浏览器内运行的 OpenDoge 策略仿真器:MuJoCo(WebAssembly)在页面里跑物理,ONNX Runtime Web 执行训练产出的策略网络。没有 Python 后端,也不依赖跨源隔离响应头,构建产物是纯静态站点,可直接挂在 GitHub Pages 上。
在线地址:https://opendogerobotics.github.io/
首屏是一个终端风格的加载页:机器人网格、MuJoCo / ONNX Runtime 和默认策略通过并行请求载入,进度按流式读取的实际字节更新,不再先逐项等待 HEAD 预检。
| 策略 | 来源 | 观测 | 说明 |
|---|---|---|---|
| 平地速度跟踪 | opendoge/flat |
48 维 | 摇杆或 WASD/QE 给出 vx / vy / ω 指令 |
| SuperMimic-MoE · 粗地形(默认) | policy/opendoge_supermimic_rough_20000.onnx |
235 维 | 5 帧 × 47 维本体历史,含步态相位 |
| 多技能 · 行走 | opendoge/skills |
57 维 | 同一网络的 walk 技能 |
| 多技能 · 倒立 | opendoge/skills |
57 维 | 同一网络的 handstand 技能,前腿倒立约 0.22 m |
| 多技能 · 起身 | opendoge/skills |
57 维 | 同一网络的 getup 技能,仰卧起身 |
| 跌倒起身 | opendoge/getup |
48 维 | 单技能起身基线 |
opendoge/skills 是一个网络承载 walk / handstand / getup / jump 四种技能。页面里把前三种拆成独立条目(各自带正确的起始姿态),jump 需要按训练时的起跳状态机推进相位与离地标志,暂未开放。
机器人模型来自 OpenDoge_train/src/assets/robots/opendoge/xmls(OpenDoge V1.1,13 个 STL 网格)。视觉网格直接由同一份 MJCF 驱动,物理与渲染不会有模型偏差。
除策略外还保留了这些交互:
- 虚拟摇杆 / 键盘控制运动指令,可调指令幅值
- 实时监测:机身位置、接触数、12 维动作曲线
- 用鼠标拖拽机身可施加冲量:箭头始终从躯干质心出发(不是鼠标命中的表面点),方向与距离对应推力方向与大小
- 极客风格界面:等宽字体、直角面板、1px 描边、琥珀色高亮、HUD 角标;CMD / 监测 / 地形三个面板都可以按住标题拖动
- 浏览器内地形编辑器:
- 高台 / 矮墙 / 斜坡 / 台阶 / 梅花桩按米制尺寸放置,俯视图上可直接拖动标记改位置
- 斜坡用真实楔形网格(渲染与 MuJoCo 碰撞体同形),按斜率 % 与长度联动高度
- 台阶可调阶数 / 阶深 / 阶宽 / 阶高;梅花桩支持并列 / 交错 / 斜列排布与行列间距
- 预置平地 / 坡道 / 阶梯 / 随机障碍,支持导出与导入 JSON(兼容早期版本的 scaleX/scaleY 字段)
npm install
npm run dev # 开发服务器
# 或
npm run build && npx vite preview若使用 VS Code Live Server(默认 127.0.0.1:5500),先运行 npm run build;项目设置会让 Live Server 从 dist/ 提供构建后的站点,地址保持 / 不变且不会自动打开其他页面。
npm run dev / npm run build 会先执行 scripts/prepare-assets.mjs:如果同级目录存在 OpenDoge_train,就从训练仓库同步机器人模型、基线策略及 policy/opendoge_supermimic_rough_20000.onnx 到 public/;否则直接使用仓库中已提交的资产(GitHub Actions 走的就是这条路径)。
OPENDOGE_TRAIN=/path/to/OpenDoge_train npm run prepare-assets页面不是"看起来像"的近似动画,观测与动作链路按 mjlab 训练配置复刻:
- 默认 SuperMimic 输入 235 维:5 帧、每帧 47 维
[机身角速度(3), 投影重力(3), 关节位置偏移(12), 关节速度(12), 上一步未缩放动作(12), 机身系速度指令(3), 步态相位(2)];复位时用首帧填满历史 - SuperMimic 动作 12 维按关节缩放:髋关节 0.25,大腿和小腿 0.4;其余策略仍使用各自既有输入与动作格式
- 关节执行器:
<position>内置 PD,kp=12、kd=0.5、力矩上限髋/大腿 6 N·m、小腿 9 N·m,关节armature=0.005 - SuperMimic 物理:时间步 5 ms,
decimation=4,即策略固定 20 ms / 50 Hz,与训练端一致;其他旧策略保留 2 ms × 2 的 4 ms 周期 - 初始状态:机身
z=0.158 m,关节角与OPENDOGE_INIT_STATE一致(起身策略从仰卧z=0.06 m开始;倒立用训练重置分布内的 1.05 倍关节角) - 多技能策略的尾部 9 维是
[跳跃指令(3), one_hot(walk, handstand, getup, jump)(4), phase_sin, phase_cos];静止技能的相位恒为(0, 1)
逐条对齐 Python 参考实现(3 秒):
| 策略 | 浏览器 | Python |
|---|---|---|
| 平地速度跟踪(0.4 m/s) | x=1.07 |
x=1.063 |
| 多技能 · 行走(0.2 m/s) | x=0.39 |
x=0.392 |
| 多技能 · 倒立 | z=0.22 |
z=0.219 |
tools/reference_sim.py 是浏览器控制回路的 Python 参考实现,可在把新策略放进 public/policies/ 之前先验证它是否站得住、走得动:
python tools/reference_sim.py --policy public/policies/opendoge-flat.onnx --command 0.4 0 0 --duration 3
# final x=1.063 y=0.037 z=0.157
python tools/reference_sim.py --policy public/policies/opendoge-skills.onnx --skill handstand --init-scale 1.05
python tools/reference_sim.py --policy public/policies/opendoge-getup.onnx --init fallen --duration 5需要 mujoco、numpy、onnxruntime;默认从同级 OpenDoge_train 读取场景,可用 --scene 或 OPENDOGE_TRAIN 覆盖。该参考脚本针对单帧策略,不能用于 SuperMimic 的 5 帧历史输入。
仓库自带 GitHub Actions 工作流(.github/workflows/deploy.yml):推送到 main 后自动 npm ci && npm run build,并把 dist/ 发布到 GitHub Pages。
首次使用时在仓库 Settings → Pages → Build and deployment 把 Source 设为 GitHub Actions 即可。
- 这是面向演示的在线仿真器,不作为训练验收工具;正式评估仍应使用
OpenDoge_train的 MuJoCo/Viser 流程。 public/robot/assets/*.STL约 19 MB,首次打开需要一点加载时间,之后由浏览器缓存。- SuperMimic 训练使用 ±0.015 rad 编码器偏差随机化;网页仿真当前固定偏差为零。其余策略可从策略菜单切换。
opendoge/skills的 jump 技能需要训练时的起跳状态机(相位、离地锁存、四足离地判定),当前版本未实现。- 机器人资产由 OpenDogeRobotics 维护;训练侧代码与策略见 OpenDogeRobotics/OpenDoge_train。



