03 · 仿真训练 · SIM TRAINING

用生成的家具资产
训练 MicroDuck 在家具表面行走

OnDeskGen 资产 → 静态 MJCF → mjlab 训练场景 → 魔搭 GPU 训练 → 本机仿真回放

PIPELINE · 链路
ASSETS · 训练用的资产

训练工程直接收进资产引擎导出的静态 MJCF(box 碰撞版本),和这里是同一份文件。

CHECKS · 训练前的物理检查(本机实跑)

训练工程自带的两个检查,不需要 GPU,在本机用同一份资产跑:表面几何是否和训练配置一致、机器人能不能真的站在软垫上。

CLOUD · 魔搭 GPU 训练流程

RUNS · 训练记录
    POLICY SLOTS · 策略在资产上运行(本机仿真)

    每个策略跑同样三项:在沙发、书桌周围的地面上绕行;站上沙发座面后前进、转向;在书桌桌面上做同样的动作。 家具用训练时的同一份 MJCF,机器人用官方运行时 + BAM 舵机模型,感知为 oracle(读仿真真值)。 训练出新的 ONNX 后运行 uv run scripts/sim_train_slot.py 新策略.onnx --label 名字,刷新本页即可出现在这里。