Microduck 逆向复刻实战：从 47 个 STL 到步态训练的全链路拆解

如果你对双足机器人感兴趣但买不起一台 $399 的 Microduck，或者想深入理解 sim2real 的工程细节，这篇把整个逆向复刻链路掰开讲。

不是产品评测，是一线实操记录。基于 Pollen Robotics 官方开源的 47 个 STL 零件、GitHub 源码和公开文档，反推出装配、电控和软件方案，再用国产替代件走一遍。

Microduck 是什么：25cm 的 sim2real 教具

Pollen Robotics 在 2025 年发布了 Microduck——一台 25cm 高、800g 重的开源双足机器人。15 个舵机关节，靠强化学习策略驱动，50Hz 控制循环跑在一块 Rockchip RK3566 板子上。

关键卖点是 sim2real 闭环：策略在 MuJoCo 仿真里训练，导出 ONNX 模型，直接部署到真机。整个训练栈开源，包括物理仿真环境（microduck_rl 仓库）、BAM 执行器物理模型、域随机化配方。这意味着你可以在电脑上训出一个新步态，然后一键推到机器人上跑。

官方标配用 Dynamixel XL330-M288 舵机，单只约 $17，15 只总价折合人民币约 ¥2,580。这是复刻时最大的成本项，也是国产替代的切入点。

逆向反推：47 个 STL 怎么变成装配图

Pollen 开源了全部 47 个 STL 文件，但没有给完整的装配指南。逆向反推的核心工作是：从零件几何反推装配关系、紧固件系统和轴承规格。

分批推进策略

把 47 个零件分成 14 批，每批 3-4 个相关零件，按功能模块分组：

腿部组件（股骨、胫骨、脚掌）→ 关节参数反推
颈部和头部组件 → 线缆走线空间分析
躯干结构 → 主控板和电池安装位

每个零件先用网格提取软件读取基本几何，再在 CAD 里逆向建模。关键数据包括孔位、轴承座尺寸、舵机安装接口。最终产出 7 张装配图、14 个关节参数表、完整的 M2 紧固件清单和 14 只轴承的规格表。

打印可制造性验证

47 个零件不是都能直接 3D 打印的。有些需要支撑、有些孔径需要补偿。30 种可打印零件做了 100% 可打印性体检，包括最小壁厚、悬垂角度、桥接距离。外壳已经实际打印验证（代打 ¥99），材料是 PLA 299g + TPU 26g。

经验教训：仿真 STL ≠ 工程件。打印公差没定标前，批量打印有整批报废的风险。第一批必须先打孔径测试片做公差定标，再决定是否批量开打。

国产替代：飞特 HL-1910-C001 替代 Dynamixel XL330

这是整个复刻中风险最高也最有价值的一步。直接买 Dynamixel XL330-M288 没有技术挑战，但成本 ¥2,580 占了大头。换成飞特 HL-1910-C001（Feetech 国产），15 只 ¥1,500，省了 ¥1,080。

但换执行器 = 策略必须自训。官方 9 个 ONNX 策略绑定的是 XL330 的动力学参数，切国产舵机后这些策略只能降级为参考。需要走完整的 BAM 辨识流程：

搭单摆台架，采集舵机实际响应数据
用 BAM（Body Actuator Model）工具做 M1-M6 六阶段参数拟合
验证模型精度
移植到 MuJoCo 仿真，重新训练行走策略

BAM 是 Rhoban 实验室开源的执行器辨识工具，专门解决 sim2real 中执行器建模问题。核心思路是用单摆实验采集真实输入-输出数据，拟合出包含电机动力学、摩擦、反弹间隙的物理模型，再注入仿真。

RL 训练：MuJoCo 里的鸭子学走路

microduck_rl 仓库提供了完整的训练环境，基于 mjlab（MuJoCo Warp）和 PPO 算法。训练在 GPU 上跑，4096 并行环境大约 1-2 小时能跑出可用的步态。

训练配置

观测空间：61 维（关节角度、速度、IMU 姿态、命令速度）
动作空间：15 维（15 个舵机目标角度）
控制频率：50Hz
并行环境数：4096（官方推荐）
域随机化：摩擦系数、质量分布、电机延迟、IMU 噪声

实验迭代记录

不是一次跑通的。实验日志显示清晰的迭代路径：

exp001 A/B 对照：IMU 随机化对步态稳定性的影响，用真实数据出结论
exp001b 扰动测试：推挤恢复能力 + 3D 回放验证
expC 长训：跑满 2198 迭代后交棒（ep_len 逐步上升但步态未完全成形）
expD 512 env 续训：ep_len 从 315 涨到 744，鸭子能站稳但步态不够流畅
expE gait-ramp：调整步态奖励函数让”走得好”和”站着不动”在奖励曲线上可区分，50k 迭代重训中

核心经验：奖励塑形是 sim2real 的关键瓶颈。如果奖励函数不能区分”有效前进”和”原地晃动”，PPO 会收敛到一个看起来在动但实际没走远的策略。gait-ramp 的思路是让步态奖励随前进速度线性增长，同时惩罚原地高频抖动，让 agent 在奖励地形上更倾向于选择”真走”而非”假动”。

电控架构：七守护进程共一块板

Microduck 的软件架构值得学习。七个 daemon 跑在 RK3566 上，通过 Unix socket + JSON-RPC 通信：

robotd：唯一接触硬件的进程。50Hz 控制循环独占 Dynamixel 总线，15 个舵机和 IMU 在一次 sync_read 里全部读完。安全层会拦截危险指令。
configd：管理 WiFi、机器人名称、配对 PIN、手柄绑定。和 robotd 无依赖关系，所以 robotd 挂了还能改配置。
updaterd：发布版管理。签名验证 → 安装 → 健康检查 → 不健康自动回滚。A/B 式更新，不会变砖。
btd/padd/mediad：三个传输层，分别处理蓝牙、手柄、WebRTC。都不拥有机器人状态，可独立替换。
tofd：ToF 传感器守护进程，发布 8×8 深度矩阵，只发布不读取。

这种设计的好处是容错性强：控制循环崩了不影响更新和配置，传输层挂了不影响行走。每个 daemon 的职责边界清晰，适合学习嵌入式系统架构设计。