Microduck
39 个与非门给一只仿真小鸭机器人转向,电路 #281 写在 BNB Chain 上。走路仍由原来的神经网络负责。
怎么玩
- 打开页面,等它载入机器人、MuJoCo 物理仿真和步行策略。
- 选一个起点和一个「大脑」(手写规则或电路 #281),点运行。
- 看小鸭朝目标走。右栏有实时的输入位和 39 个门的亮灭。
全在浏览器里算。页面上有「链上」开关,默认关。打开后每一步转向改成只读调用 BNB Chain 上的电路(经 https://bsc-rpc.publicnode.com),不用钱包;调用失败就退回浏览器本地算。
谁做什么
- 走路:上游 Microduck 的 ONNX 步行策略,原样不动。
- 转向:电路 #281。输入 14 位,输出 2 位
[左, 右]:10左转,01右转,00和11不转。 - 14 位输入 = 一个虚拟深度传感器的 12 位(上下两半 × 左中右三区 × 两个距离阈值 0.3 米、0.7 米)+ 2 位目标方向。
- 前进速度指令固定 0.25 米/秒。
深度传感器是仿真里加的理想传感器,没有噪声;目标方向直接取自仿真里的真实位置。这不是真机。
电路 #281
| 项 | 值 |
|---|---|
| 门 | 14 个逻辑门训练出来,压成 39 个与非门,深度 13,没有锁存器 |
| 网表大小 | 273 字节 |
| 等价 | 全部 16,384 种输入,手写规则、门网络、与非门网表、页面求值器结果全部相同 |
| 处理器 | BNB Chain 0x6Fb4089e7Cbaa9660Fd11056274Cbd8117EE5B38 |
| 写上链 | 2026-09-09,区块 120889741 |
| 交易 | 0x4160e34f83e0220a79d529b78514a69e5c31453c4e8e3ab427c48d7e756c9740 |
| 链上核对 | 64 组随机输入,链上 eval 和本地全部一致 |
原始场地的结果
一个场地、8 个固定起点。手写规则和电路 #281 的结果完全相同。
- 7 / 8 到达目标,其中 6 个全程没碰障碍。
- 1 次摔倒。没有摔倒后爬起来的策略。
- 打开链上开关跑起点 1:2,014 步全部由链上算,0 次失败、0 次回退,到达目标,和本地逐位相同。
这是固定场地上的开发起点,不代表换个场地也一样。
记忆电路 #282
页面还能接上 #282(22 个与非门 + 3 个锁存器),让小鸭记住刚才往哪边转。它是固定规则,不会学习;在带 U 形口袋的场地 2 上,有的起点更好、有的更差,不是全面改善。
新一版电路(测完了,还没上链)
我们重做了转向电路和记忆电路,2026-11-11 在仿真里做了终测。两颗都还没写上链;上面演示页里跑的仍是 #281 和 #282。
- 新转向电路(145 个与非门,没有锁存器):在两个测试场地上,无碰撞到达率比只朝目标走高 25–29 个百分点。场地 1 是 63.98% 对 38.94%,场地 2 是 54.78% 对 25.56%。
- 新记忆电路(554 个与非门 + 9 个锁存器,接在新转向电路后面):加了记忆更好。无碰撞到达率在场地 1 是 99.33%,在场地 2 是 98.56%,比不带记忆的新转向电路高约 41 个点。
「无碰撞到达」= 走到目标,而且全程没碰到障碍。「只朝目标走」= 不看障碍、只按目标方向转向的对照。
核对细节
- 怎么测:和演示页同一套浏览器仿真,起点随机。标准、候选电路、起点种子都在开测前定死,30,564 局一次跑完。场地 1 两边各 5,100 局,场地 2 各 900 局。过线按单侧 95% 下界算。
- 没见过的场地 3(没参与训练,各 150 局,不计入通过):新转向电路无碰撞到达 49.33%,不到一半,三组里有一组没过线。新记忆电路是 93.33%。
- 摔倒:新转向电路比只朝目标走摔得多,场地 1 是 1.16% 对 0.08%。新记忆电路在场地 1、2 的 1,800 局里没摔。
- 固定起点:场地 2 的 16 个固定起点很难。新转向电路到达 14 个,其中无碰撞只有 4 个;接上新记忆电路后到达 16 个,其中无碰撞 8 个。
- 好处确实来自记忆:把锁存器每一步都读成 0 再跑一遍,1,950 局的结果和不带记忆的新转向电路逐局相同。另外拿 6 个用同样方法搜出来、不带记忆的电路来比,新记忆电路比每一个都高 39 个点以上。
- 全是仿真,传感器是理想的;真机没测。