训练并运行官方 Microduck 动作

本章涵盖最短的训练与推理路径：了解可用任务、训练一个官方任务、可视化 .pt 检查点、运行提供的 ONNX 策略，并使用键盘控制仿真机器人。

← Demo 首页下一步：自定义动作 ➜

可用任务族

cd ~/microduck-jetson/microduck_rl
uv run --no-sync list-envs | grep MicroDuck

动作	任务 ID
行走	Mjlab-Velocity-Flat-MicroDuck
行走与跌倒恢复	Mjlab-VelStand-Flat-MicroDuck
从地面站起	Mjlab-StandUp-Flat-MicroDuck
坐下与站起	Mjlab-SitStand-Flat-MicroDuck
地面拾取	Mjlab-GroundPick-Flat-MicroDuck
前滚翻	Mjlab-Roulade-Flat-MicroDuck
踢球	Mjlab-BallKick-Flat-MicroDuck
滚轮移动	Mjlab-Velocity-Flat-MicroDuck-Rollers

训练行走策略

在每次长时间训练前，先运行五次迭代的冒烟测试：

cd ~/microduck-jetson/microduck_rl
export MUJOCO_GL=egl

uv run --no-sync train Mjlab-Velocity-Flat-MicroDuck \
  --env.scene.num-envs 64 \
  --agent.logger tensorboard \
  --agent.max_iterations 5

用于更长时间的训练：

uv run --no-sync train Mjlab-Velocity-Flat-MicroDuck \
  --env.scene.num-envs 2048 \
  --agent.logger tensorboard

仅在内存和温度允许时再增加环境数量。一个实用的回退序列是 4096 → 2048 → 1024 → 512。

可视化 PT 检查点

找到一个检查点：

find logs/rsl_rl -type f -name 'model_*.pt' | sort

通过 SSH 的浏览器查看器

export MUJOCO_GL=egl

uv run --no-sync play Mjlab-Velocity-Flat-MicroDuck \
  --checkpoint-file /absolute/path/to/model_XXXX.pt \
  --num-envs 1 \
  --viewer viser

在同一网络中的电脑上打开 http://<JETSON_IP>:8080。

在 Jetson 桌面上本地查看

export DISPLAY=:0
export MUJOCO_GL=glfw

uv run --no-sync play Mjlab-Velocity-Flat-MicroDuck \
  --checkpoint-file /absolute/path/to/model_XXXX.pt \
  --num-envs 1 \
  --viewer native

运行官方多策略 ONNX 演示

仓库在 pretrained/pollen-robotics/ 中包含九个官方 ONNX 策略。

cd ~/microduck-jetson/microduck_rl
export DISPLAY=:0
export MUJOCO_GL=glfw

uv run --no-sync python3 scripts/infer_policy.py \
  --walking pretrained/pollen-robotics/alpha_walking.onnx \
  --standing pretrained/pollen-robotics/alpha_stand.onnx \
  --sitstand pretrained/pollen-robotics/alpha_sitstand.onnx \
  --ground-pick pretrained/pollen-robotics/alpha_ground_pick.onnx \
  --roulade pretrained/pollen-robotics/roulade.onnx \
  --kick-left pretrained/pollen-robotics/ball_kick_left.onnx \
  --kick-right pretrained/pollen-robotics/ball_kick_right.onnx \
  --new-cmd-obs

键盘控制

按键	命令
方向键	前进、后退和横向速度
A / E	左转 / 右转
G	地面拾取行为
Y	坐下 / 站起切换
R	前滚翻
K / L	左 / 右脚踢球
Space	清除速度命令
Q	退出

推理结果

下列 GIF 展示了直接从 Jetson 上的 MuJoCo 捕获的 ONNX 推理结果。

行走

行走策略会持续跟踪键盘的速度和转向命令。

滚动

按下 R 切换到前滚翻策略。

踢球

在球场景中按下 K 或 L 以触发左脚或右脚踢球策略。

PT 和 ONNX 的用途不同

• .pt 检查点包含 actor、critic、优化器、归一化器以及训练状态。使用它们来恢复训练和进行 play 评估。
• .onnx 包含可部署的推理计算图。官方 ONNX 文件不包含 PPO 训练状态，且无法转换回可恢复的检查点。
• models/checkpoints/ 下的 PT 文件是随本演示提供的 Jetson 行走训练结果；它们不是 Pollen Robotics 官方发布的 PT 文件。

导出你自己的 ONNX

uv run --no-sync python3 scripts/export.py \
  Mjlab-Velocity-Flat-MicroDuck \
  --checkpoint-file /absolute/path/to/model_XXXX.pt \
  --onnx-file walking_custom.onnx

始终使用 scripts/export.py。项目导出器会将观测归一化器烘焙进 ONNX 计算图中，这是正确运行时行为所必需的。

下一步

创建自定义动作 →