【第58章 CM-D聽懂了第一句人話】
------------------------------------------
當晚林辰沒睡。
二十五步。踩到沒訓練過的地膠接縫，策略網絡硬扛過去了。
但二十五步不夠。
問題出在泛化能力上。訓練時地麵參數采樣的範圍不夠寬。真實世界裡有接縫、坡度微變、灰塵顆粒、地上掉落的螺絲帽。長尾情況窮舉不完。
林辰把地麵模型重寫了。
不再預設幾種材質做切換。改成連續隨機——剛度、摩擦係數、局部高度變化，全部從合理參數區間均勻采樣。每個episode的地麵都不一樣，沒有兩塊地麵重複。
訓練規模從三千拉到兩萬episode。
工控機的算力跑一遍要十八個小時。太慢。
林辰改了訓練腳本。四個進程並行采集經驗，一個進程集中更新策略。數據吞吐量翻了三倍，訓練時間壓到六小時。
淩晨一點，訓練啟動。
終端裡的進度條開始走。林辰把鍵盤推到一邊，胳膊擱在桌上，腦袋枕著胳膊，眯了三個小時。
三月八號早上七點。訓練跑完。
兩萬個episode。策略在仿真裡連續行走一百二十步，四十多次隨機側推和地麵擾動沒翻。獎勵終值比上一版高了60%。
一百二十步。之前是六十步。翻了一倍。
請前往ｏｏｐ．ｔｗ閱讀本書最新內容
林辰沒急著往實機上刷。
在導出之前，他做了一件額外的事——把陸薇的視覺模塊接進來。
CM-D頭部裝了一顆雙目深度相機，之前一直沒啟用。視覺模塊輸出兩個量：障礙物距離和地形高度差，作為策略網絡的額外觀測，直接拚進輸入層。
陸薇那份接口文檔改了三版才通。第一版輸入維度不對，第二版時間戳協議沒統一，第三版才徹底對齊。三版的功夫，這時候全派上用場了。
Actor和Critic各多了一個分支。重新訓練五千個episode。
視覺信息讓策略收斂更快。原因不複雜——機器“看得見”前方地麵了。
五千個episode結束。
仿真裡的CM-D在包含台階、坡道、凹坑的複雜地形上走了八十步。中間主動繞過了深度相機檢測到的一個五厘米凹坑。
主動繞。
不是撞上去再調整。是看見了，提前換方向。
林辰盯著仿真畫麵裡虛擬CM-D繞坑的軌跡，看了十秒。
導出權重。
但光會走路不夠。還得聽得懂人話。
辦公室台燈底下，林辰左邊開著策略訓練腳本的終端窗口，右邊新建了一個項目——“CMD_VoiceControl_v0.1”。
頭部預留了兩顆MEMS麥克風，間距三厘米，能做聲源定位。語音識別走雲端，音頻通過WiFi上傳到工作站部署的模型做語音轉文字，文本回傳。延遲三百毫秒內。
識別完用規則引擎做意圖解析。“過來”“停”“坐下”“轉圈”“跟著我”——十二條基礎指令，每條映射到動作序列或策略切換信號。
寫了四小時。淩晨兩點，核心邏輯跑通。終端輸入模擬文本“過來”，控製板回傳目標追蹤模式切換信號。
緊跟著做第二件事——手機遙控。
控製板上開服務端，手機端寫輕量APP。虛擬搖杆控製方向，四個快捷按鈕，一個實時視頻流窗口推送頭部相機畫麵。
淩晨五點，APP在模擬器上跑通。握手成功，指令延遲四十毫秒，視頻流15幀。
夠用了。
林辰靠著椅背，脖子酸得扭不過來。從三月七號晚上到現在，他睡了三小時。
三月九號，下午兩點。地下一層。
全套係統聯調。
陸薇架好高速攝像機。何濤不知道什麼時候也下來了，靠在牆邊，手裡轉著一把螺絲刀。
林辰站在五米外。手機打開APP，屏幕上是CM-D頭部相機的實時畫麵——灰蒙蒙的地膠地麵，遠處是測試平台的金屬支架。
按下“站起”。
CM-D站了起來。手機畫麵跟著升高了十八厘米。
推動虛擬搖杆。
CM-D跟著方向和幅度走。左轉，右轉，加速，減速。延遲四十毫秒，視覺上幾乎感覺不到。
何濤手裡的螺絲刀停了。
林辰收起手機。退後三步。
。口開
”。來過“
。淨乾音收，短響混，低板花天。開散層一下地在音聲
。秒一
。置位的辰林定鎖機相度深
。了來過走他朝D-MC
。去過了繞，步半移偏動自略策，物礙障到測檢機相度深——箱具工的上地在放手隨濤何過經間中。樣一模一時練訓跟，態步角對，穩平態步
。度十九了轉著跟子脖濤何
。下停，處米一前麵辰林到走D-MC
”。下坐“
。著亮燈綠DEL顆四。著蹲靜安。上膠地在落部腹。直撐腿前。曲彎腿後
”。來起站“
。起站D-MC
”。我著跟“
。頭回沒。了走身轉辰林
。聲轉運機電服伺的微輕來傳後身
。了上跟D-MC
。位身個半了偏動主D-MC，到測檢前提機相度深，板蓋槽線的起翹截一上地過經間中。向方整調內之步兩，彎度十九拐。慢放它，慢放他。快走它，快走他
。圈整一了走層一下地繞
。標目丟沒，倒沒。米十四
。定站辰林
。著站穩穩腿條四。住停處米半方後右他在D-MC
。灌下往口風通從聲風的調空有隻。了靜安層一下地
機真著盯直一，看沒放回。邊旁機像攝速高在蹲薇陸
