你来控制 · 左鸭
语音 / 方向键 / 按钮等候实际运动测量
左侧实测
倾角 —仿真 0.0 s支撑 —配重中心 —
等待准备
你来控制左鸭
准备后可直接说“向前走”，或点击前进／后退开始 PK。
← 前进、→ 后退，每次 2 秒；↓ 站定。按钮与方向键操作相同。长按不连发，编辑输入框时保留原有按键功能；语音可指定 1–3 秒。新指令替换旧指令；辅助站定开启时，到时小步纠偏保持当前位置。识别期间比赛继续，右鸭不暂停；两侧各有 18 秒仿真时间。
走一步，世界也跟着动。
用脚步压低一端，让自由配重滑向红色停靠区；再反向调整，把它刹住。环境的下一步，由小鸭这一脚改变。
真实 MuJoCo 接触 · 板面与配重均无电机、无预设轨迹看看它怎样学会 ↓
语音指挥左鸭
连接灵矽后，按住说话，松开执行；也可按住空格。
说“向前走”“后退一秒”“站住”；首条移动指令会开始 PK。
所选策略
PPO / 规则控制右侧控制器 · 等候指令
右侧实测
倾角 —仿真 0.0 s支撑 —配重中心 —
等待准备
赭色端 · 后退 −X深色中线 · 支点绿色端 · 前进 +X
左鸭听你指挥，右鸭由 PPO 自主控制。两侧从相同初态出发，目标都是把配重送回红色区并停稳；方向不随视角改变。
目标：橙色块的中心进入红色双刻线之间（±4 cm），低速停稳至少 1 秒。
橙色配重 · 280 g
配重位置 —配重速度 —重力合力矩 —区内停稳 0.0 / 1.0 s赭色端 −X 绿色端 +X
① 发出的动作站定0 cm/s 指令
→② 相对支点的位置—实际位置，正值在绿色端
→③ 板面响应—等候实际接触
→④ 配重随坡滑动—引导它滑动，再反向制动
同一初态，脚步改变了配重的去向
本轮最多 18 秒实线为右侧，赭色虚线为左侧；配重图中的红色带是停靠区。两侧从同一位置出发，配重曲线的分岔来自鸭子不同的动作。曲线均来自物理实测。
为什么走一步，板面就会动？
脚步改变鸭子相对支点的位置，接触力矩让板面倾斜。重力沿斜坡推动配重；配重位置变化又改变板面受力。鸭子需要根据新状态，提前反向调整。
板面响应来自：鸭脚接触力矩 + 配重经导轨传递的力矩 − 阻尼力矩 + 限位力矩
板面和 280 g 配重均无电机，也没有按时间预设的运动轨迹。配重滑轨阻尼 1 N·s/m，板面阻尼 10 N·m·s/rad，均只阻碍运动，不会自动回中；板角限位约 ±6°。红色区只是标记，不吸附、不锁定配重。重力合力矩不等于脚部接触力矩。
从尝试到策略
环境会回应，所以要学着调整。
PPO 每 0.1 秒选择站定、前进或后退；官方步态把指令变成关节目标；真实接触改变板面，形成下一次观察。
奖励函数：什么值得再做一次？
点击任意项查看系数和含义。实时贡献使用右侧最新物理状态；不是预先绘制的分数。
什么时候才算成功？
完整经历 18 秒且无跌倒、触板、触地、脚部越界或连续 0.4 秒无支撑。最后连续 1 秒：配重中心在红色区 ±4 cm 内、速度低于 2.5 cm/s，板角小于 2°、角速度小于 4°/s 且有支撑。经过红色区但未停稳不算成功；鸭子站在中心也不算。点击停止属于暂停，不计成功。
哪些是学来的，哪些是工程先验？
新 PPO 学习何时前进、站定和后退。固定步速为 +0.25、0、−0.35 m/s；横向位置与朝向由工程反馈控制。底层官方步态已训练过。人工配平规则使用重力合力矩加倾角反馈，不规划配重到停靠区；回中规则只关注鸭子位置。两者单独报告，不算 PPO。
观察来自 MuJoCo 真值，未使用摄像头。板面是被动铰链，阻尼为 10 N·m·s/rad，倾角限位约 ±6°。配重滑轨无执行器。高阻尼使过程便于观察，不代表所有真实跷跷板。
17 个输入 · 实时值
CPU 训练实测
正在读取训练记录…
训练参数与实验身份
查看原始实测记录 ↗每次验证的平均回报
更新幅度 · KL 散度
PPO 限制一次更新的幅度，避免新策略突然偏离采样策略。成功率、回报与 KL 不等价；高回报也可能没通过最后的保持条件。