从 Task1 基础平衡控制，到本次 Task8 语言驱动智能导航，整套 MicroDuck 学习链路非常完整，让我系统性掌握了强化学习运动策略、仿真环境搭建、MPC模型预测控制、视觉语言跨模态规划等核心具身智能能力，为后续深入机器人自主决策、端到端具身模型打下了扎实基础。同时我也理解了演示视频中机器人无法完全抵达终点的核心原因：视觉遮挡、环境分布偏移、语言指令模糊性、局部轨迹预测误差累积与MPC

我认识到端侧部署不只是简单复制代码，需要适配硬件算力，考虑资源占用、推理时延，还要处理硬件接口、传感器数据读取，要兼顾算法效果和硬件性能上限，很多在仿真中完美运行的逻辑，放到RDK实体端会出现延迟、数据丢包等现实问题，需要不断调参优化。后续我希望可以动手完成完整流程：先调试运动任务算法，完成仿真验证，再部署到RDK端侧，解决硬件适配问题，最后对接网页端实现状态展示与指令下发，在实操中消化软硬件联调

这给我很大启发：做机器人强化学习任务，不应该直接抛出高难度任务，要人为拆解任务梯度，给模型设置“学习台阶”，由易到难，降低探索空间，大幅提升训练收敛的成功率。本案例基于MuJoCo物理仿真，使用PPO算法完成策略训练，观测输入包含本体感知信息、关节位置速度、历史动作等多维数据，以50Hz高频完成观测读取‑策略推理‑动作输出的控制闭环，这也让我意识到双足机器人运动控制，高频实时推理是稳定运动的基础，

实操环节是本次最大的难点，也是耗时最久的部分。反复调整启动命令、排查配置层级，还遇到了最头疼的checkpoint保存问题：默认配置不会自动存储模型权重，中途Ctrl+C中断训练后，checkpoints文件夹是空的，辛苦跑出来的策略没法直接导出ONNX，来回折腾很久。整体下来，这次学习不只是看懂FastSAC理论，更熟悉了具身智能仿真项目完整流程：配置管理、训练启动、权重保存、策略回放，也踩熟了

奖励不是简单设置一个正向行走奖励就万事大吉，而是多组正负奖励项的权衡设计：既要设置正向奖励鼓励躯干保持直立、跟踪目标速度、合理的抬脚腾空时间，又要加入惩罚项，约束关节限位、肢体自碰撞、抬脚高度异常，防止机器人找到“作弊式”的无效解，比如依靠瘫倒、锁死关节来获取高奖励的情况。这让我感受到机器人强化学习是算法、物理仿真、软件工程交叉的领域，只懂强化学习算法远远不够，还需要读懂机器人MJCF模型结构，理

在DataWhale every‑embodied具身智能组队学习的MicroDuck运动策略与任务开发专题中，我学习了mjswan‑MicroDuck浏览器物理扰动相关内容，借助浏览器端MuJoCo WebAssembly仿真环境，在没有实体机器人硬件的前提下，直观体会双足机器人强化学习运动控制、物理扰动以及Sim2Real仿真到真机迁移的完整逻辑，对具身机器人开发有了更加落地的理解。总体来说，

最近跟着 Datawhale every-embodied 多具身智能课程，动手复现了 MicroDuck 小鸭子机器人的篮球平衡强化学习项目，完整走完**预训练权重加载、PT 模型导出 ONNX、模型精度校验、浏览器可视化仿真**一整条链路，踩了不少坑，在这里记录下学习心得。我使用的是`blind`盲模式策略：**无视觉图像输入**，仅依靠本体感知（关节角度、角速度、姿态传感器）完成平衡控制，非

【数学建模导论-第3章 函数极值与规划模型-哔哩哔哩】 https://b23.tv/e67psRO。

将另一台机器的VMware 文件拷贝至本机，打开虚拟机出现选择 ”我已复制该虚拟机“选项，结果出现如下错误。svga 经查询为显示器显示模式Super VGA的缩写形式。估计应该是硬件显示出了问题，于是打开VMwareWorkstation 配置选项去掉 "3D 加速图形 “前面的对勾。再次打开虚拟机中的 ”Ubu...

动手学大模型应用开发-第三章 搭建知识库【动手学大模型应用开发-第三章 搭建知识库-哔哩哔哩】 https://b23.tv/POaJMJz。