跳到主要内容

sim2real/rl_policy/utils/motion_buffer.py 工作逻辑

这篇文档单独解释 RealtimeMotionBuffer 是怎么工作的。

它的职责可以概括成一句话：

持续接收 publisher 发来的实时 motion 数据
    -> 按时间戳缓存
    -> 在 policy 需要 observation 时按目标时间插值
    -> 返回统一的 MotionData

这个类主要服务 tracking policy 的 live / zmq motion 模式。

1. 它解决的核心问题​

tracking policy 不是只需要“当前这一帧” motion。

它通常需要这样一组参考时间点：

future_steps = [-4, -2, 0, 1, 2, 3, 4, 8, 16]
dt = 20ms

也就是说，policy 一次 forward 需要：

  • 比“参考时刻”更早的几帧
  • 参考时刻本身
  • 未来几帧

但实时 VR teleop 的 motion 是通过 ZMQ 一帧一帧到达的，而且到达时间并不一定正好卡在这些目标时间点上。

所以需要一个 buffer 来做三件事：

  1. 把收到的 motion 按时间存起来
  2. 给 policy 提供一个“延迟后的稳定时间轴”
  3. 对不在离散采样点上的目标时间做插值

2. 整体数据流​

PICO / XR body stream
    -> pico_g1_zmq_publisher.py
    -> ZMQ JSON payload
    -> RealtimeMotionBuffer
    -> MotionData
    -> StateProcessor
    -> track observations
    -> policy

更细一点：

publisher
    发出:
        smplx_t_ns
        joint_pos
        body_pos_w
        body_quat_w

RealtimeMotionBuffer
    收到 payload
        -> 解析 JSON
        -> 按 smplx_t_ns 排序插入
        -> 保存到内部时间缓存

policy step
    当前时间 t
        -> 取参考时刻 t - delay
        -> 根据 future_steps 生成一组目标时间戳
        -> 从 buffer 里查找/插值
        -> 返回 MotionData

3. 初始化时做了什么​

RealtimeMotionBuffer.__init__() 里会初始化这些状态：

  • joint_names
    • 固定为 teleop 侧定义好的 canonical G1 joint 顺序
  • body_names
    • 固定为 teleop 侧定义好的 canonical G1 body 顺序
  • future_steps
    • policy 配置里要求的参考时间步列表
  • dt_s
    • motion 的离散步长，tracking 里通常是 0.02
  • tolerance_s
    • 给网络抖动 / retarget 延迟预留的安全余量
  • delay_s
    • 如果没显式传，就自动按下面公式算：
delay_s = max(future_steps) * dt_s + tolerance_s

例如：

future_steps = [-4, -2, 0, 1, 2, 3, 4, 8, 16]
dt_s = 0.02
tolerance_s = 0.04

delay_s = 16 * 0.02 + 0.04 = 0.36 s

它还会准备两个内部容器：

  • _timestamps_ns
    • 每一帧对应的时间戳
  • _frames
    • 每一帧对应的 motion 数据

可以理解成：

_timestamps_ns: [t0, t1, t2, t3, ...]
_frames:        [f0, f1, f2, f3, ...]

两者下标一一对应，而且始终按时间升序排列。

4. ZMQ 收包线程怎么工作​

如果初始化时传了 motion_zmq_connect，buffer 会起一个后台线程：

while True:
    recv payload from ZMQ
    parse payload
    append into sorted buffer

这部分逻辑在 _start_motion_stream() 里。

每次收到一条 payload，会交给 __append_payload()。

5. 一条 payload 进入 buffer 时发生了什么​

__append_payload() 的逻辑可以概括成：

raw string / bytes
    -> 去掉 topic 前缀
    -> JSON 反序列化
    -> 取出时间戳和 motion 字段
    -> 转成 numpy
    -> 插入有序时间轴

当前它主要读这些字段：

  • smplx_t_ns
  • joint_pos
  • body_pos_w
  • body_quat_w

兼容逻辑：

  • 如果没有 joint_pos，也会尝试读 dof_pos 或 qpos
  • 如果给了 joint_names/body_names，会检查它们是否和 canonical G1 顺序一致

插入时用的是 bisect_right，所以即使消息有轻微乱序，也会按时间顺序插进去。

内部每个 frame 现在只保留三类核心数据：

frame = {
    joint_pos,
    body_pos_w,
    body_quat_w,
}

6. 为什么 policy 看到的是 t - delay​

这是这个 buffer 最重要的设计点。

policy 在控制时刻 t，不能直接把 t 当作参考时刻，因为它还需要未来若干步的数据。

所以这里采用：

参考时刻 = t - delay

这样，policy 实际上总是在看“一段更早、但已经收齐未来窗口”的 motion。

示意图：

当前真实时间:                 t
                              |
                              v
时间轴:   ---- ---- ---- ---- ---- ---- ---- ---- ----
                    ^
                    |
                 t - delay

policy 需要的 future_steps:
[-4, -2, 0, 1, 2, 3, 4, 8, 16]

对应目标时间:
(t-delay) - 4*dt
(t-delay) - 2*dt
(t-delay) + 0*dt
(t-delay) + 1*dt
...
(t-delay) + 16*dt

所以虽然名字叫 future_steps，但从“当前真实时间 t”的视角看，它其实是：

  • 一个经过延迟对齐后的未来窗口
  • 用这个窗口来保证 observation 不会因为“未来帧还没到”而缺数据

7. get_obs() 怎么取一组 observation​

get_obs() 每次被调用时，大致做这几步。

第一步：拿当前时间​

current_time_ns = time.time_ns()

第二步：清掉太旧的数据​

先算一个 cutoff：

cutoff = current_time
         - (delay + abs(min_future_step) * dt)

这表示：

  • 比这个时间更早的帧
  • 连最早那个负的 future_step 也用不上了

就可以删掉。

但实现上会保留 cutoff 前最后一帧，避免插值时丢失左端点。

示意图：

时间轴:

old old old keep | useful useful useful useful
            ^
            |
          cutoff

清理规则:
    cutoff 之前不是全删
    而是保留 cutoff 前最后一帧

这是为了保证：

目标时间落在 [旧帧, 新帧] 中间时
仍然能做插值

第三步：生成目标时间戳​

先算参考基准时间：

target_base = current_time - delay

再把 future_steps 展开成具体时间：

target_times = target_base + future_steps * dt

例如：

future_steps = [-4, -2, 0, 1, 2, 3, 4, 8, 16]
dt = 20ms

target_times =
    target_base - 80ms
    target_base - 40ms
    target_base
    target_base + 20ms
    ...
    target_base + 320ms

第四步：逐个目标时间取样​

对每个 target_time，调用 _sample_frame_locked()。

第五步：堆成 MotionData​

最后把所有目标时间对应的 frame 堆起来，组成：

  • joint_pos
  • joint_vel
  • body_pos_w
  • body_lin_vel_w
  • body_quat_w
  • body_ang_vel_w

并包装成 MotionData 返回给上层。

8. _sample_frame_locked() 的三种情况​

对某个目标时间 ts，它分三种情况处理。

情况 1：ts 早于最老帧​

直接返回最老帧。

ts   t0   t1   t2
|----|----|----|

返回 t0

情况 2：ts 晚于最新帧​

直接返回最新帧。

t0   t1   t2   ts
|----|----|----|

返回 t2

情况 3：ts 落在两帧中间​

找到：

t0 <= ts <= t1

然后计算：

alpha = (ts - t0) / (t1 - t0)

再做插值：

  • joint_pos
    • 线性插值
  • body_pos_w
    • 线性插值
  • body_quat_w
    • batch slerp

示意图：

t0 -------- ts -------- t1
     alpha

9. quaternion 插值怎么做​

body_quat_w 不能直接线性插值，所以单独用了 _quat_slerp_batch()。

现在的实现是纯 numpy 的 batch slerp，逻辑是：

  1. 先把 quaternion 归一化
  2. 计算 dot(q0, q1)
  3. 如果 dot 小于 0，就把 q1 翻面，保证走最短弧
  4. 如果两帧非常接近，就退化成 lerp + normalize
  5. 否则走标准 slerp 公式

这样比之前逐 body 调一次 scipy.Slerp 要快很多。

10. 为什么 velocity 现在全是 0​

当前 live tracking 路径里，真正被 observation 用到的是：

  • joint_pos
  • body_pos_w
  • body_quat_w

而 velocity 相关量目前没有被这个 policy 真正消费。

所以现在实现里：

  • joint_vel
  • body_lin_vel_w
  • body_ang_vel_w

都直接返回 0。

对应逻辑在：

  • _frame_with_zero_velocities()
  • _sample_frame_locked()

这样做的目的很直接：

  • 避免在 get_obs() 里做不必要的导数计算
  • 把 live buffer retrieval 的耗时压到足够低

11. 这个文件当前的几个重要假设​

假设 1：publisher 的数组顺序已经是 canonical G1 顺序​

也就是：

  • joint_pos 的顺序和 G1_JOINT_NAMES 一致
  • body_pos_w/body_quat_w 的顺序和 G1_BODY_NAMES 一致

buffer 现在主要做检查，不做复杂重排。

假设 2：publisher 的时间戳和 subscriber 所在机器的时钟大致一致​

因为 get_obs() 用的是本机 time.time_ns()，而 payload 里用的是 publisher 写进去的 smplx_t_ns。

如果两边时钟差很多，就会影响 t - delay 对齐。

假设 3：live policy 只关心 pose，不关心 motion velocity​

如果未来有 policy 真要消费：

  • joint_vel
  • body_lin_vel_w
  • body_ang_vel_w

那就需要把这部分恢复成真实计算，而不是全 0。

12. 一句话总结​

RealtimeMotionBuffer 本质上就是一个“带延迟的时间插值器”：

实时收流
    -> 按时间缓存
    -> 用 t-delay 对齐参考时间轴
    -> 对 future_steps 对应的时间点做插值
    -> 返回 MotionData

它的核心价值不是“多存几帧”，而是：

  • 把实时、抖动、非整点到达的 motion 流
  • 变成 policy 可以稳定消费的固定时间栅格 observation