MicroDuck 可运行代码包

这是本专题配套的 MicroDuck 运行代码快照，来源于本地 microduck-playground-stilts。它保留了 mjlab 任务、MicroDuck 机器人模型、BAM 执行器、训练脚本、评测脚本和配置测试，适合在独立 Python 环境中运行。

快速开始

要求：Python 3.12、CUDA GPU、uv，以及能够安装 mjlab==1.3.0 和 warp-lang==1.12.0 的网络环境。进入当前目录后执行：

powershelluv sync

# 先做低成本训练 smoke，不要一开始就使用完整并行规模
uv run train Mjlab-SwingPump-MicroDuck `
  --env.scene.num-envs 64 `
  --agent.max-iterations 5

如果只想检查配置和物理不变量，可以先运行：

powershelluv run --with pytest pytest tests -q

训练、评测、导出和视频回放脚本集中在 scripts/。梯面任务优先阅读 docs/stilt_training_plan.md 和任务资料中的梯面 README，再执行 scripts/prepare_ladder_footstep_bootstrap.py、 scripts/evaluate_ladder_checkpoint.py 等脚本。

代码导航

目录或文件	作用
`src/mjlab_microduck/robot/`	MJCF 机器人模型、关节参数、形态配置和硬件常量
`src/mjlab_microduck/actuator/`	BAM 执行器和摩擦模型
`src/mjlab_microduck/tasks/`	行走、球踢、拾取、摆动、高跷、梯面等任务
`scripts/export.py`	checkpoint 到 ONNX 和单环境视频导出
`scripts/infer_policy.py`	策略推理和动作回放
`scripts/evaluate_*.py`	针对不同任务的评测入口
`tests/`	观测维度、任务注册、接触、课程和导出契约检查
`hardware/stilts/generate_stilts.py`	参数化生成高跷几何

重要说明

logs/、.venv/、checkpoint、ONNX 和视频输出没有随代码包提交；运行结果应保存在本地实验目录，并在专题 README 或实验记录中登记路径。
训练任务和评测任务必须使用匹配的观测维度、槽位顺序、归一化和控制频率。旧 checkpoint 的 51 维输入不能直接接到 61 维接口。
当前仓库的多数任务配置是独立的 Actor/Critic MLP，常见结构为 512 → 256 → 128；不要仅根据教学 PPT 把当前代码描述成已经启用 LSTM。
梯面任务的短训练和 warm-start 只能证明环境、接触和训练入口可用，不能替代连续换档和顶部落台的跨 seed 成功率。

在 Windows 中文区域设置下，部分旧测试直接读取 UTF-8 的 pyproject.toml 时可能受系统默认编码影响；可先设置 PYTHONUTF8=1。梯面 footstep 任务的当前入口配置使用 0.14 m/s，测试已与该配置对齐。

许可证

软件和硬件许可证、第三方声明随本代码包保留在根目录。复制或发布 MicroDuck 模型、素材和实验补丁时，应同时保留原始署名和相应许可证说明。