SRU变体

gg_zy

147人浏览 · 2026-09-21 10:44:14

gg_zy · 2026-09-21 10:44:14 发布

三、建议你的最终系统架构

可以把整个硕士论文系统做成这样：

                   Goal
                    │
                    ↓
             Relative Goal
                    │
          ┌─────────┴─────────┐
          │                   │
      Local Depth       Fast-LIO局部地图
          │                   │
          └───────┬───────────┘
                  ↓
          Perception Encoder
                  ↓
           Spatial Memory
                SRU
                  │
                  ├──────── Robot State
                  │
                  ↓
       Traversability / Capability
              Estimator
                  ↓
        Navigation Policy
                  ↓
             [vx, wz]
                  ↓
        ┌─────────────────┐
        │     rl_2        │
        │ frozen low-level│
        └────────┬────────┘
                 ↓
                D1

这里最重要的是新增：

Traversability / Capability Estimator

它不是单纯判断：

有障碍 / 没障碍

而是判断：

可直接通过
需要减速通过
需要跨越/爬升
必须绕行
不可通行

这才是轮足机器人区别于普通移动机器人的论文价值。

四、你的创新点最好控制在 2 个，不要搞 5 个

硕士论文不需要把 Resilient + SRU + MulDP + Fast-LIO + Diffusion + VLA 全做一遍，那样最后每个都做不深。

我建议最终保留两个核心创新。

方向	你具体做什么	论文价值
创新1：可靠性感知的空间记忆导航	SRU融合局部深度与Fast-LIO局部高程/路径信息，并考虑地图噪声或缺失	解决实机地图不完美问题
创新2：运动能力感知的地形决策	根据局部地形+D1状态判断绕行还是通过，并生成适合D1的速度命令	从“避障”提升到“能力感知导航”

其中创新2应该作为主创新。

创新1作为增强鲁棒性的辅助创新。

五、为什么我不建议你把“SRU + A*路径”直接当创新

这一点很重要。

SRU 官方现在已经有一个 sru-path-aware-rl 项目：它已经把参考路径加入 SRU 导航，并测试了 optimal path、noisy/non-optimal path；项目结果甚至专门讨论了参考路径质量差或者完全缺失时退化到 SRU baseline 的情况。

所以：

❌ “Fast-LIO → A* → path → SRU”

本身很可能已经不够新。

但你可以进一步做：

地图/路径可靠性估计 + 地形能力感知 + SRU

比如：

Fast-LIO认为：
这里可以走

Depth认为：
这里似乎有一个坑

D1 locomotion能力模型认为：
这个坑可跨 / 不可跨

             ↓

policy自主决定：
相信地图？
相信当前深度？
绕？
跨？

这个问题就明显更有研究价值。

六、Resilient Navigation应该怎么融入你的论文

不建议把 Resilient 的整个网络再复现一遍。

它对你的价值主要是：

训练时主动破坏感知输入。

你可以把这个思想直接加入 SRU 的训练：

Depth dropout
Depth noise
LiDAR noise
Map corruption
Odometry drift
Observation delay

然后比较：

Vanilla SRU

vs

你的 Robust SRU

这就够了。

Resilient 给你的不是“再做一个模型”，而是一个重要训练思想：

不要让导航策略默认传感器永远正确。

七、MulDP应该怎么借鉴，而不是直接照搬

这里也很关键。

MulDP的数据规模并不小：论文构造 QPND，总导航距离约 31 km、6400条轨迹、约25万张深度图；其中还包括 scripted 和人工 teleoperation 数据。

所以如果你硕士阶段没有大量数据，直接完整复现：

SRU
↓
再换成大型Diffusion Policy

风险很高。

MulDP最值得你借的其实是两个思想：

多模态

Depth+Proprioception+Goal+HistoryDepth + Proprioception + Goal + History

而不是只用深度。

前瞻决策

不是永远输出：

ata_t

可以进一步研究：

[at,at+1,...,at+H][a_t,a_{t+1},...,a_{t+H}]

MulDP就是通过扩散模型预测 future command horizon，并以 5 Hz 滚动重规划，只执行第一个动作。

你硕士论文第一版甚至不一定要上 Diffusion。

可以先研究：

SRU + short-horizon velocity prediction

比如预测未来：

H=4/8H=4/8

个：

[vx,ωz][v_x,\omega_z]

如果效果明显，再升级 Diffusion。

八、实验必须这样设计，否则最后论文不好写

最终至少需要以下 Baseline：

方法	目的
Reactive Policy / No Memory	验证记忆是否必要
LSTM	和普通时序记忆比较
Vanilla SRU	你的核心baseline
SRU + Path	与path-aware思想比较
你的方法	Capability-aware / Reliability-aware SRU

地形不要只做“箱子避障”。

应该分成：

Level 1：普通障碍
箱子、柱子、窄通道

Level 2：记忆环境
U型障碍、死胡同、遮挡

Level 3：复杂地形
坡面、小台阶、浅坑、沟槽

Level 4：决策冲突
同一目标：
既可以绕
也可以通过

Level 4 是最重要的。

因为这是你证明：

“我的机器人不是简单学会越障，而是真的会根据成本做选择。”

的关键实验。

九、评价指标建议直接借鉴现代导航论文

MulDP本身使用：

SR：Success Rate
SPL：Success weighted by Path Length
TR：Traversal Rate
TTR：Time to Reach

你可以再增加：

指标	证明什么
Success Rate	能否到目标
SPL	路径是否高效
Collision Rate	是否安全
Dead-end Recovery Rate	空间记忆能力
Traversal Success Rate	越障能力
Time to Goal	是否真的比绕行快
Command Smoothness	高层速度是否稳定
Sim-to-real Success	泛化能力

然后专门设计：

绕行成本vs通过成本\text{绕行成本} \quad vs \quad \text{通过成本}

这样就可以回答：

“什么时候应该绕，什么时候应该跨？”

十、你接下来真正应该按照这个顺序做

先冻结 rl_2。 不要同时改底层 locomotion 和高层 navigation，否则实验无法判断到底是谁起作用。
把原版 SRU 在 D1 仿真上完全跑通。 输入先只用 Goal + Depth + State，输出 [vx,wz]，暂时不要创新。
设计 SRU baseline 实验。 做普通障碍、U型死胡同、长距离目标，记录 SR、SPL、碰撞率。
完成第一次 sim-to-real。 哪怕只在平地 + 箱子障碍完成 Goal Navigation，也非常重要。这证明整套链路是成立的。
建立 D1 的 traversability benchmark。 明确 D1 能通过多高台阶、多宽沟、多大坡度。这个不是导航训练结果，而是机器人自身“能力边界”。
把能力边界加入高层导航。 训练策略识别：可通过 / 不可通过 / 绕行更优。
加入 Fast-LIO 局部高程或参考路径信息，但对地图做 corruption。 不要默认地图100%可靠。
做消融实验。 SRU、SRU+Depth、SRU+Map、SRU+Capability、Full Model逐个比较。
再决定是否需要 Future Velocity Horizon / Diffusion。 如果单步策略已经能完成论文，就不要为了“看起来先进”强加 diffusion；如果跨沟确实需要提前加速，再加入短时域预测作为第二阶段创新。
最后实机验证。 至少做普通避障、死胡同恢复、绕/跨二选一、地图有误差四类实机实验。

十一、最终硕士论文可以长这样

第一章绪论

足式/轮足导航背景、Map-based → Learning-based → Memory-aware → Terrain-aware。

第二章相关工作

传统导航、Resilient Navigation、SRU、MulDP、轮足机器人导航。

第三章 D1轮足机器人分层自主导航系统

传感器、定位、rl_2、SRU、高低层接口。

第四章空间记忆增强导航方法

SRU baseline、D1适配、状态/目标/感知编码。

第五章能力感知的复杂地形自主导航方法

这应该是你的核心创新章：

Terrain+Memory+Robot Capability→Avoid/TraverseTerrain + Memory + Robot\ Capability \rightarrow Avoid/Traverse

第六章仿真与实机实验

Baseline、消融、鲁棒性、sim-to-real。

第七章总结与展望

你现在最应该做的不是继续看更多论文

现在论文已经够用了。

你的下一步应该进入：

SRU原版→D1仿真→D1实机\boxed{ \text{SRU原版} \rightarrow \text{D1仿真} \rightarrow \text{D1实机} }

先获得一个 “Vanilla SRU on D1” baseline。

然后你的硕士论文创新才从这里开始：

SRU+不可靠地图/局部地形+D1运动能力→Capability-aware Navigation\boxed{ \text{SRU} + \text{不可靠地图/局部地形} + \text{D1运动能力} \rightarrow \text{Capability-aware Navigation} }

这条路线比“直接把 MulDP 搬过来”更适合硕士阶段，也更容易形成明确的问题—方法—消融—实机验证闭环。轮足机器人本身也非常适合做“mobility-aware navigation”：已有 Science Robotics 工作已经证明，轮足平台采用自适应 locomotion、mobility-aware local navigation 与分层 RL 是一条成熟且有价值的系统路线。

如果从你现在的进度继续，近期唯一优先级就是把 SRU 的官方 B2W 环境替换成你的 D1，并确定 observation、action、低层接口三件事；创新模块先不要加。等这个 baseline 跑起来，再做可通行性模块。

阶段1存在的问题

这不是“观测噪声导致的慢”，而是策略在当前奖励和测试配置下学成了保守导航。视频中机器人约在 22～50 秒缓慢接近并调整楼梯入口，约 50 秒后才真正上楼；主要耗时发生在楼梯前，而不是爬楼动作本身。

关键原因有四个：

Stage1 并非真正“完全无噪声”

Stage1 只关闭了：

高层观测 corruption
BEV 高度噪声和丢帧
外力与推扰

见 [navigation_env_cfg.py (line 353)](/home/d/bishe/sru-path-aware-rl/sru-navigation-sim/isaaclab_nav_task/navigation/config/d1/navigation_env_cfg.py:353)。

但仍保留了：

动作尺度随机化：vx 0.8～1.2
低通系数随机化：alpha 0.4～0.9
观测延迟：最多 2 个高层周期
低层 NP3O 观测噪声
摩擦随机化
PPO/MDPO 训练时的动作探索噪声

保存的训练配置也确认：

enable_low_pass_filter: true
randomize_action_scale: enabled
randomize_low_pass_filter_alpha: 0.4 ~ 0.9
delay_cfg:
  enabled: true
  max_delay_*: 2

训练日志中的 Mean action noise std 也不是零。只是在 play.py 中采用策略均值推理，不再随机采样动作。

当前 SRU 高层实际是 5 Hz，不是 50 Hz

当前配置为：

PLANNING_FREQ = 5.0
sim.dt = 0.005
decimation = 40

见 [navigation_env_cfg.py (line 48)](/home/d/bishe/sru-path-aware-rl/sru-navigation-sim/isaaclab_nav_task/navigation/navigation_env_cfg.py:48)。

所以实际频率是：

SRU 高层导航：5 Hz，每 0.2 秒输出一次
冻结 NP3O 低层：50 Hz，每 0.02 秒输出一次
物理仿真：200 Hz

这和之前要求的“SRU 按 50 Hz”并没有对齐。5 Hz 会使方向修正更离散，但它本身不会单独造成 20 秒延迟。

奖励没有要求“尽快到达”

当前主要奖励是：

progress_along_path.weight = 2.0
velocity_along_global_path.weight = 1.0
action_rate_l1.weight = -0.1

但没有每步时间惩罚或按到达时间缩放的成功奖励。

对于固定长度路径：

Σ 路径进度 ≈ 总路径长度
Σ 速度 × dt ≈ 总路径长度

因此机器人 8 秒到达和 30 秒到达，累计路径收益可能非常接近。与此同时：

跌倒/非法接触风险很高；
动作变化会被惩罚；
超时项被标记为 time_out=True，不会得到普通终止的 -50；
策略自然倾向于“小速度、慢慢对准、确保不摔”。

所以它是在优化成功率，而不是最短到达时间。

Stage1 训练与楼梯 Play 的出生朝向不一致

Stage1 的强制上楼任务设置了：

ground_to_platform_probability = 1.0
align_ground_to_platform_spawn = True

也就是训练时，楼下出生的机器人会被自动朝向参考路径。

但是 Isaac-Nav-MDPO-D1-Play-Stairs-v0 继承的是普通 Play 配置，只保留楼梯地形，并没有继承 Stage1 的强制上楼和朝向对齐设置。因此视频测试时机器人需要自己寻找入口并修正朝向，而它对此类状态训练覆盖不足，只能保守地一点点调整。

可以用下面的命令进一步确认慢在哪里：

cd /home/d/bishe/IsaacLab
conda activate sru-isaac51

./isaaclab.sh -p source/isaaclab_nav_task/scripts/play.py \
  --task Isaac-Nav-MDPO-D1-Play-Stairs-v0 \
  --num_envs 1 \
  --checkpoint logs/rsl_rl/d1_navigation_mdpo_mixed_stage1/2026-09-16_15-01-41_mixed_clean_from_stairs_8500/model_20499.pt \
  --debug_commands

判断方法：