前言
今年，人形机器人和机器狗频频出圈，成为热门话题。而对于这类机器人而言，运动控制无疑是核心技术之一。强化学习作为当前运动控制的主要方法之一，恰好也能充分发挥 RDK 系列板卡在模型推理方面的优势。因此，我们尝试在 RDK S100 上部署强化学习模型，并探索其在实际机器人平台上的应用。
本次实验机器人采用宇树科技的 Go2 机器狗，推理设备采用RDK S100（MLP模型小，资源占用极少，具体可见文末的资源占用），并选择复现 walk-these-ways-go2 项目。该项目基于 Walk These Ways 论文，该论文于 2022 年发表于Conference on Robot Learning。论文作者提出了一种新方法，即学习一个单一策略，该策略能够编码一组结构化的运动策略组，从不同角度解决训练任务。这种方法被称为行为多样性（Multiplicity of Behavior, MoB）。不同的运动策略在泛化能力上各有优势，使得机器人能够在实时任务或新环境中选择最合适的策略，而无需耗时的重新训练。此外，该项目提供了完整的工程实现，适合作为复现与优化的基础，因此我们最终选择了该方案进行部署与测试。整体流程分为三步：模型训练---->模型量化---->板端部署
1.模型训练
1.1 训练资源参考
1.2 环境搭建
搭建环境前请确认以下几点：
1. 确认用于训练的设备有GPU，且建议至少有8GB的显存(若希望看到训练过程，请使用带桌面的设备)
2. 确认显卡驱动已安装，且能够正常使用
3. 确认CUDA已安装，且能够正常使用
4. 建议安装使用conda。避免环境冲突
5. 显卡驱动、CUDA、conda安装可直接参考网上教程，此处不做赘述
#conda创建并激活环境，该工程使用python3.8环境，未尝试3.10
conda create -n IsaacGym python=3.8
conda activate IsaacGym
#下拉代码并安装所需软件
git clone https://github.com/wunuo1/RDK-walk-these-ways-go2.git -b s100
cd RDK-walk-these-ways-go2
pip install -e .
#下载IsaacGym并放到训练环境中解压，https://developer.nvidia.com/isaac-gym
#安装使用IsaacGym，可参考https://junxnone.github.io/isaacgymdocs/install.html
tar zxvf IsaacGym_Preview_4_Package.tar.gz
cd isaacgym/python
pip install -e .
pip show isaacgym
#torch与CUDA有版本对应关系，可从该链接查询并安装对应的版本（CUDA版本查询：nvcc -V）
conda install pytorch==2.4.1 torchvision==0.19.1 pytorch-cuda=12.1 -c pytorch -c nvidia
pip install ml-logger ml-dash --upgrade --no-cache1.3 训练
若不希望可视化训练过程，请在train.py中设置headless=False
若期望看到训练过程，请在train.py中设置headless=True（系统有显示桌面），但开启显示会占用训练资源，导致训练速度下降。
无论是否开启可视化，训练过程中会有视频保存，路径RDK-walk-these-ways-go2/runs/gait-conditioned-agility/xxxx-xx-xx/train/xxxxxx/videos
#num_envs:训练环境中机器人个数（若显存不够，则减少数量）
#num_learning_iterations：训练轮数
python scripts/train.py
#训练完成后设置play.py中的模型路径和配置文件路径，可查看训练效果
python scripts/play.py1.4 数据可视化
#可视化训练过程的各项奖励的数值变化
#开启新终端，开启ml_dash前端，默认占用3001端口
python -m ml_dash.app
#开启另一个终端，进入RDK-walk-these-ways-go2文件夹，打开ml_dash服务，默认占用8081
python -m ml_dash.server .
#打开浏览器，输入localhost:3001，等待界面开启
#用户名：runs API：http://localhost:8081 访问令牌：不用输入
#点击新生成的Profile，选择想看到的训练数据，点击红框位置显示各项奖励的数值变化
1.5 获取模型并导出onnx文件
训练过程中会保存不同迭代次数的ac_weights、最新的ac_weights、最新的adaptation_module模型和最新的body模型，所以需要提取效果最好的adaptation_module模型和body模型（实验大概在两万四千轮左右获得总奖励最高模型）
#运行tool文件夹下的tool.py，运行时指定要转换的ac_weights_xxxx.pt（根据数据选择总奖励最高，即rew_total最高值的ac_weights_xxxx.pt）的路径
#该脚本会从ac_weights_xxxx.pt中抽取出adaptation_module和body两个模型，并导出为onnx格式
python3 tool.py path_of_ac_weights_xxxx.pt模型结构与数据处理流程如下：
1.6 奖励函数说明
奖励函数位于RDK-walk-these-ways-go2/go2_gym/envs/rewards/corl_rewards.py，可仿照函数格式增加新的奖励函数（_reward_xxx），同时需要在RDK-walk-these-ways-go2/go2_gym/envs/base/legged_robot_config.py的reward_scales类中设置对应的权重系数（xxx），权重系数为0时，奖励不生效。
2. 模型量化
2.1 环境准备
#拉取S100工具链docker镜像（docker镜像与OE包请联系工程师获取）
#拉取用于模型量化的文件夹解压，见文末附件（该文件夹中包含量化需使用的配置文件以及校准数据）
#将导出的onnx模型放到量化用的文件夹下（确保模型名称与配置文件中一致），并将该文件夹挂在至docker环境中，创建容器
sudo docker run -it --entrypoint="/bin/bash" -v 主机文件夹路径:/go2_model_convert_s100 镜像ID2.2 量化编译（Int16）
#进入文件夹
cd /go2_model_convert_s100
#量化adaptation_module，生成model_output_ad文件夹，存放.bin模型
hb_compile -c ad_config_bpu.yaml --march nash-e
#量化body，生成model_output_body文件夹，存放.bin模型
hb_compile -c body_config_bpu.yaml --march nash-e
3.板端部署
3.1 物料准备
3.1.1 物料清单
支架STL文件见RDK-walk-these-ways-go2的bracket文件夹
3.1.2 设备连接
3.2 环境准备
3.2.1 下拉代码，安装环境
git clone https://github.com/wunuo1/RDK-walk-these-ways-go2 -b s100
cd RDK-walk-these-ways-go2
pip install -e .
pip install torch==1.10.2 torchvision==0.11.33.2.2 编译lcm
git clone https://github.com/lcm-proj/lcm.git
cd lcm
mkdir build
cd build
cmake ..
make
sudo make install3.2.3 编译Unitree SDK（使用RDK-walk-these-ways-go2中自带的SDK，宇树官方最新版本有接口变化）
cd RDK-walk-these-ways-go2/go2_gym_deploy/unitree_sdk2_bin/library/unitree_sdk2
rm -r build
sudo ./install.sh
mkdir build
cd build
cmake ..
make3.2.4 编译lcm_position_go2
cd go2_gym_deploy
rm -r build
mkdir build
cd build
cmake ..
make -j43.2.5 通过网线接入四足狗
#设置静态IP，参考如下
vim /etc/netplan/01-hobot-net.yaml
eth0:
dhcp4: no
dhcp6: no
addresses:
- 192.168.123.100/24
gateway4: 192.168.123.1
#ping通四足狗，四足狗IP为192.168.123.161
ping 192.168.123.161
#查看网卡设置，确认网卡编号。我这里是eth0，用于后面启动lcm_position_go2功能
ifconfig3.2.6 编译模型推理库
git clone https://github.com/wunuo1/model_task.git -b s100
mkdir build
cd build
cmake ..
make -j4
cp libmodel_task.so RDK-walk-these-ways-go2/go2_gym_deploy/scripts3.3 运行
3.3.1 启动指令
#启动lcm_position_go2，用于与底层控制板通信，启动后根据log输出操作，按“Enter”
cd go2_gym_deploy/build
sudo ./lcm_position_go2 eth0
#另开一个终端，加载运行策略，启动后根据log输出操作，第一次按“R2” 变成静止站立状态，在次按“R2”开始控制
#提供onnx运行脚本，感兴趣可以使用deploy_policy_s100_onnx.py
python3 deploy_policy_s100.py3.3.2 资源占用
3.3.2.1 使用bin模型推理
模型推理+处理逻辑功能占用：单核CPU 28.5%，内存 3.5%，BPU 1%
3.3.2.2 使用onnx模型直推
模型推理+处理逻辑功能占用：单核CPU 255.1%，内存 4.2%
更换int16模型后在CPU占用降低明显，BPU占用上升为1%。 两个模型在肉眼观测上运动效果无明显差别
3.3.3 效果展示
https://www.bilibili.com/video/BV154d2YTEn1/
4. 鸣谢
感谢地平线机器人实验室的大力支持！感谢王煜城、王凯辉二位的鼎力相助！