G1DWAQ_Lab (AMP 修改版)

原始仓库出处：本仓库直接 Fork 自 liuyufei-nubot/G1DWAQ_Lab。

当前仓库在此基础上进行 G1 AMP（AMPPPO）训练流程 的修改与实验。

项目说明

这个仓库用于在 Isaac Lab 中训练 Unitree G1 的 AMP 步行策略，核心任务为 g1_walkamp。

当前 AMP 相关实现主要集中在：

• TienKung-Lab/legged_lab/envs/g1/g1_walkamp_cfg.py
• TienKung-Lab/legged_lab/envs/g1/g1_walkamp_env.py
• TienKung-Lab/legged_lab/mdp/rewards.py
• TienKung-Lab/legged_lab/envs/g1/datasets/motion_amp_expert/

仓库结构

G1DWAQ_Lab/
├── README.md
├── TienKung-Lab/            # 训练主代码（Isaac Lab + RSL-RL）
├── LeggedLabDeploy/         # 部署相关代码
└── unitree_sdk2_python/     # Unitree SDK

环境准备

1. 安装 Isaac Lab（按官方安装文档）。
2. 使用与你 Isaac Lab 匹配的 Python 环境（建议 Python 3.10）。
3. 克隆本仓库后安装本地包。

git clone <your-repo-url>
cd G1DWAQ_Lab

cd TienKung-Lab
pip install -e .

cd rsl_rl
pip install -e .

# 如需实机部署再安装（可选）
cd ../../unitree_sdk2_python
pip install -e .

AMP 训练

cd TienKung-Lab
python legged_lab/scripts/train.py \
  --task=g1_walkamp \
  --headless \
  --num_envs=4096 \
  --max_iterations=10000

训练输出目录：

• TienKung-Lab/logs/g1_walkamp/<时间戳>/

策略回放与导出

cd TienKung-Lab
python legged_lab/scripts/play.py \
  --task=g1_walkamp \
  --load_run <run目录名> \
  --checkpoint model_9999.pt

运行 play.py 后会自动导出策略到：

• TienKung-Lab/logs/g1_walkamp/<run目录名>/exported/policy.pt
• TienKung-Lab/logs/g1_walkamp/<run目录名>/exported/policy.onnx

Sim2Sim (MuJoCo)

cd TienKung-Lab
python legged_lab/scripts/sim2sim_g1_walkamp.py \
  --policy logs/g1_walkamp/<run目录名>/exported/policy.pt

如果不传 --policy，脚本会尝试自动寻找 logs/g1_walkamp 下最新导出的 policy.pt。

AMP 数据说明

当前 g1_walkamp 默认使用：

• TienKung-Lab/legged_lab/envs/g1/datasets/motion_amp_expert/g1_walkamp_B1_50fps.txt

如需替换 AMP 数据，请同步修改 g1_walkamp_cfg.py 中：

• amp_motion_files
• amp_motion_weights

参考

• 原始 Fork 来源：liuyufei-nubot/G1DWAQ_Lab
• 上游训练框架与参考实现：
  • Open-X-Humanoid/TienKung-Lab
  • Hellod035/LeggedLab
  • leggedrobotics/rsl_rl

现有问题

本人也是初次尝试AMP，项目中的很多问题仍在修改当中