跨代 码库动作跟踪评测
排行榜使用冻结的 MotionDecode 子集和统一 MuJoCo sim2sim。策略使用 CPU ONNX Runtime，保存完整轨迹后离线计算指标。
安装与策略接入
uv sync --extra inference-cpu
新策略可使用仓库的 adapt-policy-to-sim2real skill，完成 ONNX 导出、观测历史与动作语义对齐、deploy YAML 和 sim2sim 验证。仅有 ONNX 不够，观测、关节顺序、控制增益和 action scale 都必须匹配训练。
冻结数据集
| 数据集 | 数量 | 用途 |
|---|---|---|
| Locomotion-80 | 80 | 主要评测，含全局 root |
| Manipulation-48 | 48 | 主要评测，body/wrist 跟踪 |
| Ground-60 | 60 | 补充评测 |
| Dance-40 | 40 | 补充评测 |
原始数据来自 ChingMu 的 CMRobot/MotionDecode，revision 为 80b489e0378b60bb44d495d5437475ce0e084283，遵循原始 ChingMu 使用条款。这些是小规模研究评测子集，不是完整数据集。G1 轨迹转换为 120 Hz NPZ，没有重新 retarget。
每组包含固定顺序的 motion-list.txt、原始选择清单、motion 哈希、manifest.json 和 checksums.json。不要重新抽样，也不要将 G1 关节直接解释成其他机器人关节。公开 revision 固定在 motiondecode.json，脚本下载指定版本并逐文件校验。
运行评测
在仓库根目录执行，把 YAML 替换为已接入策略的 deploy 配置：
uv run scripts/tracking_experiment/run_motiondecode_eval.py \
--download \
--policy my_policy=checkpoints/my_policy/policy.yaml \
--output-dir outputs/my_policy_motiondecode \
--max-workers 8
默认评测 Locomotion 和 Manipulation。四组全部评测：
uv run scripts/tracking_experiment/run_motiondecode_eval.py \
--download --splits locomotion manipulation ground dance \
--policy my_policy=checkpoints/my_policy/policy.yaml \
--output-dir outputs/my_policy_motiondecode_all \
--max-workers 8
重复 --policy name=path 可比较多个策略。默认数据目录为 datasets/motiondecode，可通过 --datasets-root 修改。--dry-run 下载、校验并打印命令；--skip-existing 复用可读轨迹并重算指标，仅在策略、仿真器和数据版本不变时使用。
每组输出完整轨迹、runs.csv、tracking_metrics.csv/json 和 summary.json；总目录的 motiondecode_summary.json 收集各组结果和数据版本。请同时保留 Git commit、依赖 lock、策略文件和原始轨迹。
统一口径
- seed 0，50 Hz 策略帧，初始暂停为 0，完整 motion，无运行时长上限。
- 单帧失败条件：pelvis 高度误差大于 0.3 m，或 projected gravity Z 误差大于 0.8。不启用 root position termination。这些是离线评分条件，与训练终止设置无关。
- Progress 和 Tracking Return 使用同一个失败帧，return 不含失败帧。Return 使用 BeyondMimic body pos/ori 的 0.3/0.4 尺度，除以完整参考长度，范围 0–2。
- Body/wrist position 使用米，orientation 使用四元数角距离（弧度）。Local 对齐移除当前 pelvis XY/yaw，保留绝对 Z。误差统计失败前帧；wrist 使用双侧 wrist-yaw link。Manipulation 不测物体任务成功率。
- Global Root 仅报告 Locomotion。
root_final_error_norm在固定初始 XY/yaw 对齐、保留绝对世界 Z 后，计算最后一个有效同时间帧的 XYZ 距离，排除终止 sentinel。XY 和绝对 Z 仅作为分量。必须同时报告 progress，因为提前失败的终点不是完整 motion 终点。 - 新结果标记
initial_xy_yaw_aligned_endpoint_xyz_v1。旧的全四元数对齐、轨迹均值 root 结果需要从原始轨迹重算，不能改标签后直接比较。 - 每组内 motion 等权，包括 return。主要综合值为 Locomotion 与 Manipulation 组均值的等权平均；Ground/Dance 分开报告，root 不混入 Manipulation。
历史评测
LAFAN-40、PHUMA-30、Root-90 是补充历史面板，保留在 run_canonical_tracking_eval.py 和 scripts/tracking_experiment/manifests/，不代替 MotionDecode。对应 HF 数据集为 elijahgalahad/any4hdmi-g1-lafan、elijahgalahad/any4hdmi-g1-phuma30、elijahgalahad/any4hdmi-g1-root90。历史绘图脚本使用冻结 CSV，重新画图不等于重新运行策略。