Rl Humanoid Locomotion

Tìm hiểu tại sao locomotion humanoid là bài toán khó, MDP formulation cho bipedal walking, và setup Isaac Lab environment cho Unitree G1.

Phân tích chi tiết 12+ reward terms cho humanoid walking, kỹ thuật tránh reward hacking, và reward curriculum từ đứng đến đi.

Hướng dẫn từng bước train walking policy cho Unitree G1 với PPO trong Isaac Lab, từ config đến evaluation.

Mở rộng walking policy cho G1 lên terrain phức tạp với curriculum learning, domain randomization, và teacher-student training.

Huấn luyện locomotion cho Unitree H1 full-size, so sánh với G1, và điều chỉnh reward + PD gains cho robot 1.8m.

Mở rộng H1 policy sang running 2+ m/s, sharp turning, lateral walking, và multi-gait command-conditioned policy.

Khám phá H1-2 với dexterous hands và improved actuators, cách hardware mới ảnh hưởng locomotion, và loco-manipulation cơ bản.

Kết hợp locomotion và manipulation: bê hộp, đẩy xe, mở cửa trong khi đi, với reward design multi-objective và training pipeline.

Parkour cho humanoid robot — nhảy chướng ngại vật, leo cầu thang, vượt địa hình khó bằng RL với terrain perception.

Pipeline hoàn chỉnh deploy RL locomotion policy lên robot humanoid thật — domain randomization, system identification, safety, và Unitree SDK.