1. 项目概述当强化学习遇见双足机器人如果你在机器人圈子里待过一阵子肯定听过“Sim2Real”这个词——它几乎是所有前沿机器人研究项目绕不开的终极挑战。简单来说就是你在仿真环境里训练得再好的模型一旦放到现实世界往往就“傻”了。光线、摩擦力、电机响应、地面材质……任何一个微小的差异都可能导致灾难性的失败。而这次我们要聊的就是一个典型的、硬核的Sim2Real实战项目利用Isaac Lab和ROS 2为PAL Robotics的KANGAROO人形机器人训练一个强化学习平衡策略并最终部署到实体机器人上。这听起来像是一个标准的学术研究流程但实际操作起来每一步都充满了工程上的“坑”。KANGAROO不是一个简单的轮式机器人它是一个复杂的双足人形平台其平衡控制本身就是机器人学里的经典难题。用强化学习RL来解决这个问题意味着我们要让AI在虚拟世界里通过无数次“摔倒”和“站起”学会走路然后再把这份“虚拟经验”安全、可靠地迁移到价值不菲的真实机器人身上。这不仅仅是算法问题更是一个涉及仿真物理引擎精度、机器人中间件、实时通信和硬件接口的系统工程。我之所以对这个项目感兴趣是因为它精准地踩在了当前机器人研发的几个关键趋势上GPU加速的高保真仿真Isaac Lab、模块化且实时的机器人框架ROS 2、以及数据驱动的端到端控制强化学习。接下来我将拆解这个项目的完整实现路径分享从环境搭建、策略训练到真实部署的核心细节与避坑指南。无论你是想复现类似工作还是正在规划自己的Sim2Real项目这些经验或许能帮你省下不少折腾的时间。2. 核心需求解析为什么是KANGAROO、Isaac Lab与ROS 2在动手之前我们必须想清楚工具链选型背后的逻辑。一个成功的Sim2Real项目其技术栈的每一环都必须为“缩小仿真与现实差距”这个核心目标服务。2.1 机器人平台PAL Robotics KANGAROO的选择考量KANGAROO是PAL Robotics推出的一款研究级双足人形机器人。选择它而非更常见的UR机械臂或TurtleBot主要基于几个深层需求动态平衡的复杂性轮式机器人或机械臂的平衡问题相对简单或不存在而双足行走是典型的欠驱动、非线性、动态平衡问题。这为RL算法提供了一个极具挑战性的测试床其学到的策略也更具普适性和研究价值。完善的ROS 2支持PAL Robotics的机器人通常提供开箱即用的ROS 2驱动包、URDF模型和Gazebo仿真。这意味着我们不需要从零开始编写硬件接口可以专注于高层控制策略的开发。社区支持和文档的成熟度能极大降低集成难度。研究友好性KANGAROO的关节通常配备高精度编码器和力矩传感器能提供丰富的状态反馈关节位置、速度、力矩这对于训练和评估平衡策略至关重要。同时其机械结构也允许一定程度的“摔倒”而不造成严重损坏当然我们尽量避免。注意如果你手头没有KANGAROO这套方法论同样适用于任何一款提供良好ROS 2接口和仿真模型的双足或足式机器人例如Unitree的Go1/A1或基于开源设计DIY的机器人。核心在于获取准确的URDF模型和可靠的底层电机控制接口。2.2 仿真引擎为何从Isaac Sim聚焦到Isaac LabNVIDIA的Isaac Sim是一个功能强大的机器人仿真平台而Isaac Lab是其一个更专注于强化学习研究的分支或工作流。对于我们的项目Isaac Lab提供了几个不可替代的优势为RL量身定制Isaac Lab内置了与主流RL框架如RLlib, Stable Baselines3深度集成的接口。它提供了标准的VecEnv向量化环境支持成千上万个环境实例并行运行充分利用GPU加速将训练时间从几天缩短到几小时。高保真物理与传感器仿真其基于PhysX 5的物理引擎能够模拟复杂的接触动力学这对于双足机器人脚与地面的交互至关重要。它可以生成逼真的深度相机、激光雷达等传感器数据虽然本项目平衡可能主要依赖本体感知但这为后续扩展如视觉伺服行走留出了空间。GPU加速与可扩展性所有物理计算和渲染都在GPU上完成环境并行化效率极高。这意味着你可以在单台多GPU服务器上同时运行数万个机器人实例进行探索这是传统CPU仿真器如Gazebo难以企及的。与ROS 2的原生桥接Isaac Lab提供了isaac_ros_bridge扩展可以以极低的延迟将仿真中的机器人状态发布为ROS 2话题并订阅ROS 2控制指令。这保证了仿真中的训练接口与真实机器人的部署接口高度一致是Sim2Real成功的关键。2.3 中间件与部署ROS 2的核心作用ROS 2在这里不是可选项而是必须项。它扮演着“粘合剂”和“标准化接口”的角色统一的通信层在仿真中我们的RL策略作为一个ROS 2节点运行它订阅/joint_states状态发布/joint_trajectory或/joint_command控制指令。部署到真机时完全相同的策略节点可以不经修改或仅微调地运行只需将话题连接到真实的机器人驱动节点。这种一致性极大地简化了部署流程。系统解耦与实时性ROS 2的DDS通信机制提供了可靠的实时数据分发。控制循环可以严格定时运行传感器数据流和控制指令流被清晰地分离开。这使得我们可以将计算密集型的RL推理放在性能强大的工控机或服务器上而将低延迟的关节控制放在机器人自带的嵌入式控制器中。工具链与生态RViz用于可视化ros2 bag用于记录和回放数据ros2 launch用于管理复杂的启动文件。这些工具在调试仿真环境和真机系统时不可或缺。核心思路总结我们的技术栈构成了一个清晰的流水线在Isaac Lab中创建高保真的KANGAROO仿真环境利用其并行能力使用强化学习算法训练平衡策略。训练时策略通过ROS 2桥接与仿真环境交互。训练完成后将策略打包成一个ROS 2节点这个节点可以几乎无缝地切换到与真实的KANGAROO机器人硬件进行通信完成Sim2Real的跨越。3. 环境搭建与仿真建模打造高保真“数字孪生”仿真环境的质量直接决定了Sim2Real的迁移成功率。一个与真实世界差异过大的仿真训练出的策略毫无用处。这一步的目标是建立一个尽可能贴近真实KANGAROO的“数字孪生”。3.1 获取并导入机器人模型首先你需要KANGAROO精确的URDF模型。通常可以从PAL Robotics的官方GitHub仓库或支持页面获取。# 假设PAL Robotics提供了ROS 2包 git clone https://github.com/pal-robotics/kangaroo_robot.git cd ~/ros2_ws colcon build --packages-select kangaroo_description kangaroo_control source install/setup.bash在Isaac Lab中导入URDF模型打开Isaac Lab进入Assets - Import。选择URDF文件通常是kangaroo_description/urdf/kangaroo.urdf。Isaac Lab会自动解析URDF并导入网格文件和关节结构。关键步骤检查并校准惯性参数。URDF中的质量、质心、惯性张量参数至关重要。如果官方提供的参数不够精确你需要通过实物测量或系统辨识来修正。不准确的惯性参数会导致仿真动力学与真实情况严重偏离。3.2 构建强化学习环境在Isaac Lab中我们通过Python API来构建RL环境。核心是创建一个继承自omni.isaac.lab_tasks中某个基类的环境。# 示例简化版的环境定义框架 import omni.isaac.lab_tasks as tasks from omni.isaac.lab_tasks.utils import wrappers import torch class KangarooBalanceEnv(tasks.ManipulationTask): def __init__(self, **kwargs): super().__init__(**kwargs) # 1. 定义观测空间 (Observation Space) # 通常包括关节位置、关节速度、躯干姿态欧拉角/四元数、躯干角速度、脚底接触力等。 self._observation_space spaces.Box(low-np.inf, highnp.inf, shape(observation_dim,)) # 2. 定义动作空间 (Action Space) # 对于平衡控制通常是目标关节位置或关节力矩。这里以位置控制为例。 self._action_space spaces.Box(low-1.0, high1.0, shape(action_dim,)) # 3. 设置奖励函数 (Reward Function) # 这是RL训练的灵魂需要精心设计。 self.reward_weights { alive: 1.0, # 存活奖励鼓励机器人不要摔倒 upright: 2.0, # 躯干直立奖励 joint_vel: -0.01, # 关节速度惩罚防止抖动 action_smooth: -0.001, # 动作平滑性惩罚 energy: -0.005, # 能耗惩罚 } def _setup_scene(self, scene): # 在场景中生成机器人 self._robot KangarooRobot(prim_path/World/Kangaroo, namekangaroo) # 可能还需要添加地面、扰动平台等 self._ground GroundPlane(prim_path/World/GroundPlane) def _get_observations(self): # 从机器人对象中读取当前状态组装成观测向量 joint_pos self._robot.get_joint_positions() joint_vel self._robot.get_joint_velocities() base_quat self._robot.get_base_orientation() base_ang_vel self._robot.get_base_angular_velocity() # ... 可能还有脚部接触传感器数据 obs np.concatenate([joint_pos, joint_vel, base_quat, base_ang_vel]) return obs def _apply_actions(self, actions): # 将RL策略输出的动作归一化后的值转换为真实的关节控制指令 # 例如将[-1, 1]映射到关节位置上下限 target_positions self._action_scale * actions self._action_bias self._robot.set_joint_position_targets(target_positions) def _compute_reward(self): # 根据当前状态计算各项奖励分量 reward 0.0 reward self.reward_weights[alive] * self._is_robot_upright() reward self.reward_weights[upright] * self._get_upright_reward() reward self.reward_weights[joint_vel] * np.sum(np.square(self._robot.get_joint_velocities())) # ... return reward def _is_done(self): # 终止条件机器人摔倒躯干倾斜角过大或质心高度过低 return not self._check_robot_standing()实操心得奖励函数设计是门艺术稀疏奖励 vs. 稠密奖励对于平衡任务直接给“成功站立”的稀疏奖励很难学习。必须设计稠密奖励引导机器人逐步找到平衡点。上述示例中的“直立奖励”、“速度惩罚”就是典型的稠密奖励。奖励塑形可以加入一些启发式奖励例如鼓励脚掌与地面保持平行或者鼓励躯干高度维持在一定范围。权重调参奖励项权重的调整对训练收敛速度和最终策略性能影响巨大。通常需要大量实验。一个技巧是先让机器人学会“活着”给大的存活奖励再让它学会“站好”逐步增加直立奖励的权重。3.3 配置物理参数与域随机化这是Sim2Real的核心技巧。为了让策略适应真实世界的不确定性我们必须在仿真中引入这些不确定性这个过程叫“域随机化”。物理参数随机化质量与惯性在每次环境重置时随机扰动机器人各连杆的质量±5%和惯性张量±10%。摩擦系数随机化脚掌与地面之间的动/静摩擦系数。电机模型在仿真中模拟电机的响应延迟、扭矩饱和和阻尼。可以随机化PD控制器的增益。传感器噪声为关节编码器和IMU惯性测量单元的读数添加高斯白噪声和偏置。视觉与外观随机化如果使用视觉随机化地面纹理、颜色、光照条件、阴影等。在Isaac Lab中实现 可以在环境类的reset()方法中动态修改USD场景中物理属性的Prim。def reset(self, seedNone): # ... 重置机器人状态 ... # 域随机化 if self._dr_params: # 随机化摩擦 for foot_prim in self._foot_prims: physx_mat UsdPhysics.MaterialAPI.Apply(foot_prim) friction np.random.uniform(low0.5, high1.2) physx_mat.CreateStaticFrictionAttr().Set(friction) physx_mat.CreateDynamicFrictionAttr().Set(friction * 0.8) # 随机化质量 for link_prim in self._link_prims: mass_api UsdPhysics.MassAPI.Apply(link_prim) original_mass mass_api.GetMassAttr().Get() new_mass original_mass * np.random.uniform(0.95, 1.05) mass_api.GetMassAttr().Set(new_mass)重要提示域随机化的范围需要根据对真实系统的了解来设定。过小的随机化起不到泛化作用过大的随机化则可能导致训练无法收敛。一个稳妥的策略是从较小的随机化范围开始随着训练进行逐步扩大。4. 强化学习策略训练在虚拟世界中“学走路”有了高保真且充满随机性的仿真环境接下来就是训练RL策略。这里我们选择PPOProximal Policy Optimization算法因为它相对稳定在连续控制任务中表现良好。4.1 训练框架与参数配置我们将使用Isaac Lab内置的或与外部集成的RL训练管理器。这里以Isaac Lab结合RLlib为例。# 示例train_config.yaml framework: torch env: KangarooBalanceEnv env_config: num_envs: 4096 # 关键利用Isaac Lab的并行能力 episode_length_s: 10 # 每回合最长10秒 # ... 其他环境参数 algorithm: PPO model: fcnet_hiddens: [256, 256] fcnet_activation: tanh vf_loss_coeff: 0.5 entropy_coeff: 0.01 lr: 3e-4 gamma: 0.99 lambda: 0.95 sgd_minibatch_size: 2048 num_sgd_iter: 10 train_batch_size: 65536 # 应与 num_envs * episode_length 匹配 clip_param: 0.2 use_gae: True evaluation_interval: 50 # 每50次训练迭代评估一次 evaluation_duration: 10 # 评估时运行10个回合 evaluation_config: env_config: num_envs: 64 domain_randomization: False # 评估时关闭随机化看“纯净”性能 checkpoint_freq: 100关键参数解读num_envs: 4096这是Isaac Lab的优势所在。4096个环境并行采样意味着每一步都能获得海量数据极大加速训练。episode_length_s: 10对于平衡任务10秒足够评估策略的稳定性。太短学不到长期平衡太长则增加计算负担。train_batch_size需要足够大以包含多样化的经验。通常设置为num_envs * episode_length_in_steps的整数倍。evaluation务必定期在关闭域随机化的环境下评估策略。这是监控策略在“标称”仿真环境中性能的唯一方式也是判断其是否过拟合到随机化参数的关键。4.2 训练过程监控与调试训练启动后监控至关重要。除了看总奖励曲线更要关注分解的奖励项和关键状态量。奖励曲线总奖励应稳步上升并最终趋于平稳。如果奖励剧烈震荡或下降可能是学习率过高、批次大小不合适或奖励函数设计有缺陷。状态监控躯干倾斜角应围绕0度小幅波动。如果出现持续的大角度偏移说明策略可能找到了“作弊”的平衡方式比如靠墙。关节位置与速度检查是否在合理的物理范围内避免出现高频抖动关节速度惩罚项应能抑制此现象。脚底接触力在双足站立时接触力应平稳分布。如果出现单脚瞬间离地或冲击力过大需要调整奖励函数或物理参数。可视化回放定期用Isaac Lab或RViz回放评估阶段的策略表现。直观观察机器人的姿态、平稳度。踩坑记录策略“作弊”在一次训练中策略很快获得了高奖励但可视化发现机器人以一种极其扭曲的姿势“蹲”在地上躯干几乎贴地。原来奖励函数中“存活奖励”权重过大而“直立奖励”权重太小机器人发现只要不摔倒就能得分于是找到了这个能量最低的稳定姿态。解决方法调整奖励权重增加对躯干高度和姿态的奖励并加入对膝关节过度弯曲的惩罚。4.3 策略导出与封装训练完成后我们需要将训练好的策略模型通常是.pt或.pth文件封装成一个独立的、可执行的推理模块。# policy_inference_node.py import rclpy from rclpy.node import Node from sensor_msgs.msg import JointState from trajectory_msgs.msg import JointTrajectory, JointTrajectoryPoint import torch import numpy as np class KangarooBalancePolicyNode(Node): def __init__(self, policy_checkpoint_path): super().__init__(kangaroo_balance_policy) # 加载训练好的策略模型 self.policy torch.jit.load(policy_checkpoint_path).to(cuda if torch.cuda.is_available() else cpu) self.policy.eval() # ROS 2 订阅与发布 self.subscription self.create_subscription( JointState, /kangaroo/joint_states, # 真实或仿真的关节状态话题 self.joint_state_callback, 10) self.publisher self.create_publisher( JointTrajectory, /kangaroo/joint_trajectory_controller/command, # 控制指令话题 10) self.obs_buffer None self.control_hz 50 # 控制频率需与训练时一致 self.timer self.create_timer(1.0 / self.control_hz, self.control_loop) def joint_state_callback(self, msg): # 将ROS消息转换为策略观测向量 # 注意需要按照训练时观测空间的顺序和归一化方式处理数据 joint_pos np.array(msg.position)[:12] # 假设前12个是驱动关节 joint_vel np.array(msg.velocity)[:12] # 从IMU话题获取躯干姿态和角速度... # imu_msg self.imu_subscriber.get_last_msg() # ... self.obs_buffer np.concatenate([joint_pos, joint_vel, ...]) def control_loop(self): if self.obs_buffer is None: return # 将观测转换为Tensor并添加批次维度 obs_tensor torch.from_numpy(self.obs_buffer).float().unsqueeze(0) if torch.cuda.is_available(): obs_tensor obs_tensor.cuda() with torch.no_grad(): action_tensor self.policy(obs_tensor) action action_tensor.cpu().numpy().squeeze() # 将动作归一化后转换为目标关节位置 target_positions self._denormalize_action(action) # 发布ROS控制指令 traj_msg JointTrajectory() traj_msg.joint_names [fjoint_{i1} for i in range(12)] point JointTrajectoryPoint() point.positions target_positions.tolist() point.time_from_start rclpy.duration.Duration(seconds1.0/self.control_hz).to_msg() traj_msg.points.append(point) self.publisher.publish(traj_msg) def _denormalize_action(self, normalized_action): # 根据训练时的动作缩放和偏置进行反归一化 return self.action_scale * normalized_action self.action_bias这个节点是连接仿真与现实的核心桥梁。在仿真中测试时它订阅Isaac Lab通过ROS桥发布的状态在真机部署时它订阅真实机器人的驱动板反馈的状态。5. Sim2Real部署实战从虚拟到现实的惊险一跃这是最激动人心也最令人紧张的环节。我们将把在仿真中千锤百炼的策略部署到真实的KANGAROO机器人上。5.1 部署前仿真验证在触碰真机之前必须在仿真中进行最严格的闭环测试。关闭域随机化测试在完全“干净”的仿真环境中长时间运行策略例如1小时观察其是否能在各种初始扰动下恢复平衡。可以使用Isaac Lab施加脉冲力或倾斜平台来模拟外部干扰。延迟与抖动测试在ROS 2网络中引入模拟的网络延迟和数据包丢失测试策略的鲁棒性。可以使用tc命令模拟网络延迟。传感器噪声测试在状态观测的回调函数中加入与真实传感器特性匹配的噪声如IMU的漂移确保策略对此不敏感。控制频率一致性测试确保仿真中的控制频率如50Hz与真机部署时的控制频率严格一致。频率不匹配会导致动力学差异。5.2 真机部署步骤与安全措施安全第一双足机器人摔倒可能造成自身损坏或人员危险。硬件准备将运行策略的工控机通过低延迟网络最好是有线与KANGAROO的控制器连接。确保机器人有充足的电量并在关节处安装物理限位或使用软件限位。准备急停开关并确保操作员熟悉其位置和使用方法。在机器人周围铺设柔软的垫子。软件部署在工控机上安装与仿真环境相同版本的ROS 2和PyTorch。将封装好的策略节点policy_inference_node.py及其依赖模型文件拷贝到工控机。启动KANGAROO机器人的底层驱动和状态发布节点。通常PAL Robotics会提供kangaroo_bringup这样的启动包。关键话题重映射。确保策略节点订阅的话题名称如/kangaroo/joint_states与真机发布的话题名称完全一致。如果不一致在启动节点时使用ros2 run ... --remap进行重映射。分阶段上线阶段一零重力/阻尼模式先将机器人的控制器设置为重力补偿模式或高阻尼模式。运行策略节点但不发送力矩指令只记录策略输出的目标位置。对比这些目标位置与机器人当前实际位置检查策略输出是否合理、平滑。阶段二位置控制切换到位置控制模式但将目标位置设置为当前实际位置即零指令。然后缓慢地将策略输出的位置指令以很小的系数如0.1混合进去观察机器人关节的微小运动是否符合预期。阶段三逐步增加权重在确保安全的前提下逐步增大混合系数从0.1到0.5再到1.0。这个过程要慢随时准备急停。阶段四全权控制当策略能稳定控制机器人做微小运动后尝试让机器人从坐姿站起或维持站立平衡。始终有人手持急停开关在一旁监护。5.3 现场调试与在线适应即使仿真再完美真机上也一定会出现问题。常见的现象和调试思路现象可能原因调试与解决思路高频抖动策略输出动作频率过高或包含高频噪声真实电机响应延迟与仿真不符控制器增益过高。1. 在策略输出后加入低通滤波器。2. 检查仿真中的电机延迟模型是否准确。3. 降低真机底层位置控制器的P增益。缓慢漂移后摔倒仿真与真实的系统偏差如质心偏差、地面摩擦差异导致稳态误差累积。1.在线适应在策略观测中增加一个可学习的偏置项或在动作输出后增加一个积分项来补偿稳态误差。2. 在仿真中增加更多关于质量、摩擦的域随机化并重新训练。对微小扰动反应过度奖励函数中对于“直立”的奖励权重过大导致策略过于“僵硬”。1. 在真机上录制扰动数据回灌到仿真环境中进行域自适应微调训练。2. 在动作输出中引入少量探索噪声让策略在线学习适应。无法从大扰动中恢复仿真中的扰动训练不够充分或策略未见过大角度恢复的场景。1. 在仿真中专门训练“恢复”技能从随机的较大倾斜角度开始训练。2. 设计分层策略一个“平衡”策略处理小扰动一个“恢复”策略处理大扰动由状态机切换。在线适应技巧一种实用的方法是观测误差积分。在策略节点中持续计算期望的关节位置策略输出与实际关节位置的误差并对该误差进行积分或低通滤波。将这个积分值作为一个额外的反馈以较小的权重加到最终的控制指令中。这相当于在RL策略这个“前馈控制器”之外增加了一个简单的“反馈补偿器”可以有效抑制因模型不准导致的漂移。6. 性能评估与迭代优化部署成功并不意味着结束我们需要定量评估策略在真实世界的性能并据此迭代优化仿真和训练流程。6.1 评估指标设计不能只看“没摔倒”需要可量化的指标平均站立时间多次测试中机器人保持平衡躯干倾斜角小于阈值的平均时长。恢复成功率施加标准化的脉冲扰动如侧向轻推后机器人在规定时间内恢复平衡的比例。能量效率平均功率或扭矩的平方和衡量策略的能耗。关节运动平滑度关节位置或速度的导数jerk的均方根值值越小运动越平滑。最大抗扰动能力能承受并恢复的最大推力或平台倾斜角度。6.2 数据收集与仿真迭代真机运行是宝贵的数据来源。收集真机在平衡过程中的状态-动作对数据(s, a, s)。系统辨识利用收集到的数据可以反推更精确的机器人动力学参数如摩擦力系数、电机常数并更新仿真模型。域自适应将真机运行数据与仿真数据混合对策略进行微调Fine-tuning。或者使用真机数据训练一个“差异模型”来修正仿真到现实的差距。课程学习在仿真中根据真机暴露的薄弱环节如对特定方向的扰动恢复能力差设计更有针对性的训练课程。6.3 长期运行与鲁棒性测试最终让策略控制机器人进行长时间的站立测试例如连续运行8小时观察其是否会出现性能退化或意外行为。这可以检验策略的长期稳定性和泛化能力。7. 项目总结与延伸思考完成一个从Sim2Real的双足机器人平衡项目其价值远不止让一个机器人站稳。它验证了一整套基于现代仿真、学习和部署工具链的机器人开发流程的可行性。回顾整个过程我认为有几个关键点决定了项目的成败首先是仿真保真度与域随机化的平衡。仿真不必追求物理上的绝对精确但必须抓住影响任务的核心动力学因素。对于平衡任务质量分布、摩擦、电机响应模型是关键。域随机化不是越随机越好而是要有目的地覆盖真实世界可能出现的参数范围。其次是中间件的一致性。ROS 2在这里起到了至关重要的作用。它定义了一套清晰的数据接口使得策略代码在仿真和现实之间几乎可以无缝切换极大地简化了部署的复杂性。最后是谨慎、渐进式的部署策略。直接从仿真切换到真机全权控制是极其危险的。必须设计像“零重力测试”、“混合控制”这样的安全上线流程步步为营。这个项目可以作为一个起点向更多复杂任务延伸行走与步态生成将状态空间从单纯的躯干姿态扩展到步态相位训练动态行走。视觉伺服平衡在观测中引入摄像头图像让机器人能在不平整或有视觉特征的地面上保持平衡。全身协调操作在保持平衡的同时控制上肢完成开门、搬运等任务。工具在快速演进Isaac Lab、ROS 2以及新的物理引擎如NVIDIA Newton都在让仿真更真实、部署更便捷。但核心的挑战依然存在如何让AI智能体理解并适应物理世界的复杂性与不确定性。这个项目正是朝着这个方向迈出的扎实一步。当你看到自己训练的代码真正让一个实体机器人稳稳地站在面前并能抵抗你的轻轻推搡时那种连接虚拟与现实的成就感正是驱动我们不断探索的动力。
