Brunocho/microduck-walk

🦆 MicroDuck 걷기 정책 — 한국어 실행 기록

MicroDuck(Pollen Robotics의 25cm 이족보행 오리 로봇)에게 걷는 법을 강화학습으로 가르친 정책입니다. 걷는 방법은 코드 한 줄도 가르치지 않았습니다 — 시뮬레이션 속 가상 오리 4,096마리가 동시에 넘어지고 일어나며, PPO 알고리즘이 "잘 걸은 움직임"을 골라 뇌(신경망) 하나로 합쳐가는 방식입니다.

마이크로덕 학습 파이프라인의 한국어 공개 기록을 목표로, 실패를 포함한 전 과정을 기록하며 만들어졌습니다.

파일

파일	설명
bruno_walk_v2.onnx	최종 졸업 모델 — 2차 런(재개 학습)의 4,500 iteration 체크포인트. 졸업 시험 3종목(0.3/0.5 m/s 직진 + 회전 주행) 종합 1위
bruno_walk_3250it.onnx	1차 런 결과 (3,250 iteration에서 크레딧 소진으로 중단)
preview_walk.mp4	졸업 모델의 0.5 m/s 고속 주행 — 10초 2.11m, 넘어짐 없음

졸업 시험 결과 (자체 벤치마크)

체크포인트를 37,250 iteration까지 뽑아 비교한 결과, 실력은 ~4,500 iteration에서 완성되었고 그 이후 3만+ iteration은 시험 점수가 정체/미세 하락했습니다 (37,000 체크포인트는 고속 주행에서 오히려 퇴보). "더 오래 학습 ≠ 더 잘함"의 실측 사례로 기록합니다.

체크포인트	0.3m/s 직진	0.5m/s 고속	회전	종합
4,500 (졸업)	0.67m	2.11m	0.37m	3.15m
12,000	0.79m	1.94m	0.36m	3.09m
20,000	0.64m	2.10m	0.33m	3.07m
37,000	0.64m	1.17m	0.38m	2.19m

사용법

mjlab 기반 MicroDuck 학습 스택에서:

# 헤드리스 검증 영상 생성
uv run python scripts/rollout_video.py bruno_walk_3250it.onnx out.mp4 0.25 15

전진 속도 명령은 0.25 m/s 이상을 권장합니다 (0.15에서는 거의 걷지 않음 — 실험으로 확인).

학습 정보

• 태스크: Mjlab-Velocity-Flat-MicroDuck (평지 속도 추종 보행)
• 알고리즘: PPO (rsl_rl) · 병렬 4,096 환경 · MuJoCo Warp
• 하드웨어: Hugging Face Jobs 클라우드 GPU (NVIDIA L4 / A10G)
• 재개 학습: 중단된 런의 체크포인트를 새 잡이 내려받아 이어서 학습하는 방식 사용

기록

이 모델은 "두바이에서 로봇 오리를 강화학습으로 키우는" 프로젝트의 일부입니다. 같은 제작자의 첫 강화학습 공개 모델: Brunocho/ppo-Pusher-v5

Microduck × Zellys · Dubai · 2026