聚焦仿人雙足機器人，著重解決其下肢魯棒行走中仿真到實機間隔（SimToReal gap）的誤差問題

總述

硬件：采用傅利葉智能科技一體化關節模組：
1）胯部和膝關節選用 FSA80 - 29E 電機，以承受較大扭矩；
2）大腿部分采用 FSA60 - 43E 電機，兼顧扭矩和轉速需求；
3）小腿選用 FSA45 - 30E 電機并采用并聯結構，優化慣量設計，提升機器人運動的靈活性和穩定性。
關節采用模塊化快拆設計，方便維護；
整體選用鋁合金 7075、退火鈦和碳纖維等材質，提高機器人性能。

硬件拓撲：采用信號層和功率層分層架構，
信號層以上位機為核心，借助千兆交換機實現多電機的精準控制
功率層利用硬件隔離技術保障上位機安全，并為各組件提供適配電壓

重點：步態規劃環節，基于HumanoidGym框架，運用強化學習模型，結合近端策略優化（PPO）損失函數，非對稱演員評論家方法和特權信息進行訓練。通過合理設置獎勵函數，引導機器人學習最優步態。在IssacGym平臺進行多環境訓練，并在不同仿真環境中驗證和優化策略，使機器人獲得穩定高效的步態。

部署準備：Real2Sim過程中，從Mujoco仿真環境中采樣獲取電機action值在實物上驗證，有效驗證電機和硬件性能。
部署：在實機部署（Sim2Real）時，針對仿真與現實的差異，優化控制頻率，采用偽并行技術提高數據獲取效率，并對控制頻率和策略進行匹配優化；同時對慣性測量元件進行優化和仿真對齊，提升機器人在現實環境中的性能和魯棒性

人形機器人領域主要包含手臂操作（manuipulation）和下肢魯棒行走（locomotion），本文章主要解決SimToRe