BeyondMimic 全身动作跟踪原理与机器人适配

动作回放可以直接设置机器人姿态，动作跟踪则必须靠电机力矩和地面接触改变状态。BeyondMimic 中的策略学的是后者：根据参考和当前状态不断纠偏，在关节限位、力矩饱和与平衡要求下完成动作。

本文从 BeyondMimic 在 G1 上的执行器参数化出发，分析逐际动力平台上的动作跟踪适配。逐际 SDK 随附的行走控制器、独立训练的速度跟踪策略、Omni 交互适配和 BeyondMimic 动作跟踪使用不同的控制接口，下面分别对照。文中的参数来自这些实现及训练时导出的配置；解析计算用于解释参数关系，不代替执行器辨识。

论文原图：Truong、Liao 等，BeyondMimic，Figure 1；未修改，版权归原作者。来源：论文／原图。图中平台和结果来自论文，并非本次机器人适配的实验。

本文拆解的是图左上的 motion tracking 部分：MotionCommand 提供参考，奖励比较参考与实际状态，actor 输出关节目标。右侧的状态—动作扩散模型属于后续蒸馏与任务引导，不能因为跟踪代码可运行就宣称已复现这条完整路线。下面展开跟踪控制的计算过程。

1. 跟踪策略学到的是反馈，而不是动作播放器

机器人满足浮动基座动力学：

其中浮动基座不能直接施加关节驱动力矩，必须借助接触力 $f_c$ 保持平衡。参考轨迹 $\hat q_t$ 不一定满足这个方程，因此将其直接写入关节目标仍可能摔倒。

接触还要服从单边性与摩擦关系。用理想刚性接触的简化记号，法向间距、法向力与切向力满足：

脚离地时不能靠地面拉住身体；没有足够法向支撑时，也不能任意产生切向力。例如摩擦系数 0.6、法向支撑 100 N，对应的理想切向力上限为 60 N。位置参考和跟踪奖励本身并没有提供额外的摩擦能力。这里说明接触物理的理想约束，实际仿真由碰撞几何与接触求解器近似处理；BeyondMimic 的 actor 并不在线求解这套互补约束。

学习策略接收当前状态与参考条件，输出关节动作：

这里要分清三个角度：参考角来自动作数据，目标角由 q₀ + scale × a 生成，实际角来自机器人状态。策略动作 a 是网络输出，尚未乘 scale 时不等于关节角。

策略可以暂时偏离某个关节的参考，以维持整体平衡。它是否会这么做，取决于奖励、终止、训练分布与动作接口，不能仅靠“用了 PPO”推断。

图 1：参考只作为条件和奖励目标进入闭环；实际身体状态由执行器和接触动力学产生。

2. 参考与观测必须使用一致的坐标约定

一个常见 actor 观测包括：关节相对默认姿态、关节速度、机体角速度、参考关节状态、参考 anchor 相对姿态，以及上一时刻动作。critic 可以额外看到世界位置、身体速度等仿真信息。

以 anchor 的 yaw 对齐为例，身体相对位置可以写为：

它弱化绝对平移和朝向的影响，但不能随意把 yaw 对齐换成完整 roll–pitch–yaw 对齐：后者会移除部分与重力方向相关的信息。root、torso、waist anchor 也不是同一个刚体；腰部有自由度时，把胸部姿态当根节点姿态会产生随动作变化的误差。

四元数必须明确顺序。对于同一个朝向，xyzw 与 wxyz 的四个数不是可以直接传递的接口。除长度为 4 外，还应测试单位范数、已知 90 度旋转和组合旋转方向。

3. 奖励中的尺度决定策略愿意牺牲什么

典型跟踪项为：

若 $\sigma_p=0.3$ m，在这个简化单误差例子中，误差 0.1、0.3、0.6 m 的奖励分别约为 0.895、0.368、0.018。$\sigma$ 不只是一个“收敛参数”，它决定错误多大时该项仍提供明显差异。

BeyondMimic 的基础奖励包含 anchor 位置和方向、身体相对位置与方向、身体线速度和角速度，以及动作变化、关节限位、非期望接触等惩罚。位置项的 std=0.3、方向项的 std=0.4 对应不同单位，不能直接比较数值大小判断哪个更严格。

身体位置项在实现中先对三维误差平方求和，再对选定身体平均，最后进入指数核。带着具体聚合顺序，总回报可写为：

策略优化的是折扣累计 R，而不是直接最小化某一帧关节角误差。也不能把“平均平方误差后取 exp”换成“每个身体取 exp 后平均”：误差集中在少数身体时，两种聚合会给出不同奖励。下表的系数属于 w，std 属于核内部的 sigma，控制周期属于最外层的积分尺度。

不要只盯关节角误差。腿部略有角度偏差但脚不滑，可能比关节角很像却地面穿透更好。是否允许这样的权衡，要由目标和评估指标明确规定。BeyondMimic 项目与实现

权重 0.5 和 std 0.3，改的是两件事

对于同一条位置误差，weight 决定这项在总回报中的占比，std 决定误差进入指数函数前按多大尺度归一化。以 0.1 m 误差为例：

权重翻倍，所有误差下的贡献都翻倍。std 缩小，则重新分配了不同误差区间的奖励差异：远离目标时可能几乎全是零，靠近目标后才明显区分。它不会把物理碰撞变得更硬，也不会改变 PD 增益。std=0.4 rad 约为 22.9°，对应方向误差；不能拿它与 0.3 m 的位置尺度直接比大小。

基础跟踪任务的九项奖励

下面列出基础跟踪任务沿用的九项奖励及其系数。后文的选择性自碰撞方案另加五项接触／接近惩罚，不计入这张基础表。表列的是配置权重，Isaac Lab 的 RewardManager 在控制步内再乘 step_dt。这里物理步 0.005 s、decimation 4，因此控制步为 0.02 s；完美跟踪时六个正项合计 5，单步贡献为 0.1，未计惩罚。

表下代码均为等价的核心计算示意，省略环境对象访问与索引解析。

点击名称可跳到对应的公式与实现说明，并自动展开。

逐项实现

1
2

err2 = (p_anchor_ref - p_anchor).square().sum(-1)
r = torch.exp(-err2 / 0.3**2)

1
2

angle = quat_error_magnitude(q_ref, q_actual)
r = torch.exp(-angle.square() / 0.4**2)

1
2

err2 = (p_body_aligned - p_body).square().sum(-1)
r = torch.exp(-err2.mean(-1) / 0.3**2)

1
2

angle = quat_error_magnitude(q_body_aligned, q_body)
r = torch.exp(-angle.square().mean(-1) / 0.4**2)

1
2

err2 = (v_ref_w - v_w).square().sum(-1)
r = torch.exp(-err2.mean(-1) / 1.0**2)

1
2

err2 = (omega_ref_w - omega_w).square().sum(-1)
r = torch.exp(-err2.mean(-1) / 3.14**2)

1

cost = (action - previous_action).square().sum(-1)

1
2

cost = ((lower_soft - q).clamp_min(0)
        + (q - upper_soft).clamp_min(0)).sum(-1)

1
2

peak = contact_forces_history.norm(dim=-1).amax(dim=1)
cost = (peak[:, forbidden_body_ids] > 1.0).sum(-1)

继承了系数，任务却不完全相同

适配任务以腰部俯仰关节之后的躯干作为 anchor，身体跟踪集合为 15 个部位，包括头部和左右肩、肘、腕。六个手臂部位约占身体均值的 40%；单独的 motion_arm_pos 已移除，因此不能再把注释中的候选权重 1.0 算进奖励。PD、armature 和 action scale 的差异见下文计算。

接触筛选也随任务变化。自由空间动作的基础适配只放行两脚触地；统一尺度的动作任务还保留了腕部中间刚体的排除项，但实际手部碰撞几何属于更末端的刚体。排除一个名字，不等于整只手都获得接触许可。后文的自碰撞传感器直接按手与腿、躯干、另一只手的刚体对取力，不能与这项全身非期望接触惩罚混为一谈。

基础奖励配置与原生实现。

4. Reference State Initialization 与自适应采样

只从动作第一帧开始训练，策略可能反复摔在前几秒，永远见不到后半段。随机参考状态初始化将动作中间的状态作为起点，使各阶段都有练习机会。

自适应采样进一步按片段统计失败情况，给难段更多采样概率。其概念形式为：

其中 $f_i$ 是平滑后的失败统计，均匀项避免永久忽略其他片段。实际代码还会进行时间平滑与归一化。

本文讨论的适配任务采用固定首帧初始化，用来观察整段动作的连续执行。回合上限随动作长度设置：基础动作任务为 18.50 s，统一尺度的长动作任务为 42.30 s，选择性自碰撞任务为 32.18 s；这些是不同参考片段的时间预算，不是控制器固有常数。它与原生方法的自适应片段采样有明确区别：前者集中暴露开头到结尾的失败链，后者提高困难片段的训练覆盖。若切回自适应采样，需要解除固定起始帧约束。

但成功从中间帧跟踪几秒，不等于可以从站立连续完成整段动作。最终必须单独评估从动作开头完整执行，记录连续成功率和最早失败阶段。随机 reset 的高 reward 不能替代这个结果。

5. Armature 到底是什么

对于固定减速比 $N$，若电机角度满足 $\theta_m=Nq$，转子动能为：

因此反射到关节侧的惯量是：

例如 $J_m=2\times10^{-5}\ \mathrm{kg\,m^2}$、$N=50$，得到 $0.05\ \mathrm{kg\,m^2}$；若减速比变为 100，得到 0.2，增加四倍而不是两倍。这是用于说明减速比平方关系的教学算例，不是电机辨识结果。

MuJoCo 的 joint armature 表示附加到广义惯量的项。它不等于连杆全部惯量，也不等于摩擦或 PD 阻尼；改变它会改变加速度、接触响应和离散仿真行为。MuJoCo armature 定义

并联踝和腰不能直接复制电机侧数值

若多个电机坐标满足 $\theta_m=f(q)$，速度映射为 $\dot\theta_m=J_m(q)\dot q$，则：

它可能随构型变化，并带非对角耦合。将 A／B 电机侧某个 armature 常数直接赋给串联等效 pitch／roll，是一种模型近似，而不是严格的惯量变换。

本文适配案例将并联驱动侧的惯量用于串联近似模型。这样便于复用关节级仿真接口，但会忽略传动映射带来的构型依赖与耦合；只有结合传动 Jacobian 和执行器辨识，才能判断近似是否足够准确。

6. 从二阶系统推导 PD，而不是背参数

忽略耦合、接触和重力补偿误差，考虑单关节：

固定目标时，误差 $e=q-q_d$ 满足：

与标准二阶系统对应：

G1 配置采用 $\omega_n=2\pi\times10$ rad/s、$\zeta=2$，以各类 actuator armature 作为惯量尺度。其中一个 $I=0.010177520$ 的关节组得到 $K_p\approx40.18$、$K_d\approx2.56$。$\zeta=2$ 是过阻尼，不是临界阻尼。

这是执行器参数化策略，不是关于完整多刚体系统闭环极点的保证。若真实有效惯量 $I_{\mathrm{eff}}>I_{\mathrm{armature}}$，用 armature 计算的频率与阻尼比都不能直接当作真实测量结果。

7. 换一套执行器，同样的参数化规则会算出多少

以下固定 $f_n=10$ Hz、$\zeta=2$，将适配案例的 armature 数值代入。最后一列再使用 G1 风格 $s=0.25\tau_{\max}/K_p$。这些是公式迁移的计算值，不是建议下发的增益。

例如踝关节，$I=0.1845504$、$\tau_{\max}=42$，有：

如果上肢目标需要相对 offset 改变 2 rad，scale 0.02999 对应 raw action 约 66.7；如果改成 0.5，则只需 4。高斯动作若没有硬限幅，66.7 并非数学上绝对不可达；真正的问题是它可能远离初始分布、受到正则和训练稳定性的限制。不能把“小 scale”直接说成“动作范围严格被锁死”。

8. 参数的三层含义：公式、配置与实测响应

先区分三层数字。公式值来自人为指定的 10 Hz、阻尼比 2；配置值是执行器真正接收的 Kp、Kd 和 scale；实际响应还取决于姿态相关的有效惯量、重力、耦合、接触、饱和与延迟。前两层可以直接计算，第三层需要测量。

原生 G1 用同一参数化规则生成多组执行器增益。例如惯量尺度 0.010177520 对应 Kp≈40.18、Kd≈2.56。迁移到更大的 armature 后，沿用同一频率和阻尼比，会得到上一节的 557.63、728.58 等增益；并不是只更换机器人关节名字就还能得到同一组 Kp。

当前适配使用的 PD 数值

以下固定选择统一动作尺度方案：各关节 scale=0.25 rad/action。按关节扩展尺度的方案在下一节单独说明，不把两种设置拼成同一张“当前参数表”。Kp 单位为 N·m/rad，Kd 单位为 N·m·s/rad。表中频率与阻尼比仅以 armature 为标量惯量反算：

这些频率是简化模型的计算结果，不是带宽测试。比如腿部落地后有效惯量和外力改变，同一组 Kp、Kd 不会自动维持表中的极点。

踝关节的 728.58 与 60 到底差在哪里

同样使用 armature 0.1845504，公式迁移得到 Kp=728.58、Kd=46.38；当前配置则为 Kp=60、Kd=1.5。比例增益约低 12.14 倍，阻尼增益约低 30.92 倍。armature 没有随之改成另一数值。

固定同一姿态、零速度和 0.1 rad 位置误差，公式组要求 72.86 N·m，超过 42 N·m 的力矩上限；配置组要求 6 N·m。在这一瞬间，前者会进入饱和。固定零位置误差、1 rad/s 的速度，阻尼项则分别要求 −46.38 与 −1.5 N·m。Kp 对位置误差起作用，Kd 对速度起作用，不能合并成一个“硬度系数”。

再考虑动作映射：公式组按四分之一力矩规则取 scale≈0.01441，单位动作在默认姿态附近对应 10.5 N·m；配置组 scale=0.25，对应 15 N·m。可见 Kp 降了，单位动作产生的比例力矩反而更大，因为目标角度的缩放同时改变了。

还可以把力矩上限换算成一个更直观的位置误差尺度。忽略速度项和其他力矩，在静止状态下，达到比例力矩饱和的误差为：

同样是 42 N·m 上限，公式组约在 0.0576 rad（3.30°）处饱和，配置组则为 0.7 rad（40.11°）。这不是允许机器人偏差这么大的建议，而是说明高 Kp 为什么更容易把小误差变成饱和请求。实际运动中，阻尼力矩也占用力矩预算，触发饱和的误差还会随速度和方向变化。

这套 BeyondMimic 适配复用了逐际速度跟踪训练中的名义 Kp/Kd，没有沿用 G1 的 10 Hz、阻尼比 2 参数化。但复用增益不代表复用了整个执行器接口：隐式／显式求解、延迟、限幅和动作零点仍有区别。

逐际 SDK 的行走参数是另一组

下面对照 SDK 随附的 walk 控制器与独立速度跟踪训练。SDK 一列指这里核对的版本，不代表厂商所有策略或后续版本。每格按 Kp / Kd / scale 排列，单位依次为 N·m/rad、N·m·s/rad、rad/action；训练一列的 Kp/Kd 也就是上面的 BeyondMimic 适配增益。

踝关节最能说明区别：SDK 的 Kp 更高，Kd 约为训练配置的 7.95 倍，但 scale 更小。在各自默认姿态、零速度且未饱和时，单位动作的比例力矩分别是 93.65 × 0.1121 ≈ 10.50 N·m 和 60 × 0.25 = 15 N·m。因此“SDK 的 Kp 更大”不能推出“同一个网络动作产生更大的力矩”。

SDK 中踝和腰 roll/pitch 的用户力矩预算为 80 N·m，腰 yaw 为 42 N·m；速度跟踪训练中这三组均为 42 N·m。SDK 的踝 scale 虽然恰好对应约 10.5 N·m/action，却不是其 80 N·m 预算的四分之一。不能把所有参数倒推成同一个 0.25 × 力矩上限 / Kp 公式。

SDK 在目标角上限幅，Omni 在力矩上限幅

SDK 根据当前角度和速度，先算出允许的动作区间。把代码整理为单关节形式：

1
2
3
4
5
6

budget = 0.95 * user_torque_limit
delta_min = q - q0 + (kd * dq - budget) / kp
delta_max = q - q0 + (kd * dq + budget) / kp
a = clip(a, delta_min / scale, delta_max / scale)
q_des = q0 + scale * a
# 下发 q_des、目标速度 0、kp、kd；前馈力矩为 0

这个区间由 −budget ≤ kp × (q_des − q) − kd × dq ≤ budget 解出。关节已经偏离默认姿态或正在运动时，区间也随之变化，因此它不是固定的动作范围。它约束的是采样状态下的名义 PD 请求，不是对下一时刻真实力矩或接触力的保证。

Omni 的这套交互适配则先在动作模块中计算 PD 力矩，再裁到力矩预算的 95%。例如踝的预算为 42 N·m，最终裁剪阈值为 39.9 N·m；SDK 踝关节的相应目标投影预算为 76 N·m。两处都有 0.95，实际限制仍不同。Omni 的 Isaac Sim 执行器增益设为零，是因为 PD 已在上游计算并作为力矩传入，不能据此判断“没有 PD”。

Omni 还优先使用逐关节动作尺度：髋 pitch 为 0.60、膝为 0.55、肩 pitch 为 0.70、肘为 0.50、头部为 0。配置中的统一 0.25 是后备值，不会覆盖这张逐关节表。以肘为例，同样 Kp=70，速度跟踪训练的单位动作对应 17.5 N·m，Omni 对应 35 N·m；BeyondMimic 的扩展尺度方案又是另一组数值，见下一节。

9. Action scale、默认姿态和限幅各管哪一段

动作先变成位置目标，再变成力矩：

0.25 与 0.6 为什么都会出现

统一尺度方案中所有关节取 0.25；按动作范围扩展的另一方案中，例如左右肘取 0.6，左肩 pitch 为 0.85，右肩 pitch 为 0.70，头部取 0。左右数值不同，反映的是这段动作各关节需要的目标范围，并不是左右电机惯量因此不同。

若某关节相对默认姿态要到达 1.2 rad，scale=0.25 需要动作 4.8，scale=0.6 则需要动作 2。可用参考等效动作检查范围：

扩展方案按参考幅值把等效动作控制在大约 3.2 以内。这是范围设计目标，不是策略输出被硬裁到 ±3.2，也不保证动力学能完成参考。scale=0 的关节必须单独处理：目标始终为默认角，不能用上式除以零。

以肘关节 Kp=70、力矩上限=42 为例，在默认姿态且速度为零时，scale=0.25 对应 17.5 N·m/action，比例项在动作约 2.4 时达到上限；scale=0.6 对应 42 N·m/action，动作约 1 就到上限。扩大目标范围同时放大了动作到力矩的增益。

默认角也必须成套使用。这里统一尺度方案的默认肘角为 +0.4 rad，另一动作适配方案为 −0.2 rad。相同动作 0 会相差 0.6 rad；两套网络与默认姿态互换后，即使 scale 不变，命令也已经改变。

软限位 0.9 与 1.0 改变的是惩罚边界

原生 G1 和逐际速度跟踪训练的软限位系数为 0.9，本文 BeyondMimic 适配为 1.0。设硬限位为 [−1, 1] rad，0.9 对应软范围 [−0.9, 0.9]，1.0 则保留完整硬范围。参考角 0.95 rad 在前者中产生 0.05 rad 越界代价；在后者中没有软限位代价。真实硬限位并未因此消失。

参考本来就接近关节极限时，缩小软范围会使跟踪奖励和限位惩罚互相冲突。是否缩小，应结合参考覆盖、机械余量和实际限位保护决定。

10. 控制频率、隐式 PD 与显式 PD

基础配置的仿真步长 0.005 s、decimation 4，策略周期为 0.02 s，即 50 Hz。策略每 20 ms 更新目标，仿真在中间继续推进。适配执行器还配置了 0–4 个物理步的随机动作延迟，对应 0–20 ms；分阶段训练的初始阶段缩为 0–2 步，即 0–10 ms。延迟步数使用物理时钟，不能乘策略周期后误写成 0–80 ms。

原生 G1 使用隐式执行器，本文适配使用带延迟的显式 PD。隐式执行器由求解器内部处理驱动器与约束，显式 PD 在当前状态直接算力矩后交给物理系统积分；相同 $K_p,K_d$ 在不同步长、求解器与饱和实现下不保证完全一致。

逐际速度跟踪训练也使用隐式执行器，策略同为 50 Hz。SDK 行走控制器的默认命令循环为 1000 Hz，每 10 次循环推理一次，对应名义 100 Hz；实际频率还取决于启动配置和运行耗时。不能将这个默认值当作所有逐际策略的推理频率。

5 与 23 rad/s：字段不同，不能直接比较成硬限速

速度跟踪训练把腿部 velocity_limit_sim 设为 5 rad/s，踝为 13.6 rad/s，这些值交给物理求解器。BeyondMimic 适配在 DelayedPDActuator 中填的是 velocity_limit：腿部 23、踝 30 rad/s。后者是执行器模型字段，不等于 velocity_limit_sim。

这里的延迟 PD 继承理想 PD，力矩裁剪只读取 effort_limit，没有使用速度—力矩曲线。因此仅填写 velocity_limit=23，不能证明求解器会在 23 rad/s 硬限速，也不能证明超过该速度后电机力矩会衰减。要判断最终行为，需要检查加载后的求解器速度限值与实际执行器类型；DC motor 模型的速度相关饱和是另一种实现。Isaac Lab：执行器模型与限值字段

调参时应同时记录：仿真频率、策略频率、驱动更新频率、是否有 action delay、关节目标滤波、力矩／速度限值。把仿真从 200 Hz 改为 100 Hz，而只检查 reward 配置不变，不算控制系统保持不变。

11. 碰撞模型：几何、碰撞对和奖励是三层不同的设置

机器人外观正确，不等于碰撞模型正确。visual 决定画面，collision 决定接触几何，inertial 决定连杆质量与惯量。把足部碰撞网格换成盒体，通常是为了控制接触形状；质量和惯量是否变化，要看导入后的惯性属性是否被保留或重新计算。

逐际速度跟踪训练加载的是预制 USD，配置关闭内部自碰撞；BeyondMimic 适配从 URDF 导入，另有导入后修改碰撞体和碰撞对的扩展。两者即使使用同一平台、同样的关节增益，也不能假定碰撞网格、凸近似和过滤规则相同。下面的足部盒体与 8 对白名单专指 BeyondMimic 的选择性碰撞扩展，不是逐际 SDK 或速度跟踪任务的默认模型。预制 USD 的实际碰撞体还需在场景中展开核对，不能用 URDF 的尺寸代替。

足部为什么要只留盒体

这个适配模型的每只脚原本有两个碰撞体：一个长宽高为 0.25 × 0.094 × 0.02 m 的盒体，以及一份细节网格。只增加盒体而不关闭原网格，并不能让接触只发生在盒体上。

盒体中心相对足部刚体原点为 (0.018, 0, −0.0535) m，没有额外旋转。因此在该局部坐标系中，它覆盖：

这不是世界坐标中的地面高度。需要用足部刚体位姿把盒体变换到世界系，再判断是否接地。足部无旋转时，若初始化只让“脚的刚体原点”贴住地面，实际盒体会穿进地面 6.35 cm；求解器随后执行分离修正，机器人可能在第一步就被弹起。

选择性碰撞方案关闭了两脚的非盒体碰撞几何，保留可见网格。这样地面和另一只脚看到的是同一个平底盒体。代价是脚尖、脚跟曲面被简化，侧向擦碰也按盒体计算；它是否适合某段动作，需要检查实际支撑和近距离交叉姿态。

网格还可能经过凸包或凸分解。单个凸包会填掉凹陷，画面中两块零件之间有缝，碰撞近似却可能已经重叠。应查看实际碰撞体叠加，不能仅凭原始 STL 的外观判断。Isaac Sim：碰撞近似

自碰撞为什么不能只看一个布尔开关

原生 G1 配置启用自碰撞；本文适配的基础方案关闭内部自碰撞，保留机器人与地面、外部物体的接触。选择性方案则打开总开关，再过滤具体刚体对：

这是 8 对白名单，不是所有非相邻刚体都开启碰撞。手肘—躯干等未列出的组合，不能声称已受到物理自碰撞保护。地面和外部物体不在这份内部过滤名单里。

这样做的原因是，相邻关节附近的完整网格可能在合法姿态下重叠。直接全部开启，会让求解器试图分离本来应装配在一起的部件；全部关闭，又会放过双脚交叉穿透或手穿入躯干。白名单保留这段动作关心的组合，同时避开尚未整理好的其余碰撞体。更完整的模型仍需逐对清理几何与过滤规则。

对应的实现逻辑是：

1
2
3
4
5
6
7
8

# 碰撞配置的逻辑示意；几何和过滤作用于导入后的资产
for foot in (left_foot, right_foot):
    disable_non_box_colliders(foot)  # 只关碰撞，不隐藏 visual

for body_a, body_b in internal_body_pairs:
    if unordered_pair(body_a, body_b) not in allowed_pairs:
        filter_collision(body_a, body_b)
# 不把地面或外部物体加入这份内部过滤

关掉 debug_vis 只是不画调试标记；关闭某个碰撞体才会改变接触物理；从奖励名单移除某个刚体则只改变学习目标。三个操作不能相互替代。

接触参数的数值分别控制什么

本例没有在机器人配置中显式覆盖后两项，不能把“未填写”写成“实际为零”。应查看导入资产上的最终属性。二者的长度单位是 m，与下面奖励中的 1 N、2 N 阈值没有换算关系。Isaac Lab：碰撞属性定义

还要把摩擦与接触几何分开。基础任务给机器人材质采样静摩擦 0.3–1.6、动摩擦 0.3–1.2、恢复系数 0–0.5；分阶段训练的初始阶段改为 0.6–1.3、0.5–1.1、0–0.1，后续阶段扩为 0.4–1.4、0.35–1.1、0–0.1。这些是材质随机化范围，并非某个训练完成后测出的常数，也不是奖励权重。

实际接触系数还取决于地面材质和 combine mode。地面的摩擦系数设为 1，组合模式为 multiply；若接触对最终采用乘法，机器人一侧的 0.6 与地面的 1 组合后仍为 0.6。缩小恢复系数范围是减少弹跳的不确定性，不能修复初始几何已经穿透的问题。

接触惩罚：1 N、2 N、50 N、80 N 并不是一类阈值

基础 undesired_contacts 在选定身体的净法向接触力超过 1 N 后计数，不区分 10 N 与 100 N。选择性方案另加五项，用按碰撞对象筛选的力矩阵区分“脚踩地”和“脚撞脚”，并加入手靠近大腿的预警。

这里的 force_matrix_w 和 net_forces_w 按所用接口表示法向接触力，不包含完整的切向摩擦力。因此下面的力阈值也不能当作总接触载荷限制。Isaac Lab：接触传感器数据

表中各项先产生 [0,1] 的代价，再乘负权重与 0.02 s。50 N／80 N 只表示惩罚饱和，不会把真实接触力限制在该值。 42 N·m 则是某组关节的力矩限值，单位和作用位置都不同。

1
2

force = force_matrix.norm(dim=-1).amax(dim=(1, 2))
cost = ((force - 2.0) / (50.0 - 2.0)).clamp(0.0, 1.0)

1
2
3
4
5

segment = end - start
u = ((point - start) * segment).sum(-1) / segment.square().sum(-1).clamp_min(1e-9)
closest = start + u.clamp(0, 1)[..., None] * segment
distance = (point - closest).norm(dim=-1).amin(dim=1)
cost = ((0.25 - distance) / 0.04).clamp(0, 1)

先检查碰撞，再解释训练曲线

在 reset 后、第一次策略动作之前，先显示碰撞体与接触法线，检查足底高度、相邻部件穿透和异常接触。然后分别检查双脚交叉、手贴近躯干、手靠近大腿的姿态，确认名单里的接触会产生力，名单外的接触确实被过滤。

最后用同一策略、同一参考和同一随机种子比较“基础碰撞”和“选择性碰撞”。记录脚滑、身体接触力、力矩饱和与失败时刻，再判断变化来自几何、求解还是奖励。接触穿透造成的瞬时抖动，不能仅凭动作曲线就归因于 Kp 太大。

12. 如何验证参数，而不是靠动画判断

从单关节或小幅多关节阶跃开始，记录目标、实际角度、速度和力矩。分别改变目标幅值和初始姿态，判断是否出现饱和、延迟、耦合与接触影响。若要拟合二阶模型，应选未饱和、无显著碰撞的片段，并报告拟合残差。

进入整段动作后至少观察：跟踪位置误差、足滑、动作变化、饱和占比和跌倒时间。一个参数组如果把训练动作拟合得很好，却需要长期饱和，通常不是理想的迁移起点。

本文给出参数计算与模型差异分析，尚未报告这两组参数的实机阶跃响应或统一条件下的跟踪对照结果。

13. 从训练到部署，必须保留哪些约定

导出网络之前，先把以下内容当作一个整体冻结：关节名字和顺序、轴与零位、默认姿态、观测归一化、四元数顺序、action offset 与 scale、PD、周期和终止逻辑。

同一帧离线数据，训练环境与部署代码应生成数值一致的观测；同一个策略输出，应生成一致的关节目标。先用确定输入做逐级比对，再做物理回放。否则看似“sim-to-real gap”的问题，可能根本没有到物理层。

逐际的两个行走接口已经能给出具体反例：SDK 行走网络输入为 102 × 5 = 510 维，按完整帧堆叠，最新帧在前；独立速度跟踪策略为 104 × 5 = 520 维，多了二维步态相位，并按观测项分别堆叠五帧，每项内部从旧到新。SDK 的角速度缩放为 0.25，训练接口为 0.2。SDK 配置虽然保留步态频率字段，实际观测拼接没有启用步态项；应以送入网络的张量为准。

动作零点同样不同：SDK 的髋 pitch／膝／踝 pitch 默认角为 −0.15／0.30／−0.16 rad，速度跟踪训练为 −0.25／0.55／−0.30 rad。关节数组顺序也需按名称重排，不能因为都是 31 个动作就直接对接。只替换网络文件，输入维度、历史顺序、归一化和动作解释都可能同时出错。

参考与参数边界

• BeyondMimic、公开代码：跟踪框架及 G1 参数化。
• MuJoCo 建模文档、armature 定义。
• 本文数值对应上述执行器适配案例；并联到串联的惯量处理属于模型近似。计算表说明数值关系，不宣称已完成真实执行器辨识或证明某组参数最优。