VelStand — 歩行と転倒復帰をまとめて
最終更新
Mjlab-VelStand-Flat-MicroDuck
Mjlab-VelStand-Rough-MicroDuck歩行と転倒復帰を同一のポリシーに学習させます。
別々に学習させるのではだめなのか
ランタイムは元々ポリシー間をホットスワップできます。すべてが 61 次元の観測契約を共有しているので、どれでもいつでも引き継げます。歩行と立ち上がりが 2 つのポリシーでも何の問題もありません。
ではなぜまとめて学習させるのか。
まとめたポリシーは復帰から歩行に戻る遷移がより滑らかです。その遷移を実際に経験しているからです。別々に学習した 2 つはそれぞれ優秀ですが、引き継ぎの瞬間だけはどちらも専門に練習していません。
代償は収束の難しさです。1 つのポリシーがかなり違う 2 つのことを同時に学ぶことになります。
どちらを選ぶか
押し倒されても自分で起きて歩行に戻るまでが途切れない方がよければ、こちらです。個々の挙動を最良まで詰めたく、切り替えの瞬間が多少ぎこちなくても構わないなら、Velocity と StandUp を使います。