1. 功能包概述

rl_sar 是一个专门用于机器人强化学习算法仿真验证与实物部署的ROS功能包。它提供了从仿真训练到真实机器人部署的完整工具链。

2. 目录结构详解

2.1 核心目录结构

src/rl_sar/
├── src/                    # C++源代码
├── scripts/                # Python脚本
├── include/                # C++头文件
├── library/                # 核心库和第三方依赖
├── models/                 # 预训练模型
├── launch/                 # ROS启动文件
├── worlds/                 # Gazebo仿真世界
├── package.xml             # ROS包配置
└── CMakeLists.txt          # 编译配置

2.2 各目录功能

src/ 目录 - C++源代码实现

• rl_sim.cpp：仿真环境控制程序

Gazebo仿真环境下的机器人控制
支持键盘和手柄控制
集成ROS话题通信
支持仿真重置和暂停/恢复

• rl_real_go2.cpp：Unitree Go2真实机器人控制

基于Unitree SDK2
以太网通信
更先进的控制接口
支持网络接口配置

scripts/ 目录 - Python脚本实现

• rl_sim.py ：Python版本仿真控制

与C++版本功能对等
更易于调试和修改
支持相同的ROS接口

• rl_sdk.py：核心RL SDK Python实现

完整的RL控制框架
观测处理和动作计算
状态机控制逻辑
安全保护机制

• actuator_net.py ：执行器网络训练工具

神经网络模型定义
数据加载和预处理
训练和验证流程
模型保存和加载

• observation_buffer.py ：观测历史缓冲区Python版本

时序观测数据管理
支持多帧历史存储

include/ 目录 - C++头文件

• rl_sim.hpp ：仿真控制类声明

RL_Sim类定义
ROS接口声明
Gazebo服务接口

• rl_real_go2.hpp：Go2机器人控制类声明

更复杂的控制接口
网络配置选项
高级控制功能

library/ 目录 - 核心库和第三方依赖

• library/core/ - 核心功能库

rl_sdk/：核心RL SDK C++实现
rl_sdk.hpp：类定义和接口声明
rl_sdk.cpp：完整实现，包括观测处理、控制逻辑、安全机制

• observation_buffer/：观测缓冲区

observation_buffer.hpp：缓冲区类声明
observation_buffer.cpp：时序数据管理实现

• loop/：循环控制系统

loop.hpp：高精度定时循环控制
支持多线程实时控制
线程优先级管理

• matplotlibcpp/：C++绘图库

matplotlibcpp.h：Python matplotlib的C++封装
用于实时数据可视化和调试

• library/thirdparty/ - 第三方SDK

unitree_legged_sdk_3.2/：Unitree A1 SDK
A1机器人官方SDK
低级控制接口
UDP通信协议

unitree_sdk2/：Unitree Go2 SDK
Go2机器人新版SDK
更高级的控制功能
DDS通信协议

models/ 目录 - 预训练模型库

• a1/：Unitree A1四足机器人

legged_gym/：基于legged_gym训练的模型
robot_lab/：基于robot_lab(IsaacLab)训练的模型

• go2/：Unitree Go2四足机器人

himloco/：HiMLoco算法训练的模型
robot_lab/：robot_lab训练的模型

• g1/：Unitree G1人形机器人
  robot_lab/：robot_lab训练的模型

launch/ 目录 - ROS启动文件

为每种机器人提供专用启动文件：
gazebo_a1.launch：A1仿真启动
gazebo_g1.launch：G1人形仿真启动
gazebo_go2.launch：Go2仿真启动

worlds/ 目录 - Gazebo仿真世界

earth.world：基础平地环境
简单的平坦地面
基础物理设置
适合基本测试

stairs.world：楼梯环境
复杂的楼梯地形
挑战性测试环境
包含多种障碍物

package.xml：ROS包配置文件

包依赖关系定义
版本信息
维护者信息

CMakeLists.txt：编译配置文件

编译选项和依赖
可执行文件定义
库链接配置

3. 支持的机器人平台

3.1 仿真支持 (launch/)

A1, B2, Go2系列：四足机器人
B2W, Go2W, L4W4：轮足机器人
GR1T1, GR1T2, G1：人形机器人

3.2 真实机器人支持

Unitree A1：通过unitree_legged_sdk_3.2
Unitree Go2：通过unitree_sdk2
L4W4轮足机器人：通过l4w4_sdk

4. 模型管理系统

4.1 模型组织结构

models/
├── a1/
│   ├── legged_gym/        # legged_gym训练的模型
│   └── robot_lab/         # robot_lab训练的模型
├── go2/
├── b2/
└── ...

4.2 配置文件系统

每个模型都有独立的config.yaml：

a1/legged_gym:model_name: "model.pt"framework: "isaacgym"          # 训练框架dt: 0.005                      # 控制频率decimation: 4                  # RL推理频率num_observations: 45           # 观测维度observations: ["ang_vel", "gravity_vec", "commands", "dof_pos", "dof_vel", "actions"]rl_kp: [20.0, ...]           # RL控制器增益rl_kd: [0.5, ...]            # RL控制器阻尼action_scale: [0.125, ...]    # 动作缩放torque_limits: [33.5, ...]    # 扭矩限制

5. 高级功能

5.1 执行器网络训练 (actuator_net.py)

用于补偿电机动态特性：

class ActuatorNetwork:# 输入：位置误差、速度、历史信息# 输出：扭矩补偿# 用途：提高sim-to-real的性能

5.2 观测历史缓冲 (observation_buffer)

支持时序观测：

class ObservationBuffer {// 存储多帧历史观测// 支持LSTM等时序模型
};

6. 使用流程

6.1 仿真运行

# 启动仿真环境
roslaunch rl_sar gazebo_a1.launch cfg:=legged_gym# C++版本控制
rosrun rl_sar rl_sim# Python版本控制  
rosrun rl_sar rl_sim.py

6.2 真实机器人部署

# A1机器人
rosrun rl_sar rl_real_a1# Go2机器人
rosrun rl_sar rl_real_go2 <网络接口>

6.3 执行器网络训练

# 训练
rosrun rl_sar actuator_net.py --mode train --data a1/motor.csv --output a1/motor.pt# 验证
rosrun rl_sar actuator_net.py --mode play --data a1/motor.csv --output a1/motor.pt