RL运控二审: Ch01-28 复核gpt-5.5审计意见(6×Opus+联网核验)，295处确认修复+驳回15误报

二审动机: 审计意见不一定对(可能误报或给错修正建议)，故改正文前再独立核实一轮。
6个Opus Agent并发各约1/6文档，逐条核实+结合互联网核验官方源(arXiv/GitHub/官网)，
只改确认无误的、驳回误报，拿不准一律列UNCERTAIN(宁可漏改不可错改)。

- 批量CONFIRMED 295处(28章): 错误API/类名(RslRlPpoAlgorithmCfg/BinaryJointPositionActionCfg等)、
  脚本路径、任务名、论文标题/arXiv号、机器人规格(Panda 9DoF/Go2~15kg)、物理数学公式、
  KL自适应lr倍率、未闭合代码块(Ch16/Ch25)、重复段落(Ch15/Ch28)
- #1 Ch27 击球点bug(跨章功能正确性): compute_impact_point找落地点(z≈0)却存为击球点，
  被Ch28 obs/approach/timing reward当击球目标→球拍被引向地面。改strike_height=0.6(球下降穿过击球高度)
- #2 Ch20 G1 19→23 DOF(全章联动): 官方23(腿12+臂10+腰1)，原写19低估，~25处联动改
- 驳回15条审计误报: Ch05 export_policy_to_onnx真实存在、Ch10 mjlab task真实注册、
  Ch15 eval_agent.py存在、Ch14 Humanoid-Gym确为RSS2024、Ch21 obs 26维正文本对(审计自己算错)等
- 附《RL运控_二审复核记录_2026-06-10.md》: 完整记录已修/驳回/剩余待办(#3整节重写 #4版本漂移)

Co-Authored-By: Claude Opus 4.8 (1M context) <noreply@anthropic.com>

Author: Michael-Jetson

06_具身智能/RL运控/Ch01_生态系统.md

@@ -598,7 +598,7 @@ class MyEnvCfg(ManagerBasedRlEnvCfg):
 
 **第三阶段：Isaac Lab（2024-至今）**
 
-NVIDIA 在 2024 年发布 Isaac Lab 框架（论文 arXiv:2501.02930 于 2025 年 1 月发布：*Isaac Lab: A Unified and Modular Framework for Robot Learning*），作为 Isaac Gym 的继任者。它的核心创新是 **Manager-Based 架构**——把 MDP 的每个组件（obs、action、reward、termination、event、command、curriculum）拆分到独立的 Manager 中，实现了关注点分离。
+NVIDIA 在 2024 年发布 Isaac Lab 框架（论文 *Isaac Lab: A GPU-Accelerated Simulation Framework for Multi-Modal Robot Learning*，arXiv:2511.04831），作为 Isaac Gym 的继任者。它的核心创新是 **Manager-Based 架构**——把 MDP 的每个组件（obs、action、reward、termination、event、command、curriculum）拆分到独立的 Manager 中，实现了关注点分离。
 
 | 属性 | 值 |
 |------|-----|
@@ -738,7 +738,7 @@ mjlab 与 Isaac Lab 共享 Manager-Based API 设计哲学。这意味着学会
 2. 找到一篇 2024 年的足式机器人论文和一篇 2026 年的，对比它们使用的仿真框架，分析框架迁移的技术原因。
 3. 在 legged_gym 的单体架构中，假设你要同时实验 3 种不同的 reward 配置。你需要怎么组织代码？在 Manager-Based 架构中呢？对比两种方案的工程成本。
 4. Newton 1.0 GA 的 7 个求解器中，哪个最适合仿真一个带平行连杆腿的双足机器人？为什么其他求解器（如 MuJoCo Warp）在这种情况下会有问题？提示：查阅 Kamino 论文的摘要。
-5. （思考题）如果 MuJoCo Warp 的可微分功能在未来版本中实现了（目前仍在开发中），这会对 mjlab 和 MuJoCo Playground/MJX 的竞争格局产生什么影响？可微分仿真对 RL 训练有什么潜在价值？
+5. （思考题）如果 MuJoCo Warp 的可微分功能在未来版本中实现了（目前官方不支持、暂无明确计划），这会对 mjlab 和 MuJoCo Playground/MJX 的竞争格局产生什么影响？可微分仿真对 RL 训练有什么潜在价值？
 
 ---
 
@@ -851,13 +851,13 @@ git clone https://github.com/isaac-sim/IsaacLab.git
 cd IsaacLab && ./isaaclab.sh --install
 
 # 训练（15-30 秒 Isaac Sim 初始化后开始训练）
-python scripts/rsl_rl/train.py \
-    --task Isaac-Velocity-Flat-Unitree-H1-v0 \
+python scripts/reinforcement_learning/rsl_rl/train.py \
+    --task Isaac-Velocity-Flat-H1-v0 \
     --num_envs 4096 --headless
 
 # 评估
-python scripts/rsl_rl/play.py \
-    --task Isaac-Velocity-Flat-Unitree-H1-v0 \
+python scripts/reinforcement_learning/rsl_rl/play.py \
+    --task Isaac-Velocity-Flat-H1-v0 \
     --checkpoint /path/to/model.pt
 ```
 
@@ -1008,7 +1008,7 @@ Isaac Lab 3.0 Beta（基于 Isaac Sim 6.0 + Newton 1.0）引入了几个**破坏
 
 你需要在相同的环境上运行两种不同的 RL 算法。
 
-- mjlab 只支持 RSL-RL（仅 PPO）→ 无法直接用 mjlab
+- mjlab 默认只接 RSL-RL（RL 算法为 PPO，无 SAC/TD3 等）→ 无法直接用 mjlab 切换到 off-policy 算法
 - Isaac Lab 支持 RSL-RL + RL Games + SKRL + SB3 → 可以在同一环境上切换算法
 - 推荐：使用 Isaac Lab，利用其 DexSuite（灵巧手操作任务）+ 多 RL 后端
 
@@ -1071,7 +1071,7 @@ Google DeepMind 维护。Brax 是基于 JAX 的可微分物理仿真引擎，MuJ
 | 维度 | MJX | MuJoCo Warp |
 |------|-----|-------------|
 | 编程框架 | JAX（`jax.vmap` 批量化） | NVIDIA Warp（PyTorch 互操作） |
-| 可微分 | ✅（JAX autograd 原生支持） | ❌（Warp 可微分功能仍在开发中） |
+| 可微分 | ✅（MJX-JAX：JAX autograd 原生支持） | ❌（MJX-Warp/MuJoCo Warp 当前不支持自动微分，官方称暂无明确计划，仅有 GitHub issue 跟踪） |
 | 使用的框架 | MuJoCo Playground | mjlab / Isaac Lab（via Newton） |
 | 典型用户 | 需要可微分仿真的研究者 | 大多数 PyTorch RL 研究者 |
 | 与 RSL-RL 兼容 | ❌ | ✅ |
@@ -1104,7 +1104,7 @@ Genesis/HumanoidVerse 的架构设计（simulator/task/algorithm 三层解耦 +
 | Unitree G1 | `unitree_g1/g1.xml` | 29 |
 | Unitree H1 | `unitree_h1/h1.xml` | 19 |
 | ANYmal C | `anybotics_anymal_c/anymal_c.xml` | 12 |
-| Franka Emika Panda | `franka_emika_panda/panda.xml` | 7 |
+| Franka Emika Panda | `franka_emika_panda/panda.xml` | 9（7 臂 + 2 夹爪） |
 
 当你需要一个新机器人的 MJCF 时，首先检查 Menagerie 是否已有——直接使用经过社区验证的模型比自己从零建模可靠得多。如果 Menagerie 没有你需要的模型，Ch11 将讲解如何从 SolidWorks CAD 文件导出 URDF 并转换为 MJCF。
 
@@ -1218,7 +1218,7 @@ Rerun 不替代 Viser（实时 3D 可视化）或 WandB（实验管理），而
 
 ### ⚠️ 常见陷阱
 
-1. **把 RSL-RL 当作通用 RL 库。** RSL-RL 只有 PPO，如果你需要 SAC/TD3/Diffusion Policy，必须使用 Isaac Lab + 其他 RL 后端。
+1. **把 RSL-RL 当作通用 RL 库。** RSL-RL 的 RL 算法只有 PPO（外加 Student-Teacher Distillation 流程），没有 off-policy 算法；如果你需要 SAC/TD3/Diffusion Policy，必须使用 Isaac Lab + 其他 RL 后端。
 2. **忽略 WandB 的价值。** 很多初学者不配置 WandB，导致实验结果散落在本地文件系统中，几周后就找不到了。从第一次训练开始就使用 WandB 是一个**零成本高回报**的好习惯。
 3. **在 Menagerie 中找不到模型就从零建模。** 先在 GitHub 上搜索 `机器人名 + URDF` 或 `机器人名 + MJCF`，很可能已有人做过。awesome-loco-manipulation 仓库收集了多种复合机器人的 URDF（Go2+Arx、B1+Z1 等）。
 4. **混淆"框架"和"RL 算法库"。** mjlab/Isaac Lab 是环境框架（提供 `env.step()`），RSL-RL/RL Games/SKRL 是 RL 算法库（提供 `ppo.update()`）。框架和算法库通过 VecEnv wrapper 连接——这个连接层在 Ch07 中会详细讲解。