Sim2Real 闭环迭代

本章目标：掌握真机测试流程、抖动/漂移/摔倒的诊断方法，并实现"仿真训练 → 真机测试 → 采集数据 → 修正模型 → 重训"的闭环迭代。这是 Sim2Real 的终极工程能力。

15.1 真机测试分级

15.2 真机抖动、漂移、摔倒诊断

现象A：持续抖动

排查顺序：

1. BAM 参数：带宽/齿隙不准 → 回第 10 章重标定；
2. 动作平滑：奖励函数缺平滑惩罚 → 重训；
3. 控制环超时：推理太慢，控制周期不稳（见第 14 章）。

现象B：姿态漂移（慢慢歪）

排查顺序：

1. IMU 零偏：未六面校准 → 回第 8 章；
2. IMU 安装倾角：未补偿 → 固件加补偿；
3. 重心偏移：装配不对称 → 回第 5 章称重。

现象C：经常摔倒

排查顺序：

1. 观测/动作缩放：维度或缩放错位 → check_obs_act_space.py；
2. MJCF 惯性错误：重心不对 → 回第 4 章；
3. 整机质量与仿真差异：填充率不同 → 域随机化覆盖或重标定。

15.3 真机数据采集（闭环关键）

在真机上记录 IMU、关节角度、策略输出、时间戳，保存到 data/real_robot_logs/：

t,imu_qw,imu_qx,imu_qy,imu_qz,q0,...,q13,a0,...,a13

这些数据是系统辨识与参数修正的依据，也是书稿附录实验数据的来源。

15.4 反向系统辨识（高级闭环）

用真机激励数据反向辨识整机惯性，修正 CAD 导出模型的偏差：

1. 给机器人施加激励（小幅摆动、阶跃）；
2. 记录 IMU + 关节响应；
3. 用最小二乘反向拟合真实质量/重心/惯量；
4. 把辨识结果回写到 MJCF，重新训练。

# 脚本：scripts/calibration/system_id_fit.py
# 输入：真机激励CSV + 当前MJCF
# 输出：修正后的惯性参数建议

这是学术界 Sim2Real 的进阶手段，能修正 Onshape 几何计算的残余误差（打印、装配误差）。

15.5 闭环迭代流程

仿真训练 → ONNX导出 → 真机测试
                    ↓（采集数据）
            诊断问题 → 修正 BAM/MJCF/域随机
                    ↓
                重新训练 → 再测（迭代）

每个迭代周期记录到 experiments/，形成可复现的迭代历史。

15.6 步态性能评估指标

为量化进步，定义指标：

• 行走速度（m/s）；
• 站立稳定时长；
• 抗扰动能力（推一下能否恢复）；
• 摔倒恢复成功率；
• 转弯角度精度。

这些指标与原版 Pollen MicroDuck 对比，形成本书的性能评估章节（第 16 章延伸）。

15.7 工程踩坑实录

• 一次迭代全改：同时改了 BAM、MJCF、奖励，问题仍无法定位。一次只改一个变量，记录每次结果。
• 真机数据未打时间戳：无法对齐 IMU 与关节时序。采集前先统一时钟。

15.8 本章小结

你已掌握真机步态诊断与闭环迭代，能把仿真模型不断逼近真机。

下一章任务拓展，把 MicroDuck 从"会走"变成"会各种走"。