cbb/Robot_Arm

Fork 0

Files

T

Hark 40af3b4dd6 docs: Transformer 拟合避障轨迹规划训练方案（审查稿）

2026-10-17 12:08:04 +00:00

14 KiB

Raw Blame History

Transformer 拟合避障轨迹规划：训练方案（审查稿）

2026-10-17 起草，基于 main@3c7c814（贴立柱修复后的规划器）。本文只是方案，代码尚未编写。审查时重点看：§0 定位、§2 数据分布、§3 表示方式、§5 训练配置、§7 验收标准。

0. 定位与边界

项目	决定
模型角色	提议器：给出若干条候选关节轨迹，由现有 `collideFree` + 半格复验把关，全部不合法时回落 `routeRT` / `solveDyn`
不做的事	不让模型直接驱动电机；不替代碰撞检测；不学习动力学（速度/加速度仍由 `animTo` 时间参数化）
老师	当前 JS 规划器（`webapp/js/ik-solver.js`）：松手口径用 `S.solveDyn(T, opt)`，拖拽口径用 `S.solveRoute(T, {quick:true,...})`
收益目标	实时拖拽重规划 P99 ≈ 321 ms → < 50 ms；首次全量 IK 尖峰（最差约 2 s）→ < 100 ms
底线	「模型+验证+回落」整体的到达率、路径合法率不得低于现有规划器（任何基准上都不允许退化）

为什么必须保留验证：碰撞是"硬约束"，神经网络只能做到高概率满足。验证器把"偶尔撞一下"变成"偶尔慢一下"。

1. 训练环境

阶段	在哪里跑	说明
数据生成	Hark 沙箱（2 vCPU / 7 GB，Node）或用户机器	纯 JS，无需 GPU；可多进程并行
训练	用户的 GPU 机器	沙箱无 GPU、无 PyTorch。最低建议 8 GB 显存（RTX 3060 级别）
部署推理	浏览器（onnxruntime-web，WebGPU 优先，wasm 兜底）	与现有查看器同页运行

Python 环境（训练机）：

conda create -n armtf python=3.11 -y && conda activate armtf
pip install torch --index-url https://download.pytorch.org/whl/cu121   # 按本机 CUDA 版本选
pip install numpy pyarrow tqdm tensorboard onnx onnxruntime

2. 第一步：生成数据（规划器当老师）

2.1 新增文件

文件	作用
`ml/gen/gen_dataset.cjs`	采样任务 → 调用规划器 → 校验 → 写分片
`ml/gen/sampler.cjs`	起点/目标采样器（三类分布，见 2.3）
`ml/gen/run_parallel.sh`	按 CPU 核数起 N 个进程，每个进程不同随机种子
`ml/data/shard_XXXX.jsonl`	原始样本分片（每片 5000 条）

复用 tests/route_bench_setup.cjs 装配求解器（关节表、docs/travel.json、docs/collide.json，无需网格）。

2.2 单条样本的字段

{
  "id": "s0003_000127",
  "mode": "pos" | "pose",
  "teacher": "dyn" | "rt",
  "q0": [6 个关节角, 度],
  "T": [x, y, z],            // 目标 TCP 位置, mm
  "R": [[3x3]] | null,       // 目标姿态（pose 模式）
  "tool": 0,
  "path": [[6], [6], ...],   // 老师给出的折线: q0 → via... → q
  "q_goal": [6],
  "ok": true,                // 到达 (误差<1mm, pose 另需<0.5°) 且 1° 细验无干涉
  "poseRelaxed": false,
  "travel_deg": 123.4,
  "plan_ms": 812.0,
  "fp": "collide.json 指纹"    // modelFingerprint()，碰撞模型变了旧数据作废
}

2.3 采样分布（目标 20 万条原始任务）

关节限位（docs/travel.json）：J1/J3/J6 连续 ±180°；J2 [-92, 9]，J4 [-111, 16]，J5 [-93, 34]。

类别	占比	采样方式
A 均匀	50%	起点 q0、目标位形 b 均在限位内均匀采样且本身无干涉；目标取 `fk(b)`（pose 模式加 `orient(b)`）
B 直线被挡	30%	同 A，但要求 q0→b 关节直线 1° 细验有干涉（route_bench 的生成口径）
C 贴立柱	15%	b 满足 `nearColumn`（J1/J2/J3 任一 ±4° 即撞立柱），q0 在立柱另一侧（near_column_bench 口径）
D 不可达/无安全解	5%	目标在工作空间外或所有 IK 分支都撞；标签为"拒绝"，教模型说"到不了"

mode：pos 与 pose 各 50%。
老师：每条任务用 solveDyn 求一次（松手口径，质量更高）；其中 30% 额外用 routeRT 拖拽口径求一次，作为"快速路径"风格的辅助样本（teacher:"rt"），训练时可按需过滤。
测试集隔离：用固定种子另生成 2000 条留作测试集，且排除与训练目标距离 < 5 mm 的样本；route_bench / near_column_bench / rt_drag_bench 的案例不进入训练集。

2.4 质量过滤

ok == false 的样本：A/B/C 类丢弃；D 类保留为"拒绝"标签。
整条路径 1° 细验（segOK）+ 半格复验，任一段干涉即丢弃。
poseRelaxed == true 的样本单独打标签，训练时只当作 pos 模式样本用（避免模型学到"姿态随便放"）。
关节行程超过同任务 routeRT 结果 1.5 倍的视为老师绕远，丢弃（可选，先统计比例再决定）。

2.5 数据增广（不需要重新规划）

后缀切片：合法路径的任意后半段也是合法路径。从每条路径中按弧长取 2–4 个中间点作为新 q0，得到新样本（目标不变）。约 ×3。
连续轴平移：J1 绕立柱对称性不成立（立柱在固定位置），不做 J1 旋转增广；J6 若与碰撞无关可加 ±360° 等价表示，归一化时统一处理。
增广后预计约 60 万条训练样本。

2.6 耗时与存储估算

solveDyn 约 0.7 s/条，沙箱 2 进程约 1 万条/小时 → 20 万条约 20 小时；用户机器 8 核约 5 小时。
每条约 1–2 KB，全部原始数据约 300 MB；转 Parquet 后约 80 MB。

2.7 本步检查点（审查时可看）

ml/data/stats.json：各类别数量、ok 率、平均行程、路径点数分布、规划耗时分布
随机抽 20 条在查看器里回放（新增 ?replay=shard_0000.jsonl#127 URL 参数）
测试集与 3 个基准案例和训练集无重叠

3. 第二步：预处理（Python）

文件：ml/prep/build_dataset.py → 输出 ml/data/train.parquet、val.parquet（95/5 划分）、test.parquet、norm.json。

3.1 路径重采样

连续轴（J1/J3/J6）先做展开（unwrapTo 同口径），保证相邻点差 < 180°。
按加权关节空间弧长重采样为固定 K = 32 个点，第 0 点 = q0，第 31 点 = q_goal。权重默认各轴 1（可改成按连杆长度加权）。
记录原始弧长 L（模型额外回归它，用于早停与排序）。

3.2 条件输入（编码器一侧）

量	维度	编码
q0	6	每轴 (sin, cos) → 12；限位轴再加归一化值 (q−lo)/(hi−lo) → +3
目标位置 T	3	除以 600 mm 归一化
目标姿态 R	6	旋转矩阵前两列（6D 表示）；pos 模式填 0
模式	2	one-hot [pos, pose]
工具号	1	目前恒 0，留位
起点 TCP	3	`fk(q0)` 归一化（给模型一个笛卡尔线索）

3.3 输出表示（解码器一侧）——离散化

每个关节值相对 q0 的增量 Δq = q_k − q0 离散化：连续轴范围 [−360, 360]，限位轴范围 [lo−hi, hi−lo]，均分 512 个桶（约 1.4°/桶）。
每个桶再回归一个桶内偏移 ∈ [−0.5, 0.5]（细化到亚度级）。
序列：K−1 = 31 个路径点 × 6 轴 = 186 个 token（第 0 点即 q0，不需要预测）。
额外 1 个 [REJECT]/[OK] 分类 token 放在序列最前：D 类样本只训练这个 token。

为什么不用直接回归（MSE）：立柱两侧绕行（左绕/右绕、J3 翻转/不翻转）是多峰分布，MSE 会输出两条路径的平均——恰好穿过立柱。离散化 + 自回归采样能保留多峰。

3.4 归一化文件 `norm.json`

记录桶边界、K、权重、碰撞模型指纹 fp；部署端必须校验 fp 一致，否则拒绝加载模型。

4. 第三步：模型结构

文件：ml/model/traj_transformer.py

条件向量 (≈37 维)
   └─ MLP → 8 个条件 token (d=256)        ← 编码器：4 层 Transformer encoder
目标序列: [BOS][OK] (j1,j2,...,j6)×31
   └─ 嵌入 = 桶嵌入 + 轴嵌入(6) + 路径点位置嵌入(32)
   └─ 6 层 Transformer decoder（因果自注意力 + 对条件 token 的交叉注意力）
输出头:
   ├─ 桶分类头 (512 类 / token)
   ├─ 桶内偏移回归头 (1 / token)
   ├─ OK/REJECT 头 (2 类)
   └─ 路径弧长回归头 (1)

超参	值
d_model	256
头数	8
FFN	1024，GELU
编码器/解码器层数	4 / 6
Dropout	0.1
参数量	约 7 M（fp32 约 28 MB，fp16 约 14 MB）

备选（第一版不做）：同一骨干改为 flow matching，直接输出 31×6 连续值，推理 8–16 步；在自回归版精度不够时再试。

5. 第四步：训练

文件：ml/train.py，配置 ml/configs/base.yaml。

5.1 损失

L = CE(桶)                         权重 1.0（label smoothing 0.05）
  + L1(桶内偏移)                   权重 0.5
  + CE(OK/REJECT)                  权重 0.5
  + L1(弧长 L)                     权重 0.1
  + 平滑项 ‖q_{k+1} − 2q_k + q_{k−1}‖²（用期望桶值计算） 权重 0.05
  + 终点项 ‖q_31 − q_goal‖（期望值）                    权重 0.5

5.2 训练配置

项	值
优化器	AdamW，β=(0.9, 0.95)，weight decay 0.05
学习率	3e-4，前 2000 步线性预热，余弦退火到 3e-6
batch	256（显存不够用梯度累积）
精度	bf16/fp16 混合精度
轮数	最多 40 epoch，验证集"合法率"连续 5 次不升即早停
教师强制	全程 teacher forcing；第 20 epoch 后 10% 概率用模型自己的预测（scheduled sampling），减轻曝光偏差
预计耗时	RTX 3060：约 1.5–3 小时（估算，跑完第一轮后校正）

5.3 训练中验证（每个 epoch）

在 val 抽 1000 条，自回归采样生成路径后用 Python 版碰撞检查器评估：

用 ml/eval/collide_py.py（从 collide.json 读胶囊，与 JS 同口径；先用 JS 结果对拍 1 万个位形，误差必须为 0）。
指标：合法率（1° 细验无干涉）、终点误差、行程比（模型/老师）、REJECT 准确率。
保存最优 checkpoint 依据 = 合法率，其次终点误差。

5.4 一条命令运行

python ml/prep/build_dataset.py --in ml/data --out ml/data
python ml/train.py --config ml/configs/base.yaml --run runs/v1
tensorboard --logdir runs

6. 第五步：推理与集成

6.1 导出

ml/export_onnx.py：导出带 KV cache 的解码器（opset 17），fp16 量化；输出 webapp/models/traj_v1.onnx + traj_v1.norm.json。

6.2 推理流程（新增 `webapp/js/ik-learned.js`，在 `routeRT` 之前调用）

编码条件 → 一次 batch 采样 B = 8 条（温度 {0, 0.5, 0.8, 1.0} 各 2 条，0 为贪心）。
若 OK 头判 REJECT 概率 > 0.9 → 直接走原规划器（不信任模型的"到不了"，只用来省时间排序）。
每条候选：终点用 solveTo 做 1–3 次牛顿精修 → 整条 collideFree 1° 细验 + 半格复验。
选合法且行程最短的一条；全部不合法 → 原 routeRT / solveDyn 回落。
拖拽中热启动：把上一帧路径剩余部分作为解码前缀，只重新生成后半段。

6.3 延迟预算（目标）

环节	目标
模型推理（8 条 × 186 token，WebGPU）	< 15 ms
碰撞验证（8 条）	< 15 ms（已有包围球预筛）
合计（命中时）	< 30 ms

7. 第六步：评估与验收

7.1 测试集合

集合	来源
route_bench	`tests/route_bench.cjs`，60 例
near_column_bench	`tests/near_column_bench.cjs`，30 例（pos / pose / rt）
rt_drag_bench	`tests/rt_drag_bench.cjs`，12 例
held-out	§2.3 的 2000 条留出测试集

新增 tests/learned_bench.cjs：对同一批案例分别跑 ①原规划器 ②仅模型 ③模型+验证+回落，输出对比表。

7.2 验收标准

指标	仅模型（参考）	模型+验证+回落（必须）
路径合法率	≥ 90%	= 100%（与现状一致）
到达率	≥ 95%	≥ 现状（route 60/60，near pos 30/30，rt 30/30）
关节行程	≤ 老师 × 1.1	≤ 现状 × 1.05
拖拽重规划 P99	—	< 50 ms（现状约 321 ms）
拖拽碰撞帧	—	0
模型命中率（不需回落）	—	≥ 85%

不达标的处理：命中率低 → 加数据（重点补失败类别）/ 加大模型；行程差 → 加大行程 loss 或过滤老师绕远样本；延迟不降 → 减少 B 或改 flow matching。

8. 风险与维护

碰撞模型/立柱变动 = 重训：collide.json 指纹写进数据和模型，不一致时前端自动禁用模型，回落原规划器，不会出错只会变慢。重训流程 = §2 → §5，约半天。
老师的缺陷会被学走：例如 ci27 姿态根枚举漏分支（姿态偏差约 97.5°）。数据里 poseRelaxed 样本已隔离；老师修好后再重造数据。
分布外目标：模型在工作空间边缘可能乱给；有验证+回落兜底，只影响速度。
J3/J6 连续轴展开：预处理与部署必须同一套 unwrapTo 口径，§3 对拍时一并验证。

9. 目录规划

ml/
  gen/        gen_dataset.cjs  sampler.cjs  run_parallel.sh
  data/       shard_*.jsonl  stats.json  train/val/test.parquet  norm.json   (不入库，.gitignore)
  prep/       build_dataset.py
  model/      traj_transformer.py
  eval/       collide_py.py  eval_paths.py
  configs/    base.yaml
  train.py  export_onnx.py  README.md
webapp/js/ik-learned.js
webapp/models/traj_v1.onnx  traj_v1.norm.json
tests/learned_bench.cjs

10. 里程碑

#	内容	产出	在哪跑
M1	数据生成器 + 1000 条试跑 + stats	`ml/gen/*`、stats.json	沙箱
M2	Python 碰撞检查器对拍	`collide_py.py`，1 万位形 0 误差	沙箱
M3	全量 20 万条数据	Parquet	沙箱（约 20 h）或用户机器
M4	训练工程 + 小数据过拟合测试（1000 条能背下来）	`train.py` 等	沙箱 CPU 验证代码可跑
M5	正式训练	checkpoint、TensorBoard	用户 GPU
M6	导出 ONNX + 前端集成 + learned_bench	对比表	沙箱 + 浏览器

11. 需要用户确认

训练机显卡型号与显存。
定位：只做加速器（本文默认），还是希望最终能脱离规划器。
数据生成在沙箱跑（约 20 h），还是你的机器跑更快。

14 KiB Raw Blame History Unescape Escape