Spot Mini Mini 四足机器人模拟与强化学习环境
OpenQuadruped/spot_mini_mini
机器人
3/5
🧩 软硬件结合
已发布
项目简介
Dynamics and Domain Randomized Gait Modulation with Bezier Curves for Sim-to-Real Legged Locomotion.
Spot Mini Mini 是一个基于 PyBullet 物理引擎的开源四足机器人仿真与强化学习训练平台，专为 Spot Micro 社区设计。该项目核心解决了两大问题：一是为四足机器人爱好者提供一个安全、可靠的虚拟测试环境，避免在真实硬件上调试时造成物理损坏；二是为强化学习研究者提供一个开箱即用的 Gym 环境，方便进行步态控制算法的开发与验证。
标签
项目特点
**完整的Gym环境**：基于Pybullet构建，兼容OpenAI Gym接口，可直接用于强化学习训练
**D²步态调制**：提出新型强化学习方法，在Bezier曲线基线步态上优化14维动作空间（离地高度、身体高度、12个足端残差）
**域随机化**：训练时随机化地形、连杆质量和足端摩擦系数，增强策略鲁棒性
**Sim-to-Real验证**：提供真实机器人实验GIF，展示策略从仿真到实物的迁移效果
**多模式控制**：支持ROS遥操作（Logitech手柄）、GUI滑块控制、强化学习自主控制
**多种地形**：内置程序化地形和PNG高度图地形生成器，支持随机地形重置
**完整文档**：提供ReadTheDocs在线文档，涵盖安装、使用、API参考
技术规格
| 物理引擎 | Pybullet |
|---|---|
| 机器人模型 | Spot Micro / OpenQuadruped（新URDF，更精确惯性计算） |
| 步态算法 | 12点Bezier曲线（基于MIT Cheetah论文改进） |
| 动作空间 | 14维：Clearance Height(1) + Body Height(1) + Foot XYZ Residual(12) |
| 训练算法 | Augmented Random Search (ARS) |
| 训练轮数 | 149 epochs（首次成功策略） |
| 控制频率 | 基于Pybullet仿真步长 |
| 操作系统 | ROS Melodic + Ubuntu |
| 依赖库 | PyTorch, Pybullet, Gym, OpenCV, Scipy, Numpy, ROS, Gazebo |
| 许可证 | MIT |
项目资源
搜索资源
物料清单 (BOM)
| 物料名称 | 数量 | 参考价格 | 备注 |
|---|---|---|---|
| Spot Micro / OpenQuadruped 四足机器人 | 1 | — | 需自行3D打印和组装 |
| Logitech Gamepad F310 或类似手柄 | 1 | — | 用于ROS遥操作 |
| 运行Ubuntu + ROS Melodic的电脑 | 1 | — | 建议配备GPU用于RL训练 |
| 舵机（如MG996R或类似） | 12 | — | 每条腿3个 |
| 微控制器（如Teensy） | 1 | — | 用于底层控制 |
| 电源模块 | 1 | — | 为舵机和控制器供电 |
| 3D打印外壳和结构件 | 1套 | — | 参考Spot Micro社区CAD文件 |
| 3D打印机 | 1 | — | 用于打印结构件 |
| 焊台 | 1 | — | 焊接电子元件 |
能力画像
⚪ 记忆与知识检索: 1/5
🔵 逻辑推演: 3/5
⚪ 表达与交流: 1/5
⚪ 感知与观察: 2/5
⚪ 数理与计算: 4/5
⚪ 动手与操作: 4/5
⚪ 狂热与坚持: 4/5
⚪ 创造与创新: 4/5
项目图库
所需技能
🔧 **动手能力**：需要组装和调试四足机器人硬件，包括3D打印、舵机安装、PCB焊接和校准
💻 **编程能力**：需要Python编程经验，熟悉ROS、Pybullet、PyTorch和强化学习基础
⚡ **电子电路**：需要了解舵机控制、电源管理和微控制器（Teensy）编程
适用场景
**四足机器人运动控制研究**：作为强化学习Sim-to-Real研究的基准平台
**机器人课程教学**：用于机器人学、控制理论和强化学习课程实验
**步态算法开发**：测试和验证新的步态生成和调制算法
**机器人竞赛**：为四足机器人竞赛提供仿真训练环境
**开源硬件项目**：作为Spot Micro社区的标准仿真工具，降低硬件调试风险