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.
Clase 1 · 16 min
Dónde miente el simulador en un humanoide
Una política que camina en el simulador y se cae en el robot: ese es el problema del curso. En esta clase montas el banco de pruebas, ejecutas la política de marcha lista del Unitree G1 en el "sim" y en un "real simulado" con parámetros ocultos, y descubres que ninguna diferencia sola la tumba; la suma de ellas, sí.
Empezar la clase
En esta clase vas a
- 1Las cinco fuentes del gap en un humanoide: actuador, retardo (latencia), fricción, masa y contacto
- 2La policy de marcha ya hecha del G1 (unitree_rl_lab) corriendo en MuJoCo
- 3Sim × "real simulado": 4,7 m caminados contra caída en 2,3 s
- 4Cambiar un parámetro a la vez para encontrar al culpable
Objetivo: medir el gap corriendo la misma policy en "sim" y "real simulado", y comprobar que ningún parámetro por sí solo la tira.
01Lo que el simulador simplifica
Haz clic en cada bloque. Son las cinco fuentes de gap que mide este curso.
Haz clic en cada bloque del diagrama para ver qué hace.
Ninguna de estas diferencias desaparece. El sim-to-real consiste en volver la policy robusta a ellas, medir las que se pueden medir y probar antes de pisar el suelo.
02La policy y los dos mundos
Lo que se ejecuta en las prácticas de este curso. Haz clic en cada etapa.
1. La policy
Unitree publica en unitree_rl_lab una policy de marcha del G1 de 29 GDL ya entrenada en Isaac Lab y exportada en ONNX, con el archivo de despliegue deploy.yaml (orden de las articulaciones, kp y kd, pose por defecto, escalas). Licencia Apache-2.0.
Recibe 480 números (5 instantes de velocidad angular, gravedad proyectada, comando, articulaciones y última acción) y devuelve 29 objetivos de posición a 50 Hz.
2. El sim
El G1 de MuJoCo Menagerie (el mismo del curso 0) con el PD de la policy dentro de MuJoCo: actuador de posición con el kp y el kd del deploy.yaml.
Ejecutar en MuJoCo una policy entrenada en Isaac Lab ya es cruzar de un motor de física a otro.
3. El "real simulado"
No tienes un G1. El "robot real" del curso es el mismo MuJoCo con cuatro parámetros ocultos en kit/mundos/real.json. No abras el archivo antes de la clase 3: allí descubres uno de ellos con identificación de sistemas.
Es un ensayo, no el robot: lo que enseña es el método, no el número.
4. Uno por vez
--so kp hace que el "real" difiera solo en el kp. Si ejecutas cada parámetro por separado, ves que ninguno derriba la policy, pero el kp solo ya la hace caminar un 50 % más rápido de lo pedido.
El gap rara vez tiene una sola causa: es la suma de pequeñas diferencias.
03Armar el banco de pruebas (reutiliza el del curso 0)
Si hiciste el curso 0, el venv y el Menagerie ya están en ~/fth: el bloque solo agrega onnxruntime, el G1 en el sparse-checkout y la carpeta de la policy de unitree_rl_lab, fijada en el commit probado.
Terminal · preparar ~/fth
F=${FTH:-$HOME/fth}; mkdir -p $F && cd $F
[ -d .venv ] || python3.12 -m venv .venv
. .venv/bin/activate && pip install -q mujoco==3.16.0 numpy onnxruntime==1.31.0 pyyaml
[ -d sim2real ] || git clone -q --depth 1 https://github.com/inematds/formacao-fth-sim2real-v72 sim2real
[ -d mujoco_menagerie ] || git clone -q --filter=blob:none --sparse https://github.com/google-deepmind/mujoco_menagerie
git -C mujoco_menagerie sparse-checkout add unitree_g1 && git -C mujoco_menagerie checkout -q 62ab00f
[ -d unitree_rl_lab ] || git clone -q --filter=blob:none --sparse https://github.com/unitreerobotics/unitree_rl_lab
git -C unitree_rl_lab sparse-checkout set deploy/robots/g1_29dof/config/policy/velocity
git -C unitree_rl_lab checkout -q 4960b84 && git -C unitree_rl_lab log -1 --format='unitree_rl_lab %h (%ad)' --date=short
python3 -c "import mujoco, onnxruntime; print('mujoco', mujoco.__version__, '· onnxruntime', onnxruntime.__version__)"Ejemplo del repositorio
unitree_rl_lab 4960b84 (2025-11-19) mujoco 3.16.0 · onnxruntime 1.31.0
Dos líneas y ningún error. La policy viene del commit 4960b84 de unitree_rl_lab: fíjalo, porque un policy.onnx nuevo puede tener otro orden de entradas.
ERRO: não achei /tmp/sem-bancada/unitree_rl_lab/deploy/robots/g1_29dof/config/policy/velocity/v0/exported/policy.onnx. Rode a preparação da aula 1 (unitree_rl_lab no sparse-checkout). saída: 1
Los scripts buscan todo en ~/fth (o en la carpeta de la variable FTH). Si la preparación no se ejecutó, el error indica la ruta que faltó.
04La misma policy en los dos mundos
dois_mundos.py ejecuta 10 s caminando a 0,5 m/s en cada mundo. Caída = pelvis por debajo de 0,5 m. Sale con 1 si algún mundo se cayó.
Terminal · sim × real simulado
F=${FTH:-$HOME/fth}; cd $F/sim2real && . $F/.venv/bin/activate
python3 kit/dois_mundos.py; echo "saída: $?"Terminal · un parámetro por vez
F=${FTH:-$HOME/fth}; cd $F/sim2real && . $F/.venv/bin/activate
for p in atrito massa kp atraso_ms; do python3 kit/dois_mundos.py --so $p | tail -1; doneEjemplo del repositorio
política: unitree_rl_lab G1 29 GDL velocity v0 (ONNX, 480 entradas) · comando 0.50 m/s · 10 s sim queda: não · andou 4.7 m em 10 s (vel. 0.47 m/s; pedida 0.50) real simulado queda: sim em t = 2.3 s (andou 1.9 m) saída: 1
En el sim, 4,7 m en 10 s (0,47 m/s para 0,50 pedidos). En el "real simulado", caída a los 2,3 s.
real simulado (só atrito) queda: não · andou 4.7 m em 10 s (vel. 0.47 m/s; pedida 0.50) real simulado (só massa) queda: não · andou 4.6 m em 10 s (vel. 0.46 m/s; pedida 0.50) real simulado (só kp) queda: não · andou 7.5 m em 10 s (vel. 0.75 m/s; pedida 0.50) real simulado (só atraso_ms) queda: não · andou 4.6 m em 10 s (vel. 0.46 m/s; pedida 0.50)
Ninguno por sí solo derriba la policy. El kp solo hace que el robot camine a 0,75 m/s: el PD más blando deja que las piernas se retrasen, y la policy compensa empujando más.
05Práctica
Mide el gap antes de intentar cerrarlo.
E2 · El gap medido
3 minEjecuta la misma policy en los dos mundos y anota cuánto caminó en cada uno.
Listo cuando: python3 kit/dois_mundos.py; echo "saída: $?" → real simulado … queda: sim em t = 2.3 s y saída: 1.
E3 · Encuentra al culpable
5 minEjecuta el bucle "un parámetro a la vez" y escribe qué parámetro, por sí solo, cambia más el comportamiento y qué cambia.
Listo cuando: las 4 líneas muestran queda: não y la del kp muestra vel. 0.75 m/s; pedida 0.50; escribiste "ninguno la tumba solo; el kp cambia la velocidad".
06Prueba de la clase
La explicación aparece después de tu respuesta.
Pregunta 1 de 3
Cada parámetro del "real simulado", por sí solo, no derriba la policy; los cuatro juntos sí. ¿Qué te enseña esto?competencia
Correcto
Cada diferencia le quita un poco de margen. Juntas, superan lo que la policy aguanta. Por eso se mide una por una y se prueba la combinación.No es esa
Cada diferencia le quita un poco de margen. Juntas, superan lo que la policy aguanta. Por eso se mide una por una y se prueba la combinación.Repasar: Armar el banco de pruebas (reutiliza el del curso 0)Pregunta 2 de 3
Ejecutar en MuJoCo una policy entrenada en Isaac Lab ya es:
Correcto
Los distintos motores aproximan el contacto y el actuador de maneras diferentes. Caminar en los dos es una primera señal de robustez; es la compuerta (gate) de la clase 6.No es esa
Los distintos motores aproximan el contacto y el actuador de maneras diferentes. Caminar en los dos es una primera señal de robustez; es la compuerta (gate) de la clase 6.Repasar: La policy y los dos mundosPregunta 3 de 3
Solo con el kp más bajo, el robot camina a 0,75 m/s cuando lo pedido es 0,50. ¿Por qué?
Correcto
La policy es un lazo cerrado: si las articulaciones no llegan al objetivo, pide más. El resultado es caminar mal sin caer, un gap que solo aparece al medir la velocidad.No es esa
La policy es un lazo cerrado: si las articulaciones no llegan al objetivo, pide más. El resultado es caminar mal sin caer, un gap que solo aparece al medir la velocidad.Repasar: Armar el banco de pruebas (reutiliza el del curso 0)Prueba completada
Acertaste {a} de {n}. Si aciertas todas, la clase se marca como completada.Elige una alternativa. La explicación aparece después de tu intento.
07En tres frases
FuentesActuador, retardo (latencia), fricción, masa y contacto separan el simulador del robot.
MedidaLa misma policy camina 4,7 m en el sim y cae a los 2,3 s en el "real simulado".
MétodoUn parámetro a la vez encuentra al culpable; la suma es lo que derriba.