# Unitree G1 Sim2Sim替换自训ONNX策略后机器人崩溃或抖动

> 原文链接：https://robotics.hellobike.com/pitfalls/2026-01-15-unitree-rl-lab-82
> 频道：pitfalls | 更新日期：2026-01-15 | 标签：auto, github-issue, unitree_rl_lab
> 核心摘要：G1 Sim2Sim部署自训策略时机器人崩溃，系开发端deploy.yaml与训练配置不一致所致，需替换为训练logs目录下的配置文件。

# Unitree G1 Sim2Sim替换自训ONNX策略后机器人崩溃或抖动

::: v-pre
> 本文由 AI 根据公开内容整理，可能有误，请以原文为准：[met g1_29dof sim2sim problem](https://github.com/unitreerobotics/unitree_rl_lab/issues/82)（GitHub unitreerobotics/unitree_rl_lab #82）

**状态**：已解决

## 问题

在Unitree G1 29DOF Sim2Sim测试中，使用原始policy.onnx可正常行走，但替换为自训tmp_policy.onnx（IsaacSim验证正常）并修改C++部署代码路径后，MuJoCo中机器人直接崩溃或释放即抖动。确认仅ONNX文件差异导致问题，且默认开发环境配置与自训模型不匹配。

## 环境

机型：Unitree G1 29DOF；框架：unitree_rl_lab (main branch)、IsaacLab、MuJoCo；组件：OrtRunner C++部署代码、play.py导出ONNX、env.py训练配置。

## 解决办法

1. 定位模型训练过程中生成的 `logs` 文件夹，找到该次训练实际使用的 `deploy.yaml` 配置文件。
2. 将开发部署目录（deploy folder）中的 `deploy.yaml` 替换为上述训练 `logs` 目录中提取的配置文件，确保推理参数与训练一致。
3. 重新编译或运行C++部署程序加载自训 `tmp_policy.onnx`，验证Sim2Sim行走稳定性。
4. 若仍存在抖动，检查 `env.py` 中奖励函数及归一化参数是否与训练时完全一致，避免手动修改导致配置漂移。

讨论原作者：@DavidZhaoP 等，版权归原作者所有。
:::

## 原始参考来源 (Sources)

- [GitHub unitreerobotics/unitree_rl_lab #82：met g1_29dof sim2sim problem](https://github.com/unitreerobotics/unitree_rl_lab/issues/82)