OpenPI LoRA 微调指南（RTX 4090适用） 本文提供RTX 4090(24GB显存)上使用LoRA微调OpenPI模型的完整流程，包含： 核心概念对比 LoRA微调仅需22.5GB显存，训练1-2%参数，速度更快 全量微调需要70GB+显存，训练全部参数 关键路径说明 数据集默认存储位置 检查点保存目录结构 预训练权重位置 训练配置详解 模型配置选项（gemma_2b_lora/ge

相比于DTFT，CTFT在计算机当中的做法就是用DTFT实现CTFT的效果，但是多乘了个。在时间序列的最后进行zero_padding，可以增加点数且不改变频率信号的形状。在数字信号处理当中，任何信号的傅里叶变换都以奈奎斯特区间为周期，奈奎斯特区间为。使用时需要注意：传进去的数组必须是[零频率项，正频率项，负频率项]做FFT，做完之后，通过fftshift将零频率移到数组的中间。同时要准备好han

Legged Gym 的强化学习 Policy 本质上是一个通用的多模态跟踪系统。🎯 Tracking = 观测 (Observation) + 目标 (Target) + 奖励 (Reward)感知当前状态理解目标计算偏差输出控制min⁡πEτ∼π∑t0T∥st−stref∥2πmin​Eτ∼π​t0∑T​∥st​−stref​∥2π\piπ: Policy 策略sts_tst​: 当前状态s

在 Lite3 强化学习项目中，观测量(Observation)是 Policy 网络的输入，它编码了机器人当前的状态信息。观测量的设计直接影响到策略学习的效果和泛化能力。重要说明🔵Isaac Gym 版本: 基于 NVIDIA Isaac Gym 的 Lite3_rl_training 项目：https://github.com/DeepRoboticsLab/Lite3_rl_trainin

这是云深处四足机器狗isaaclab训练环境的安装指南。✅ 已安装 Isaac Sim 5.1.0。✅ 已安装 Isaac Lab 2.3.0。✅ 如果看到这两个环境，说明安装成功！参数，因为项目依赖子模块。✅ Conda 环境。

PPO (Proximal Policy Optimization) 是一种 Actor-Critic 架构算法。奖励函数是整个学习过程的指挥棒。学习预测未来的累积回报（Return）。用于处理物理限制的软约束，形式通常为单边损失（Hinge Loss）。，作为 Cost/Penalty 使用，用于约束能量和保持稳定。以下是代码中各个奖励项的数学表达及其物理含义分析。形式，旨在最大化机器人对指令的

在 Embodied AI（具身智能）导航任务中，WayPoint（航点）是指智能体（Agent）在三维空间中可以到达的、用于辅助路径规划的离散位置点。WayPoint 是连接“高层语义规划”与“底层机器人运动”的关键桥梁。并不是抛弃离散环境的思想，而是将离散环境中的“图结构（Graph）”内化为智能体的一种感知能力。通过深度学习网络（Predictor）实时利用 RGB-D 信息预测可达点，从而

legged_gym提供了用于训练ANYmal（和其他机器人）使用NVIDIA的Isaac Gym在崎岖地形上行走的环境。它包括模拟到真实传输所需的所有组件：执行器网络、摩擦和质量随机化、噪声观测和训练过程中的随机推送。其中该项目需要用到Isaac_gym（已停止维护）与rsl_rl1.2.0（大版本已不是最新），可能更适合用于学习。legged_gym/├── envs/├── scripts/

本文将会记录与讲解使用legged_gym上手实践训练机器人的操作步骤。

legged_gym提供了用于训练ANYmal（和其他机器人）使用NVIDIA的Isaac Gym在崎岖地形上行走的环境。它包括模拟到真实传输所需的所有组件：执行器网络、摩擦和质量随机化、噪声观测和训练过程中的随机推送。其中该项目需要用到Isaac_gym（已停止维护）与rsl_rl1.2.0（大版本已不是最新），可能更适合用于学习。legged_gym/├── envs/├── scripts/