外观
踩坑GitHub unitreerobotics/unitree_rl_lab29 天前
Unitree RL训练报错RuntimeError: normal expects std >=。
RL训练中因高度扫描观测值含NaN/Inf导致std异常，需在MDP项中添加nan_to_num及clip处理。
宇树 G1本文由 AI 根据公开内容整理，可能有误，请以原文为准：RuntimeError: normal expects all elements of std >= 0.0（GitHub unitreerobotics/unitree_rl_lab #101）
状态：已解决
问题
在 unitree_rl_lab 进行强化学习训练时（约29782次迭代），Value Function Loss 变为 inf，随后抛出 RuntimeError: normal expects all elements of std >= 0.0。该错误与GPU、CUDA版本无关，主要出现在粗糙地形训练场景。
环境
NVIDIA RTX 4090, Driver 570.195.03, CUDA 11.5, Isaac Sim 4.5.0, unitree_rl_lab, Python 3.11
解决办法
- 确认训练配置中是否启用了 height-scan 传感器，该问题通常由 ray-caster 穿透三角网格地形（tri-mesh/random rough）产生无效观测值引起。
- 在 height-scan 传感器相关的 MDP term 代码中，强制添加 nan_to_num 操作以清洗观测数据中的 NaN 和 Inf。
- 在同一 MDP term 中对高度扫描输出增加 clip 限制，防止极端数值传入策略网络导致标准差计算异常。
- 若使用 USD 或 URDF 加载模型，确保地形碰撞体设置正确，减少射线穿透概率作为辅助优化。
讨论原作者：@Tigran-Chen 等，版权归原作者所有。
来源
本页事实对应的公开页面，以原文为准。