四足控制器 · 一：把问题说清楚

“让机器人落地后站稳”听起来像一个任务，实际还缺很多条件。从多高开始？身体是否倾斜？地面怎样？只要不翻倒就成功，还是还要限制冲击、恢复时间和动作幅度？

这些问题不写清，训练得到的好成绩也不知道在回答什么。这两篇是任务设计的推演，没有附带训练日志或真机结果，不能当作已完成的四足实验报告。

先把一次落地分成几段

可以先观察腾空、首次接触、吸收冲击、恢复支撑这四段。它们不一定有整齐的分界，却会提出不同的问题：接触前腿摆在哪里？接触时能否顺应？接触后身体和关节是否进入允许范围？

周期行走常能借助反复出现的状态组织控制；一次落地则有短促的接触瞬态。这里不据此断言“落地普遍比走路难”，而是用这个差别决定要记录什么。

写一张任务卡，再开训练

以平地落地为构造例子，任务卡至少包含以下约定。具体阈值必须根据模型与平台设置，不能从这篇文章直接拿去上机。

要约定什么	为什么会改变结果
初始高度、姿态、速度的范围	只测直立静止下落，与有扰动下落不是同一任务
策略能看到哪些状态、多久更新一次	使用仿真真值与依赖真实传感器，信息条件不同
输出是位置目标、力矩还是别的量	同一个数值在不同接口中代表不同动作
动作幅度、速率与接触约束	不能用越过硬件能力的动作换成功
失败条件与成功检查时刻	短暂撑住与持续稳定应分开记录

“站稳”可以进一步拆成姿态、运动速度和持续时间的条件。设定之前，先说明每个量从哪里测、容差为什么合理；别只让肉眼觉得动画不错。

第一轮先要一个能解释的参照

训练前，先运行平台允许的简单参照，例如固定姿态配合已有的底层控制。参照未必优秀，但它帮助检查环境、终止条件和评估脚本，也让后续变化有比较对象。

给候选策略与参照使用同一批初始条件。记录每次是否达标、何时失败，以及接触附近的状态和动作。不要只保留一段成功视频。

没有成功，第一轮还有什么价值？

如果能指出失败发生在首次接触还是恢复阶段，并保留下一个试验需要改变的条件，这轮仍然提供了信息。反过来，只有“奖励上涨”的曲线，未必能说明任务更接近完成。

把仿真结果拆成待检查的假设

从仿真转向硬件时，接触与摩擦、执行器能力、状态估计和通信延迟都值得核对。先找证据判断哪项差异主导当前失败，再决定是否扩大随机化或改接口；不必先猜“最大的三个差距”并把它当结论。

可以先读迟到的反馈，体会数值正确但到达过晚怎样改变行为。真正评估成功率时，再用同一张试卷检查测试分布。

离开这一篇前，试着独立写下三句话：从什么状态开始、机器人被允许做什么、怎样判定这次结束得好。写不出来时，先继续定义任务；写出来后，再看奖励会怎样偏离它。