MicroDuck 8 天学习计划

每天一本 Notebook，从认识小鸭子的身体和策略开始，逐步学习物理交互、强化学习、运动控制、任务切换、端侧部署与视觉语言导航。8 天结束时，整理出自己的 Notebook、任务视频和实验记录。

每天围绕一个任务，跟着 Notebook 理解原理、观察动作，再动手做实验与对照。

开课前准备

• 具备基础 Python 知识，能阅读数组、函数和简单的神经网络代码。
• 在 Ubuntu 上准备好 Python 环境与 Jupyter；本机通过浏览器访问。环境启动见 Notebook 入口。
• 领学员提前检查各任务的模型路径、仿真环境与示例输出；为第 7 天准备可用的 RDK X5、BPU 运行时及任务 HBM。
• 第 8 天使用预训练 LightNav-0 和已有行走模型，提前准备 GPU 推理环境与场景资源，见 导航环境说明。
• 根据条件选择实践方式：在 GPU 上运行训练与仿真，或先阅读已保存输出、跟随领学员演示，再完成代码分析与参数实验。

每日安排

第 1 天：认识身体与策略

• 理解： 阅读机器人关节与执行器配置，沿着“观测 → 网络 → 动作 → 关节控制”梳理篮球平衡任务；解释 Actor、Critic、奖励与 PPO 的作用。
• 实践： 检查模型输入输出，观看或生成 GPU 仿真视频；具备对应环境后，启用篮球专属的短训单元，记录采样、更新、导出与模型一致性检查。
• 记录： 用自己的话说明本任务的观测和动作包含什么，区分控制步、训练迭代与 episode。

第 2 天：观察小鸭子与物理世界交互

• 理解： 观察姿态、关节状态、碰撞与支撑，理解外力怎样改变身体运动。
• 实践： 运行浏览器交互，改变外力方向或作用位置；固定其它条件，对比至少两次实验。本日使用已有行走策略，重点是物理交互。
• 记录： 保存一段视频，标出施力方式、身体变化和接触现象，解释观察到的结果。

第 3 天：换上高跷，学习形态与课程

• 理解： 分析高度、支撑面积、质量和执行器参数对平衡的影响；理解 blend、课程学习与动作滤波。
• 实践： 对照 25 cm 与 200 cm 对应模型的演示，选择一组匹配的高度、场景与模型完成基线推理；具备对应 checkpoint 后运行小规模续训，再用同一配置评测。
• 记录： 整理一张参数对照表，说明改动了什么、动作发生了什么变化。

第 4 天：让动作与任务目标配合

• 理解： 拆解摆动旋转任务的奖励与动作节奏，理解策略如何在重复运动中推进目标。
• 实践： 加载任务模型生成视频；具备对应 checkpoint 后进行小规模续训，选择一项命令或控制参数做对照，检查导出模型的输入输出。
• 记录： 保存两组设置与视频，结合摆动幅度、节奏或姿态解释差异。

第 5 天：对比另一套强化学习训练流程

• 理解： 沿 FastSAC 任务读懂采样、经验回放、策略更新与价值估计，并与第 1 天的 PPO 流程对照。
• 实践： 运行球平衡的小规模训练，检查模型保存与 ONNX 导出，再运行推理和任务评测。
• 记录： 整理训练日志与视频，写出 PPO 和 SAC/FastSAC 在数据使用、更新流程上的主要区别。

第 6 天：从单个动作走向技能切换

• 理解： 阅读爬梯与起身两个 actor 的接口，观察横档接触、脚部落桌和起身阶段，理解监督器何时交接控制权。
• 实践： 在 GPU 上运行完整序列，对照报告中的 switch_events、handoff_success 和 stable_seconds；有余力时按照 爬梯教程练习两个策略的续训入口。
• 记录： 画出“攀爬 → 登桌 → 起身”的切换流程，标出本次实验的交接时刻与持续站立时间。

第 7 天：把策略接到 RDK X5

• 理解： 串起 ONNX、HBM、BPU 与 TCP 控制闭环，明确工作站负责物理仿真与渲染，开发板负责动作推理。
• 实践： 直接接入已有行走策略；核对模型元数据与输入输出，选择已完成校验的任务 HBM 运行板端闭环。对照 GPU 与 BPU 的视频和延迟，再练习切换到另一任务模型。
• 记录： 保存板端视频与部署配置，整理模型切换、动作后处理和延迟检查的步骤。

第 8 天：让小鸭子听懂导航指令

• 理解： 读取第一视角图像与语言指令，理解 LightNav-0 的空间指向、RVQ 动作表示和平面轨迹；沿着“导航模型 → MPC → 已有行走策略”分析分层控制。
• 实践： 在 GPU 上接入预训练模型，不训练、不连接开发板。依次运行官方住宅、自建客厅和自建走廊，查看实际模型预测与独立视频；修改一条指令或一处家具布局，再观察变化。
• 记录： 对照轨迹、目标距离与模型停止标志，分析小鸭子走向哪里、何时停止；整理 8 天的任务视频、实验改动和继续探索的问题。

训练与部署安排

训练类任务优先从任务专属的预训练模型开始，按照对应 Notebook 做 5–10 轮小规模训练，验证采样、更新、保存与导出。保留原始模型作为对照，用相同场景与命令评测训练后的版本；从零训练与更长的课程放在进阶实践中。

浏览器扰动使用已有策略观察物理交互；行走与 LightNav-0 导航直接接入已有模型。爬梯主线先理解并运行双策略，继续训练按任务教程单独开展。

前 6 天以 GPU 仿真与任务理解为主，具备板端条件的小组可继续运行各 Notebook 的 BPU 单元。第 7 天集中完成端侧实践，使用已验证 HBM 跑通闭环，再学习如何重新生成模型。第 8 天回到工作站 GPU，学习视觉语言导航与多场景实验，并完成成果分享。

每天留下什么

• 一份 Notebook 或代码阅读笔记，写清输入、动作与任务目标。
• 一段任务视频或关键实验输出，附上使用的模型和参数。
• 一条自己的观察：改动了什么、结果怎样、原因可能是什么。

领学员每天围绕一个任务组织讲解和讨论，收集共性问题，并把可复现的改动与实验记录整理到专题中。学习结束后，每组选择一个任务，展示从模型理解、参数实验到推理评测的完整过程。