# openduck_build

**Repository Path**: ncnynl/openduck_build

## Basic Information

- **Project Name**: openduck_build
- **Description**: 用于脚本搭建openduck和microduck的训练框架
- **Primary Language**: Unknown
- **License**: Not specified
- **Default Branch**: master
- **Homepage**: None
- **GVP Project**: No

## Statistics

- **Stars**: 0
- **Forks**: 0
- **Created**: 2026-09-02
- **Last Updated**: 2026-09-07

## Categories & Tags

**Categories**: Uncategorized

**Tags**: None

## README

# openduck_build

Open_Duck / MicroDuck / OpenDuckX RL 训练与推理环境一键搭建脚本集（AutoDL / 裸机 PC / Docker 全套）。

## 版本全景（先用这张表定位你要哪个）

| 目录 | 目标机器 | 框架/栈 | 干什么 | 说明文档 |
|---|---|---|---|---|
| `autodl/` | AutoDL 云 GPU (4090) | 三栈裸机脚本 | 一键安装 + 远程训练/导出/推理 (openclaw→AutoDL) | [autodl/README.md](autodl/README.md) |
| `pc/` | 自有 Ubuntu 22.04 + 4090 裸机 | Playground + microduck_rl | 一键安装（自动 sudo/装 nvcc） | [pc/README.md](pc/README.md) |
| `docker/openduck/` | 任意 NVIDIA 卡（4090 推荐） | Open_Duck_Playground（JAX/MJX） | Open Duck 双足 RL 训练 | [docker/openduck/README.md](docker/openduck/README.md) |
| `docker/openduck1080ti/` | GTX 1080Ti / 老驱动 | Open_Duck_Playground（JAX/MJX） | 同上，1080Ti 定制档 | [docker/openduck1080ti/README.md](docker/openduck1080ti/README.md) |
| `docker/microduck/` | RTX 4090 等 sm_70+ | microduck_rl（mjlab / MuJoCo Warp） | MicroDuck RL 训练 | [docker/microduck/README.md](docker/microduck/README.md) |
| `docker/microduck1080ti/` | （名义版，实际同 4090 内容） | microduck_rl | ⚠️ cu129 无 sm_61 kernel → 1080Ti 上仅推理/验证，训练去 4090 | [docker/microduck1080ti/README.md](docker/microduck1080ti/README.md) |
| `docker/openduckx1080ti/` | GTX 1080Ti（AiDL） | openduckx_rl（mjlab / AZT 101D） | **OpenDuckX 策略推理主力**（纯 CPU 可跑）+ 可选训练 | [docker/openduckx1080ti/README.md](docker/openduckx1080ti/README.md) |
| `docker/microduck-lab/` | 任意（纯 CPU，无 NVIDIA 要求） | microduck-lab（SB3 + CPU MuJoCo + viewer） | CPU 原型快速迭代 reward/行为 | [docker/microduck-lab/README.md](docker/microduck-lab/README.md) |
| `microduck-lab/`（顶层） | Linux/Mac 裸机（纯 CPU） | microduck-lab | 同上的裸机一键装（非 Docker） | [microduck-lab/README.md](microduck-lab/README.md) |

> **框架与机器人对应关系（别混用）**
> - **Open_Duck_Playground**（JAX/MJX）= 旧 Open Duck 训练栈（101D 时代之前），`docker/openduck*`
> - **microduck_rl**（mjlab/Warp）= MicroDuck 机器人（商用开源版）训练栈，`docker/microduck*`、`autodl`、`pc`
> - **openduckx_rl**（mjlab/Warp）= Open Duck Mini 迁移版训练仓（AZT 101D 契约），`docker/openduckx1080ti`（推理）+ `autodl/install_openduckx_rl_autodl.sh`（训练）
> - **microduck-lab** = 纯 CPU 原型实验台，权重不上真机（契约与 microduck_rl 互通）

## 部署方式选择（按场景）

| 场景 | 用哪个 |
|---|---|
| AutoDL 云 GPU (4090) 训练 | `autodl/` 脚本（openduckx_rl 用 `install_openduckx_rl_autodl.sh`） |
| openclaw 远程控制 AutoDL 训练/导出 | `autodl/openduckx_remote.sh` + `autodl/fetch_onnx.sh` |
| 自有 Ubuntu 22.04 + 4090 裸机 | `pc/` 脚本 |
| 本地 PC 想容器化、不污染系统 | `docker/` 对应版本 |
| AiDL 1080Ti 跑 OpenDuckX 101D 策略推理 | `docker/openduckx1080ti/` |
| 1080Ti 上无 GPU 要求地快速试 RL 思路 | `docker/microduck-lab/` 或顶层 `microduck-lab/` |
| MicroDuck 真机策略 GPU 训练 | `docker/microduck/`（4090）或 AutoDL |

> 三套方案版本 pin 完全一致（见下），按需选择；Docker 目录还额外支持 1080Ti 老卡。

## 版本兼容性（踩坑固化）

两套脚本均固定以下**验证过的版本组合**（AutoDL 4090 实测跑通）：

### Open_Duck_Playground（JAX/MJX，Python 3.11）

- `playground==0.0.5`：`>=0.1.0` 重构删除了 `_src.collision.geoms_colliding` 内部 API，源码会 import 崩溃
- `jax==0.5.3` + `brax==0.12.1`（4090/新驱动）：新版 jax 移除 `jax.device_put_replicated`，brax 训练会 AttributeError
- 1080Ti 档：`jax[cuda12]==0.4.38` + `brax==0.12.1`（0.4.38 含 sm_61 kernel；jaxlib 只有 CPU wheel，GPU 靠 jax-cuda12-plugin）
- `JAX_DEFAULT_MATMUL_PRECISION=highest`：规避 Ampere+ (30/40系) TF32 复现问题
- mujoco_menagerie 固定 commit `14ceccf...`（deepmind，import 副作用触发 clone）

### microduck_rl / openduckx_rl（mjlab / MuJoCo Warp，Python 3.12）

- `mjlab==1.3.0` + `warp-lang==1.12.0` + `torch==2.9.1(cu129)` + `mujoco-warp==3.8.1`（uv.lock 锁定，`uv sync --frozen` 精确复现）
- bam（better-actuator-models）是 `[tool.uv.sources]` git 依赖 → **必须 `uv sync`**（`uv pip install` 忽略 sources）
- 驱动：cu129 需宿主 ≥ 570；1080Ti (sm_61) 无 cu129 kernel → 训练不可用，仅推理
- 环境统一用 `UV_PROJECT_ENVIRONMENT=/opt/venv`（项目目录外，开发模式整目录挂载不遮蔽）

### microduck-lab（SB3 + CPU torch，Python 3.12）

- `torch==2.9.1+cpu`（无 GPU 自动换 CPU wheel，省 ~3GB）；`onnxruntime` 容器内无 glibc 2.27 坑

## 网络适配（国内）

- `USE_MIRROR=1` / autodl 脚本默认：gitee 源码优先 + 清华 PyPI + npmmirror python + ghfast.top GitHub 加速
- AutoDL 学术加速 (`source /etc/network_turbo`) 自动识别：GitHub 步骤走代理、PyPI 步骤直连镜像
- Docker 构建 `--build-arg USE_MIRROR=1`（或 .env 配置）；openduckx_rl 私仓源码经 `fetch_src.sh` 先拉到 `src/` 再 COPY 进镜像

## 硬件适配

- AutoDL：RTX 4090 (sm_89)，脚本含 GPU 检测 + 冒烟训练验证
- 本地 Docker：按卡选目录（4090 → openduck/microduck；1080Ti → openduck1080ti/openduckx1080ti；纯 CPU → microduck-lab）
- 驱动决策表与 1080Ti 注意事项见各目录 README