在Wheel-Legged-Gym（基于 Isaac Gym 的轮腿机器人强化学习环境）中，观测空间（Observation Space）的设计直接决定了训练出的策略能不能顺利部署到真实机器人。本文带你拆解这个项目的观测空间设计：27 维本体感知如何构成、为什么"故意藏掉"线速度、非对称训练中的特权观测、观测噪声注入，以及支撑真机迁移的域随机化配置。

为什么观测空间决定能否上真机

很多新手训练的四足/轮腿机器人在仿真里走得很好，一上真机就东倒西歪。原因往往不在算法，而在观测设计：

• 策略在仿真里"偷看"了真实传感器根本拿不到的信息（比如基座线速度）；
• 观测没有加噪声，策略对传感器误差毫无鲁棒性；
• 没有动作延迟与域随机化，策略对执行器差异敏感。

Wheel-Legged-Gym 的观测方案正是冲着这些问题来的，下面逐项看。

27 维本体感知：策略到底"看"什么

Actor（策略网络）使用的观测由compute_proprioception_observations构建，总维度为 27（在 legged_robot_config.py 中由num_observations = 27定义）。以 wheel_legged_vmc 任务为例：

💡 所有缩放系数都集中定义在 legged_robot_config.py 的obs_scales中（如ang_vel = 0.25、dof_vel = 0.05），VMC 环境在 wheel_legged_vmc_config.py 中补充了l0 = 5.0、l0_dot = 0.25。缩放的目的就是让每项观测的数值量级接近 1，避免网络被大数值项主导。

VMC 环境的巧思：用统一变量替代关节角

VMC（Virtual Model Control）环境的核心思想，是用theta0/L0（连杆角与杆长）这组统一变量来描述腿部状态，而不是直接的关节角。这样在开链结构上训练的同一套观测格式，可以无缝迁移到闭链机构——观测定义见compute_proprioception_observations，而连杆量的计算来自每步物理步后的leg_post_physics_step中的正向运动学。

细节 1：故意不给策略"基座线速度"

对比基础环境的compute_proprioception_observations会发现一个反直觉的设计：base_lin_vel（基座线速度）被注释掉了，只保留了角速度。

为什么要藏掉它？因为真实机器人的 IMU 只能直接测角速度，线速度必须靠积分或外部估计，误差会随时间累积。如果训练时把精确线速度喂给策略，上真机后这项观测就"失真"了。

Wheel-Legged-Gym 的解法是：让网络自己从历史观测中学出来——

• obs_history_length = 5（legged_robot_config.py）：把最近 5 帧观测堆叠成 27×5 = 135 维输入；
• 序列策略ActorCriticSequence（actor_critic_sequence.py）用一个编码器把 135 维历史压缩成 3 维潜在向量（latent_dim = 3，注释写明"at least 3 to estimate base linear velocity"）；
• Actor 的输入 = 当前 27 维观测 + 3 维潜在变量（actor_critic_sequence.py）。

也就是说：策略不是"看不到"线速度，而是学会了从可测信息中估计它——这正是真机部署最需要的能力。

细节 2：非对称训练——Critic 看特权信息

在 wheel_legged_vmc_config.py 中，num_privileged_obs被设置为远超 27 的值（VMC 版本约 209 维）。compute_observations会在 Actor 观测之外额外拼接一批"特权"信息供 Critic（价值网络）使用：

这种"Actor 只看可部署观测、Critic 看全量信息"的做法叫非对称训练（asymmetric actor-critic），训练循环中的分发逻辑见 on_policy_runner.py：critic_obs = privileged_obs if privileged_obs is not None else obs。部署时只需要保存 Actor + 编码器，特权部分自动"消失"。

细节 3：观测噪声——模拟真实传感器

legged_robot_config.py 默认开启add_noise = True，compute_observations会在每一步往观测里叠加均匀分布噪声，各项幅度由_get_noise_scale_vec决定。以基础 27 维布局为例：

VMC 环境在 wheel_legged_vmc.py 中按自己的观测顺序重写了该向量，并新增了l0 = 0.02、l0_dot = 0.1的噪声尺度——注释里特意提醒"note that observation noise need to be modified accordingly"，说明作者把观测结构变更时同步维护噪声向量当作一条硬规矩。这一步让策略天然对 IMU 抖动和编码器毛刺免疫。

另外，所有观测和动作都会被clip_observations = 100.0/clip_actions = 100.0（legged_robot_config.py）截断，防止偶发仿真异常值污染训练。

细节 4：为真机做的"预演"——域随机化与动作延迟

上真机前，环境先把"机器人与地面的差异"提前练完。legged_robot_config.py 的domain_rand段包含：

• 摩擦系数随机化：friction_range = [0.1, 2.0]；
• 基座附加质量：added_mass_range = [-2.0, 3.0]kg，质心偏移rand_com_vec = [0.05, 0.05, 0.05]；
• PD 增益随机化 ±10%（randomize_Kp/randomize_Kd），甚至覆盖 VMC 的kp_theta、kp_l0等（wheel_legged_vmc.py）；
• 电机力矩输出随机化 ±10%；
• 动作延迟：delay_ms_range = [0, 10]，每个环境随机抽取 0~10ms 的延迟，通过action_fifo队列实现（wheel_legged_vmc.py）——这正是真机上"指令下发 → 执行器响应"延迟的仿真版本。

这些随机化的"当前取值"（质量、摩擦、恢复系数、质心等）会被写进特权观测给 Critic 参考，而 Actor 只能靠观测去适应——训练完成时，策略就已经见过上千种"略有不同的真机"了。

细节 5：训练与部署流程

一切就绪后，训练和验证都很简单：

python wheel_legged_gym/scripts/train.py --task=wheel_legged_vmc_flat python wheel_legged_gym/scripts/play.py --task=wheel_legged_vmc_flat

项目提供三个任务（注册在 envs/init.py）：

训练出的策略只依赖"27 维本体感知 + 5 帧历史"，全部是 IMU、编码器和指令就能提供的数据——这就是它能上真机的原因。

小结：观测空间设计的 5 条可复用经验

1. 只给策略真机可测的观测：角速度、投影重力、关节状态、上一动作；
2. 缺什么就"学"什么：用观测历史 + 编码器隐式估计基座线速度（latent_dim = 3）；
3. 特权信息只给 Critic：地形高度场、线速度、力矩等仿真独占数据走非对称通道；
4. 观测加噪 + 截断：噪声向量和观测结构同步维护，clip兜底防异常；
5. 域随机化 + 动作延迟：把真机的执行器与地面差异提前"喂"给策略。

相关文件索引

掌握了这套观测设计，你再为自己的轮腿或足式机器人项目配置观测空间时，就不会掉进"仿真满分、真机翻车"的坑了。