega lo que falta.
Listo cuando: el bloque termina en unitree_rl_lab 4960b84 (2025-11-19) y mujoco 3.16.0 · onnxruntime 1.31.0 · torch 2.14.1+cpu.
Clase 1 · 16 min
Por qué la locomoción pasó a ser RL
El Unitree G1 de este curso camina porque una red neuronal envía 29 objetivos de articulación cada 20 ms. En esta clase armas el banco de trabajo, ejecutas la política de marcha lista del Unitree G1 en MuJoCo, ves al mismo robot caer sin ella y entiendes por qué el control clásico dio paso al RL en simulación masiva.
Comenzar la clase
En esta clase vas a
- 1Control clásico (modelo + optimización) × policy aprendida en simulación
- 2La policy de marcha abierta del G1 (unitree_rl_lab) caminando en MuJoCo
- 3Con policy: 6,6 m en 10 s. Sin policy: caída en 1,4 s
- 4El banco de pruebas ~/fth con versiones fijas
Objetivo: ejecutar la policy de marcha lista del G1 en MuJoCo, medir lo que hace y compararla con el robot sin policy.
01Dos formas de hacer caminar a un humanoide
Haz clic en cada bloque. Los tres primeros son el camino clásico; los tres últimos, lo que practica el curso.
Haz clic en cada bloque del diagrama para ver qué hace.
MPC sigue vivo como concepto y donde se exige garantía. La práctica de este curso es la columna de la derecha: simulación, policy y PD.
02Lo que se ejecuta en esta clase
Haz clic en cada etapa.
1. El robot
El Unitree G1 de 29 grados de libertad del MuJoCo Menagerie, fijado en el commit 62ab00f (el mismo del curso 0). Actuador de posición con el kp y el kd de la policy.
2. La policy
Unitree publica en el unitree_rl_lab una policy de velocidad del G1 ya entrenada en Isaac Lab y exportada en ONNX, con el deploy.yaml (orden de las articulaciones, kp y kd, pose por defecto). Licencia Apache-2.0. El kit fija el commit 4960b84.
Ejecutar en MuJoCo una policy entrenada en Isaac Lab ya es cruzar de un motor de física a otro. El curso 2 (sim2real) lo convierte en una compuerta.
3. El lazo
Cada 20 ms la policy lee el estado y manda 29 objetivos; MuJoCo integra a 500 Hz (paso de 2 ms) con el PD sosteniendo cada articulación en su objetivo.
El andar_demo.py cuenta cuántos metros avanzó la pelvis y si se cayó (pelvis inclinada más de 70° o por debajo de 0,3 m, el mismo criterio del entorno de la clase 3).
4. Sin policy
--sem-politica deja solo el PD sosteniendo la pose por defecto. Nadie corrige el equilibrio y el robot se cae: lo que mantiene al G1 de pie caminando es el lazo cerrado de la policy.
03Montar el banco ~/fth
Si hiciste el curso 0, el venv y el Menagerie ya están ahí: el bloque solo agrega lo que falta (onnxruntime, torch para CPU, la policy). Versiones fijas, probadas el 19/10/2026.
Terminal · preparar ~/fth
F=${FTH:-$HOME/fth}; mkdir -p $F && cd $F
[ -d .venv ] || python3.12 -m venv .venv
. .venv/bin/activate && pip install -q mujoco==3.16.0 numpy pyyaml onnxruntime==1.31.0
pip install -q torch==2.14.1 --index-url https://download.pytorch.org/whl/cpu
[ -d locomocao ] || git clone -q --depth 1 https://github.com/inematds/formacao-fth-locomocao-v72 locomocao
[ -d mujoco_menagerie ] || git clone -q --filter=blob:none --sparse https://github.com/google-deepmind/mujoco_menagerie
(cd mujoco_menagerie && git sparse-checkout add unitree_g1 && git checkout -q 62ab00f)
[ -d unitree_rl_lab ] || git clone -q --filter=blob:none --sparse https://github.com/unitreerobotics/unitree_rl_lab
cd unitree_rl_lab && git sparse-checkout set deploy/robots/g1_29dof/config/policy/velocity
git checkout -q 4960b84 && git log -1 --format='unitree_rl_lab %h (%ad)' --date=short
python3 -c "import mujoco, onnxruntime, torch; print('mujoco', mujoco.__version__, '· onnxruntime', onnxruntime.__version__, '· torch', torch.__version__)"Ejemplo del repositorio
unitree_rl_lab 4960b84 (2025-11-19) mujoco 3.16.0 · onnxruntime 1.31.0 · torch 2.14.1+cpu
Dos líneas y ningún error. Fija los commits: un policy.onnx de otro commit puede tener otro orden de entradas. El torch viene de la página de wheels de CPU de PyTorch (el curso no necesita GPU).
ERRO: não achei /tmp/sem-bancada/unitree_rl_lab/deploy/robots/g1_29dof/config/policy/velocity/v0/exported/policy.onnx. Rode a preparação da aula 1. saída: 1
Los scripts buscan todo en ~/fth, o en la carpeta de la variable FTH. Si la preparación no se ejecutó (o se ejecutó en otra carpeta), el error indica la ruta que faltó.
04El G1 caminando, y el G1 sin policy
10 s pidiendo 0,7 m/s hacia adelante. Devuelve 0 si no se cayó, 1 si se cayó.
Terminal · caminar con la policy
F=${FTH:-$HOME/fth}; cd $F/locomocao && . $F/.venv/bin/activate
python3 kit/andar_demo.py --vx 0.7 --s 10; echo "saída: $?"Terminal · solo el PD, sin policy
F=${FTH:-$HOME/fth}; cd $F/locomocao && . $F/.venv/bin/activate
python3 kit/andar_demo.py --vx 0.7 --s 10 --sem-politicaTerminal · pedir 1,0 m/s
F=${FTH:-$HOME/fth}; cd $F/locomocao && . $F/.venv/bin/activate
python3 kit/andar_demo.py --vx 1.0 --s 10 | tail -3Ejemplo del repositorio
política: unitree_rl_lab velocity v0 (ONNX) · 480 → 29 · 50 Hz comando: vx = 0.7 m/s por 10 s · simulação a 500 Hz, política a 50 Hz andou: 6.6 m para a frente · desvio lateral: 0.5 m · velocidade média: 0.66 m/s altura final da pelve: 0.77 m caiu: não saída: 0
6,6 m en 10 s (0,66 m/s para 0,70 pedidos) y la pelvis termina a 0,77 m. La desviación lateral de 0,5 m es normal: nadie corrige la dirección, solo la velocidad.
política: nenhuma (só PD na pose padrão) comando: vx = 0.7 m/s por 10 s · simulação a 500 Hz, política a 50 Hz andou: 0.8 m para a frente · desvio lateral: 0.0 m · velocidade média: 0.57 m/s altura final da pelve: 0.33 m caiu: sim, em t = 1.4 s
Caída a los 1,4 s. La "velocidad media" de 0,57 m/s aquí es el cuerpo cayendo hacia adelante, no caminar: lee siempre la velocidad junto con caiu.
andou: 9.0 m para a frente · desvio lateral: 1.2 m · velocidade média: 0.90 m/s altura final da pelve: 0.76 m caiu: não
9,0 m en 10 s. 1,0 m/s es el techo de velocidad hacia adelante con el que se entrenó la policy (rango de comando de unitree_rl_lab: −0,5 a 1,0 m/s).
05Práctica
Ver la policy funcionar antes de abrir las piezas.
E2 · El G1 camina
3 minEjecuta la policy con 0,7 m/s por 10 s y anota cuántos metros avanzó la pelvis.
Listo cuando: python3 kit/andar_demo.py --vx 0.7 --s 10; echo "saída: $?" → caiu: não y saída: 0.
E3 · El contraste
5 minEjecuta con --sem-politica y escribe, en una frase, qué mantiene al robot de pie cuando camina.
Listo cuando: la salida muestra caiu: sim, em t = 1.4 s; tu frase dice que es el lazo cerrado de la policy (el PD solo no corrige el equilibrio).
06Prueba de la clase
La explicación aparece después de tu respuesta.
Pregunta 1 de 3
¿Qué entrega la policy de marcha del G1 cada 20 ms?competencia
Correcto
La policy decide objetivos de articulación a 50 Hz; el PD de cada articulación, mucho más rápido, convierte el error en torque. Por eso existen las dos capas.No es esa
La policy decide objetivos de articulación a 50 Hz; el PD de cada articulación, mucho más rápido, convierte el error en torque. Por eso existen las dos capas.Repasar: Dos formas de hacer caminar a un humanoidePregunta 2 de 3
Sin policy, el robot "caminó" a 0,57 m/s y cayó a los 1,4 s. ¿Cómo leer ese número?
Correcto
La pelvis se desplazó porque el robot cayó hacia adelante. Toda métrica de locomoción se lee junto con la caída; es la misma trampa de las curvas de entrenamiento (clase 6).No es esa
La pelvis se desplazó porque el robot cayó hacia adelante. Toda métrica de locomoción se lee junto con la caída; es la misma trampa de las curvas de entrenamiento (clase 6).Repasar: Montar el banco ~/fthPregunta 3 de 3
¿Qué reportó Figure sobre Helix 02, en enero de 2026?
Correcto
Es el relato de la propia Figure (1 kHz, 10 M de parámetros). Una comparación independiente MPC × RL la investigación del curso no la encontró: por eso el curso trata el MPC como concepto y el RL como práctica.No es esa
Es el relato de la propia Figure (1 kHz, 10 M de parámetros). Una comparación independiente MPC × RL la investigación del curso no la encontró: por eso el curso trata el MPC como concepto y el RL como práctica.Repasar: Dos formas de hacer caminar a un humanoidePrueba concluida
Acertaste {a} de {n}. Si aciertas todas, la clase se marca como concluida.Elige una alternativa. La explicación aparece después de tu intento.
07En tres frases
CambioLa marcha de humanoides pasó de modelo + optimización a una policy entrenada en simulación masiva.
CapasLa policy envía 29 objetivos a 50 Hz; el PD de cada articulación genera el torque.
MedidaCon policy, 6,6 m en 10 s; sin ella, caída en 1,4 s.