企业官网建设流程全解析

GEAR-SONIC 是 NVIDIA 推出的自然人形机器人全身控制（Whole-Body Control）基础模型，仅凭一套统一策略就能驱动 Unitree G1 完成行走、跑步、跳跃、匍匐与双手操作。它的关键，就藏在训练配置中的奖励函数（rewards）、终止条件（terminations）与域随机化（domain randomization）三者的协同设计里。本文带你完整拆解这三者如何共同塑造出一个"既精准跟踪、又丝滑自然、还 sim-to-real 鲁棒"的运动策略。

一、先看整体：策略网络在整个管线中的位置

上图是 SONIC 的端到端数据流：输入接口（键盘/手柄/VR）或 Kinematic Planner 生成运动参考，Motion Manager 组织成多帧未来目标，最后交给由强化学习训练出的Policy网络输出关节动作。Policy 的"性格"——多精准、多平滑、多抗扰动——完全由训练时的奖励、终止与随机化配置决定。

三个官方 checkpoint 均附带完整训练配置，可直接打开研读：

• 默认版：sonic_release/config.yaml
• 低延迟遥操版：low_latency/config.yaml
• v1.1 版：sonic_v1_1/config.yaml

训练平台为 Isaac Lab（sim_type: isaacsim），采用 PPO + 4096 并行环境（num_envs: 4096），sim_dt: 0.005、decimation: 4，对应 50 Hz 控制频率。

二、跟踪误差奖励：用"高斯衰减"搭出容差漏斗

SONIC 的奖励主体是 6 项"跟踪误差"奖励，全部以高斯衰减形式计算（误差越小奖励越接近 1，std即容差带宽）：

权重梯度设计意图一目了然：上肢关键点（操作精度）> 身体相对位姿 > 整体速度 > 骨盆锚点；std则按任务难度从 0.1（腕部毫米级精度）放宽到 3.14（角速度大幅容差），形成一条"容差漏斗"。

完整定义见 low_latency/config.yaml#L624-L737。

三、防抖惩罚：让动作"丝滑"而不是"抽搐"

高跟踪权重天然会催生高频抖动——策略用快速小幅摆动去"硬凑"误差。SONIC 用一组负权重平滑项与之对冲：

注意anti_shake_ang_vel的"阈值 1.5"：只有当腕/头角速度显著超过参考的部分才被惩罚，慢动作不受影响。这正是"跟踪精度"与"观感自然"之间的精细权衡——5 点位置拿 2.0 的高权重保精度，防抖拿 1.5 的高阈值保自然。

四、终止条件：五道"失败边界"闸门

奖励告诉策略"哪里更好"，终止条件则定义"哪里算失败"，episode 立即结束并重置，形成离散负信号：

见 low_latency/config.yaml#L738-L786。

亮点是threshold_adaptive: true配合down_threshold: 0.75与root_height_threshold: 0.5：当参考动作本身"趴得低"（如匍匐、下蹲起身）时，绝对高度差阈值会自适应放宽，避免策略被"合理但贴地"的动作误杀。配合 10 sepisode_length_s，让低难度片段能完整跑通以积累正样本。

五、域随机化：铺平 Sim-to-Real 的"鲁棒性保险"

奖励与终止定义了任务本身，域随机化则保证策略在真机上面对传感器噪声、执行器漂移、载荷变化时依然可靠。SONIC 的随机化分两层：

1) 物理层事件（events，启动时生效）：

2) 外力扰动（仅训练时生效，train_only_events）：

• push_robot：每 4–6 秒给基座注入一次随机速度（x/y ±0.5、z ±0.2 m/s，yaw 角速度 ±0.78 rad/s），模拟人碰撞、踢碰等意外；评估时关闭，避免干扰评测。

3) 参考命令增广（commands.motion）：位置 ±0.05 m、yaw ±0.2 rad、速度 ±0.5 m/s、关节 ±0.1 rad，并开启freeze_frame_aug（冻结帧增广）与 0.5 概率上肢姿态融合，让策略学会"容忍不完美参考"。见 low_latency/config.yaml#L787-L880 与 low_latency/config.yaml#L337-L380。

此外，训练启用修正版自适应采样（adaptive_sampling，bin_size: 50、uniform_sampling_rate: 0.1、pre_failure_sample_window: 200）：失败会被归因到重置前跟踪的动作游标所在片段，系统自动对高失败率片段加权过采样——难例学得快，收敛效率显著提升。

六、三者协同：一套"塑形 — 边界 — 鲁棒"闭环

把三层设计叠在一起看，分工非常清晰：

1. 奖励函数做连续塑形：高斯衰减 + 权重梯度，把"像人一样自然"量化为可微的优化目标；
2. 终止条件设离散边界：摔倒、倾倒、脚腕失控立即断 episode，防止策略学到"晃着也能活"的坏梯度；
3. 域随机化拓宽分布：摩擦、质量、外力、参考噪声全维度扰动，迫使策略学到对失配鲁棒而非"背答案"。

三者互为制衡：没有终止，奖励会奖励"摇摇晃晃但不倒"的投机解；没有防抖惩罚，高跟踪权重必然产出抽搐动作；没有域随机化，训练曲线漂亮的策略一上真机就翻车。GEAR-SONIC 正是靠这套闭环，让一个策略统一覆盖行走、奔跑、匍匐、跳跃与双手协作，成为可落地的人形全身控制基础模型。

七、相关文件速查