microduck_rl — 强化学习训练环境

Microduck 身上每一个动作策略都在这里训练出来，然后导出成 .onnx 交给机器人加载。

它真正的价值是把整套 sim2real 配方写进了代码，而不是留在某个人的经验里：

• BAM M6 执行器模型 —— 电压控制律、反电动势、库仑/Stribeck/负载相关摩擦，用于建模 Dynamixel XL330
• 域随机化 —— 随机的是电池电压、负载电压跌落、指令延迟、摩擦大小这些物理参数，不是往观测里加噪声
• 齿隙建模 —— 每个舵机 ±1° 齿轮间隙，且编码器建模在齿隙输出侧，与真机结构一致
• 61 维共享观测契约 —— 让行走、恢复、特技策略可以在任意时刻热切换

包含十余个训练任务，从主任务 Mjlab-Velocity-Flat-MicroDuck 到一整套轮滑任务。没有 GPU 可以加 --hf-jobs 跑在 Hugging Face Jobs 上。

中文说明见训练环境、任务清单、sim2real 配方。