预购破万台！Hugging Face的机器鸭火了，从控制栈到强化学习全部开源

智猩猩AI整理

编辑： 没方

这两天，一只丑萌的“机器鸭”，在推特（ X ）上火了。

它会走路、坐下、蹲伏，被推倒后还能自己爬起来。嘴巴不仅是装饰，还能低头夹起地上的小物体。装上两个轮子之后，它还可以踩着“旱冰鞋”满屋跑。

这是Hugging Face旗下机器人团队 Pollen Robotics 在8月27日发布的新产品Microduck，售价399 美元。

发布后市场反馈相当夸张，据 Business Insider 报道，Microduck 上线 24 小时的销售额已经超过260 万美元。短短几天，预购量就已经突破 1 万台。

但这只小鸭子真正值得关注的，不只是“萌”。

它更像是Hugging Face 把大模型时代熟悉的开源模型玩法，第一次完整搬到了机器人动作上。

他们把 Microduck 的机器人软件、SDK、仿真环境、强化学习训练代码，甚至从 Simulation 迁移到真机的 Sim2Real 方法全部开源了出来。

其中，microduck，也就是机器人真正运行时的“脑子”，在 GitHub 上已斩获5.5k Star。

microduck_rl负责训练小鸭子动作的完整强化学习环境，目前也已经拿下1.3k Star。

搞笑的是，该团队在仓库里还塞了个梗。

“在制造这款机器人时，没有一只鸭子受到伤害。实际上，我们还咨询了好几只鸭子的意见。”

01

从控制栈到强化学习，

Microduck把机器人底层全开放了

Microduck 本体高约 25cm、重量不到 800g，搭载15 个电机、前置摄像头、LiDAR、两颗 IMU 以及一个能够抓取物体的可动机械嘴巴，核心计算平台是一颗带 AI 加速器的 Rockchip RK3566。

Rockchip RK3566 上运行着一组相互独立的 daemon。其中robotd负责最核心的 50Hz 控制循环和电机总线；padd处理游戏手柄输入；mediad负责通过 WebRTC 输出摄像头画面；tofd管理距离传感器；btd提供蓝牙通信；configd管理 Wi-Fi 与设备身份；updaterd则负责软件更新、健康检查以及失败后的回滚。

这些模块通过 Unix Socket 上统一的 JSON-RPC 接口通信。

于是无论控制 Microduck 的是手机 App、游戏手柄、命令行，还是开发者自己写的程序，最终调用的都是同一套机器人接口。

这套设计的意义在于，Microduck 并没有把“机器人控制”做成一个封闭黑盒。

开发者可以直接进入控制栈，对传感器、电机、Policy、蓝牙甚至 OTA 更新机制进行修改。

microduck_rl 则用来教这只鸭子学习动作。

它的动作不是工程师逐帧手写的，而是通过强化学习训练出来的。

官方选择的训练环境建立在mjlab + MuJoCo Warp之上，并使用 PPO 训练 Policy。

一个 Policy 在仿真环境中，是和真机一样用50Hz控制频率训练。

训练完成后，模型会被导出为ONNX，再交给 microduck 仓库里的 Runtime，直接部署到真实机器人上运行。

整个链路其实非常清晰：

MuJoCo 仿真 → PPO 强化学习 → ONNX Policy → Microduck 真机。

比较难的是，怎么让模拟器里学会的动作，到了现实世界依然能跑。

现实中的电机有延迟，齿轮有间隙，地面摩擦力不固定，机器人重量也不可能和仿真模型精确到完全一致。

在模拟器里健步如飞的 Policy，到了真机上可能两步就直接摔倒。

研究团队因此把一整套Sim2Real Recipe也一起开源了。

其中包括 BAM actuator physics 电机模型、Domain Randomization，以及专门模拟真实舵机齿轮间隙的Backlash Simulation。训练时，系统会不断改变机器人参数和环境，让 Policy 不再依赖某一组“完美物理参数”，能够学会在真实世界里保持稳定。

目前项目已经准备了相当丰富的 RL Task。

最基础的是 Velocity Policy，让 Microduck 根据速度指令行走。VelStand 将走路和跌倒恢复训练到同一个 Policy 中。StandUp 专门负责从趴倒、仰倒或者坐姿中重新站起来。SitStand 用来学习坐下和站立之间的切换。

还包括一些“整活”的动作。

GroundPick 会让机器人降低身体，用嘴接触地面再恢复站立。BallKick 让它学习踢一个约 70mm 的小球。Roulade 训练它完成向前翻滚并重新站起来。

最有辨识度的就是给脚底装上被动滚轮之后，只需要切换到 Roller 相关的 Policy，Microduck 就从一只走路的小鸭子变成了“旱冰鸭”。

02

小鸭子的动作训练教程

硬件要求：NVIDIA CUDA GPU（训练依赖 MuJoCo Warp）。

（1）安装 uv

curl -LsSf https://astral.sh/uv/install.sh | sh

第一次运行 uv sync 会下载大量 CUDA 相关依赖（约2 GB），而 UV 的默认 HTTP 下载超时时间为 30 秒，这可能导致下载过程中中断。如果在 ARM 设备（Jetson / DGX）上，建议先设置：

export UV_HTTP_TIMEOUT=600

（2）训练环境下载与使用

uv run scripts/infer_policy.py --walking output.onnx

如果没有 GPU，可以使用 Hugging Face Jobs 云端训练：

uv run train Mjlab-Velocity-Flat-MicroDuck --env.scene.num-envs 4096 --hf-jobs

用下面命令可查看当前所有可用环境：

uv run list-envs

（3）断点续训

    --agent.resume True

（4）多策略联合测试（仿真）

    --new-cmd-obs

scripts/export.py 会把 observation normalizer 烘焙进 ONNX。直接转换 checkpoint 会导致真机观测归一化错误。

所有策略都使用相同的 61 维观测（48 维本体感知 + 13 维指令），这是真机运行过程中，能直接切换不同动作策略的关键。

03

Physical AI，也需要

自己的开源飞轮

过去几年，开源大模型之所以发展得如此快，一个重要原因是模型能力变成了一种可以自由流动的数字资产。

有人训练出了模型，其他人可以下载。发现问题可以继续微调，做出新的数据集、训练框架和评测工具，又可以反过来被整个社区复用。

最终，模型能力在社区里不断积累。

但进入 Physical AI 之后，这套飞轮却很难复制。

因为机器人的能力不只是一个模型权重。它背后还牵涉硬件、电机、传感器、仿真环境、Reward、控制频率、执行器模型，以及最麻烦的 Sim2Real。

也正因为如此，今天大量具身智能成果仍停留在实验室 Demo。

Microduck 想做的就是把这条链路再往前推进一步。

当机器人从硬件、仿真、训练到真机部署都能够被复现、修改和共享，Physical AI 才有可能形成属于自己的开源飞轮。

关注+星标，获取AI前沿进展与开源一线动态