任务拓展

本章目标：在基础行走之上，实现转向、爬坡、避障三个进阶任务，把一个"只会直走"的鸭子变成"会各种走"的鸭子。

16.1 转向步态

在基础行走任务上，把奖励从"x 方向前进"改为"绕 yaw 角速度"驱动：

yaw_rate = obs[:, yaw_vel_idx]        # 绕垂直轴角速度
turn_reward = clip(target_yaw_speed * yaw_rate, 0, 1.0)
# 抑制横向滑移
lateral_penalty = -torch.abs(obs[:, yaw_vel_idx_side])
reward = turn_reward + lateral_penalty + stance_rewards

真机验证：鸭子原地转向指定角度，不倾倒、不滑移。

16.2 斜面爬坡

16.2.1 斜面环境搭建

在 MuJoCo 中把地面改为斜面，或在 MJCF 里增加斜面 geom：

<geom type="box" size="..." pos="..." quat="..."/>
<!-- 或用 ground 加倾斜 -->

16.2.2 爬坡奖励

爬坡的难点是沿斜面的投影前进 + 保持稳定：

slope_forward = obs[:, proj_along_slope_idx]
reward = clip(slope_forward * 1.0, 0, 1.0) + stability_terms

配合课程学习：先平地，再小坡度（5°），逐步到 15°（见第 11 章）。

16.2.3 真机验证

在垫木块或斜面垫上测试爬坡，观察是否打滑、后仰。地面摩擦域随机化在此场景尤其关键。

16.3 避障（进阶）

16.3.1 视觉感知接入思路

RK3566 算力有限（1GB），无法同时跑高分辨率视觉 + RL 策略。推荐降级方案：

• 用 YOLO 轻量版（如 YOLOv5-nano / YOLO11-nano）做障碍物检测；
• 只输出"前方有无障碍、距离"的低维信息，并入观测向量；
• 或者分时处理：视觉低频（如 5Hz），RL 控制高频（50Hz）。

16.3.2 避障奖励

if obstacle_detected:
    reward += turn_away_reward   # 鼓励转向避开
else:
    reward += forward_reward     # 无障碍时前进

16.3.3 局限性说明

• 视觉闭环是本书进阶拓展，涉及相机选型、标定、vLA/感知策略集成，工作量较大；
• 本书主链路完成"本体平衡 + 行走/转向/爬坡"，视觉避障作为可选延伸。

16.4 多任务合并训练

把转向、爬坡合并进第 12 章的多任务 one-hot 编码，一个 ONNX 支持全部动作：

16.5 工程踩坑实录

• 爬坡后仰：奖励只奖励前进，没奖励重心稳定，鸭子爬坡时后仰摔倒。加重心投影奖励。
• 转向滑移：地面摩擦太小，转向时横向滑移。增强地面摩擦域随机化，训练更鲁棒转向。

16.6 本章小结

你已实现转向、爬坡、避障（进阶）三个拓展任务，MicroDuck 从"会走"进阶为"会各种走"。

下一部分进入工程化与开源合规：如何把你的整套工程做成规范、合规、可复现的开源仓库。