タグ: 学習

YouDuck で「学習」 タグの付いたガイド・ノート・ポリシー一覧。

• バックラッシュと、エンコーダがどちら側にあるか

  歯車の遊び。Microduck はサーボごとに ±1° をモデル化しており、要点はエンコーダがそれを通して読むことです。

• BAM アクチュエータモデル

  Rhoban のサーボ物理モデル。サーボを理想トルク源として扱うことが、sim2real 失敗の最も一般的な原因です。

• ドメインランダム化

  学習時に物理パラメータをランダム化し、現実の分布に対して頑健にする手法。観測ノイズを足すのとは別物です。

• 61 次元の観測契約

  すべてのポリシーが同一の観測形式を共有し、それが歩行・復帰・技のホットスワップを可能にしています。

• ポリシーのホットスワップ

  歩行・復帰・技のポリシーを実行中に切り替える。再起動も停止も不要です。

• 投影重力 — ロボットはどうやって転んだと知るか

  状態ストリーム上で唯一の IMU 量。直立時はおよそ [0, 0, -1] で、転倒判定はここから導かれます。

• sim2real とは、そしてなぜ最も難しいのか

  シミュレーションで学習したポリシーを実機へ移すこと。シミュレーションでうまく歩き実機で転ぶのは、通常の結果です。

• 学習とデプロイ

  MuJoCo での学習から実機で動くポリシーまで。そして移行の成否を決める 4 つのこと。

• 学習環境を整えて、最初のポリシーを訓練する

  microduck_rl の動作要件、中心となる 4 つのコマンド、そして GPU が無い場合の代替手段。

• sim2real のレシピ

  Microduck がシミュレーションから実機へ移るために依存している 4 つのこと。BAM アクチュエータ物理、ドメインランダム化、バックラッシュのモデリング、共有された観測契約。

• 学習タスク一覧

  microduck_rl で学習できる全タスクの id・地形・用途。roller シリーズと Backlash 版を含みます。

• BallKick — ボールを蹴る

  70 mm・15 g のボールを前に蹴る。ポリシーはボールを見ていない。

• GroundPick — 物を拾う

  しゃがんで嘴の先で地面に触れ、立位に戻る。パッドの A が起動する動作。

• RollerCrouch — 滑走中のしゃがみ

  車輪の上で滑走を保ったまま重心を下げる。

• RollerSlope — 斜面の滑降

  車輪で斜面を降りながら制御を保つ。

• RollerStandUp — 地面から車輪の上へ

  転倒後、地面から車輪の上へ立ち上がる。

• Rollers — 速度指令でのローラー滑走

  受動輪を履いた状態の基本ポリシー。roller モードにおける主タスク。

• Roulade — 前転

  頭を越えて前方に一回転し、足で着地する。X / □、長押しで連続。

• SitStand — 座ると立つ

  指令による座位 ↔ 立位の切り替えを 1 つのポリシーで。動作は穏やかで、頭部は操作可能なまま。

• Spin — その場回転

  車輪の上でその場で高速に回転する。

• StandUp — 地面から立ち上がる

  うつ伏せ・仰向け・座位から立ち上がり、その後は立位を保ちつつ姿勢指令を受ける。

• Swizzle — 対称のスイズル

  両足を同時に外へ開き内へ戻す、古典的な滑走動作。

• Velocity — 速度指令での歩行

  主タスク。速度指令に従って歩きつつ頭部姿勢指令も受ける。最初に学習させるのはこれ。

• VelStand — 歩行と転倒復帰をまとめて

  歩行と転倒復帰を 1 つのポリシーに学習させ、実行時の引き継ぎを無くす。

• 背景 — Hugging Face による Pollen Robotics 買収が意味するもの

  Microduck は Hugging Face 傘下の企業の製品。この関係が、挙動が共有可能な ONNX ファイルとして出荷される理由を説明する。

• BAM — サーボのアクチュエータモデル

  Rhoban のアクチュエータ同定フレームワーク。Microduck は Dynamixel XL330 に対してその M6 モデルを使う。

• microduck_rl — 学習環境

  Microduck のポリシーがすべて学習される場所。MuJoCo Warp と PPO、ドメインランダム化、BAM アクチュエータモデル、バックラッシュ模擬。

• Microduck Simulator — ブラウザ上のシミュレータ

  Hugging Face Spaces 上の Microduck Sandbox。ハードウェア不要。

• mjlab — microduck_rl の土台となるフレームワーク

  MuJoCo Warp 上に構築された GPU 並列の強化学習フレームワーク。Microduck の学習はこの上に乗っている。