从零实现Simon游戏：状态机与音画同步实战
2026/10/12 11:23:57
base_ang_vel | 身体旋转有多快 | 内耳前庭（平衡感） |
projected_gravity | 身体倾斜了多少 | 感觉身体是否歪了 |
velocity_commands | 目标速度是多少 | 大脑下达的"走快点/慢点"指令 |
joint_pos_rel | 每个关节的角度 | 知道自己腿弯了多少 |
joint_vel_rel | 关节转动速度 | 知道自己腿动得有多快 |
last_action | 刚才做了什么动作 | 肌肉记忆 |
height_scanner | 地面高低起伏 | 眼睛看路 |
| 奖励项 | 分数 | 说明 |
|---|---|---|
| 走得准 | +3.0 | 达到目标速度，给大糖果（最重要的目标） |
| 活着 | +0.15 | 没摔倒的每一秒，给一颗小糖果 |
| 站立稳 | -5.0 | 身体太歪，打手板 |
| 动作太猛 | -0.05 | 动作变化太剧烈，打手板 |
| 耗电太多 | -0.00002 | 太浪费能源，轻微打手板 |
| 关节撞限位 | -5.0 | 关节角度超出安全范围，狠狠打手板 |
奖励项 权重 含义 termination_penalty -400 倒下或姿态不对 → 大惩罚 position_progress +2.0 每步向目标靠近了多少米（进度奖励） position_tracking_fine_grained +0.5 用 tanh 核细化距离（越接近奖励越大） success_bonus +50.0 到达目标的稀疏奖励 obstacle_soft_zone -6.0 进入障碍物周围的 soft zone 就扣分（鼓励避让） action_rate -0.05 高层动作变化太快的惩罚 action_magnitude -0.01 高层动作幅度惩罚