GPT5.1-Cursor

先给你一个直白结论：
在 Articulation 里，self.pose 和 self.qpos 完全不是一回事。

可以用“人”来打个比方：

• self.pose：整个人在房间里的姿势

  • 比如：人站在房间的哪一个位置（x, y, z），
  • 身体朝向哪边、是站着还是倒着（用四元数/旋转表示）。
  • 在代码里，pose 对应的是整台机器人根部（base）的位姿，就是“机器人整体在世界坐标系里的位置 + 朝向”。

• self.qpos：身上每个关节的角度

  • 比如：你的肩关节弯了多少度、肘关节弯了多少度、膝盖弯了多少度……
  • 这些一长串“关节角度/滑动量”放在一起，就形成一个向量：
    $$qpos=[q_1,q_2,q_3,\dots ]$$
  • 在代码里，qpos 就是机器人各个关节（joint）的“位置参数”集合（关节角度、伸缩量等）。

再对应到 this codebase 的实现：

• self.pose（实际上是 root_pose 的别名）：

  @property
  def pose(self) -> Pose:
      return self.root_pose
  

  表示 root link 的 Pose（位置 + 方向），是“整体放在世界里的姿态”。

• self.qpos：

  @property
  def qpos(self):
      # 返回形状大概是 (N, max_dof) 的张量
  

  表示 所有关节的配置，也就是“内部关节怎么弯、怎么伸”的状态。

所以你可以这样记：

• pose = whole-body pose → 机器人整体在世界里的姿势（相当于人站在屋子里的位置和朝向）。
• qpos = joint positions → 机器人每个关节的角度/位移（相当于你的胳膊腿各个关节弯曲多少）。

它们一个管“整体放哪儿、朝哪儿”，一个管“关节怎么摆”，不一样，但一起决定了机器人在空间里的具体样子。