Up 状態の初期設定 作成: 2026-05-21
更新: 2026-05-21

    状態 s_0 は，
      「歩行開始のための自然な姿勢」
      「訓練が安定する初期姿勢」
    が選ばれる。

    それは，
      ロボットは立位姿勢（少し揺れている程度）
      関節角度は標準姿勢
      角速度は 0 に近い
      足は地面に接地
      位置は (0,0)
      姿勢は水平（ロール・ピッチは 0 付近）


    ただし訓練が進むと，訓練後のロバスト性を上げる方法として，｢ドメインランダム化」を入れることがある。
    　例：
    　　初期姿勢を少し傾ける
    　　初期位置を少しずらす
    　　地面の摩擦をランダムにする


    典型的な状態ベクトル s₀ の構造：
      姿勢（IMU）: 9〜12次元,
      関節角度 : 12次元,
      関節角速度 : 12次元,
      足の接地状態 : 4次元,
      位置・速度 : 6次元,
      目標速度 : 3次元
    　合計：約 40〜50 次元のベクトル


    シミュレーションツールの MuJoCo, Isaac Gym, Bullet などには，s_0 を設定する関数 reset() が含まれている。