评估与仿真

本篇承接强化学习训练，依次介绍策略评估与导出、MuJoCo Sim2Sim 验证和部署交付清单。已有 checkpoint 时，可以直接从本篇开始，并核对策略输入输出。

play.py 加载与任务匹配的checkpoint，建立推理策略并运行环境，同时导出TorchScript与ONNX。实机使用前继续完成I/O与部署配置核对。

行走动作 · 仿真

多个仿真模型在平面场景中行走。

下载视频

将 RP1_CHECKPOINT 设置为已有、匹配任务的checkpoint文件路径：

Rough策略使用 RP1.3-Rough。任务、训练配置、动作维度与checkpoint必须对应。

若不传明确checkpoint，脚本会在 logs/rsl_rl/<experiment_name> 中按agent的run/checkpoint条件查找。为了可复现，记录实际加载的文件和哈希。

默认导出路径为checkpoint所在目录下的 exported/：

基础play分支自动导出，无需 --exportonnx。RP1.3使用direct环境，I/O约定需单独记录；--export_io_descriptors 仅支持manager-based环境。

play优先取 actor_obs_normalizer，否则取 student_obs_normalizer，没有对应属性时传 None。它将normalizer传给Isaac Lab导出helper。

发布或部署前，检查导出文件的输入/输出、normalizer处理、统计量、shape、dtype和外部数据文件，并绑定生成它的checkpoint与配置。核对清单见 策略输入输出。

分别记录任务回放、Sim2Sim与实机结果，包括场景、指令条件、种子、模型/策略版本和输出产物。实机通过条件使用对应版本的正式验收规范。

RP1.3入口使用24动作TorchScript策略，把Isaac策略顺序转换到MuJoCo模型顺序。该入口在MuJoCo中检查仿真迁移。

完成训练环境与MuJoCo依赖准备，并将 RP1_TORCHSCRIPT 设置为匹配的 exported/policy.pt 路径：

使用rough场景时增加 --terrain。增加 --headless 会选择无GUI路线并保存视频，仍需要适用的EGL/渲染条件，不表示完全不渲染。

动作跟踪使用 sim2sim_rp1.3_bm.py。将 RP1_TORCHSCRIPT 设为匹配 RP1.3-BeyondMimic 的 TorchScript 策略，再使用同一参考动作：

上述路径相对于训练仓库根目录。该入口采用 24 动作、126 维单帧输入和 RP1.3 的关节映射；--loop 用于循环参考动作。Flat/Rough 的 243 维策略不能直接交给这个入口。

Flat/Rough场景来自RP1_train的 rp1.3/mjcf/，均引用 robot_24dof.xml。配置为24动作、单帧81、历史3帧，共243观测元素。torch.jit.load 的输入使用TorchScript文件。

共享 run_mujoco 检查索引置换、增益长度、观测尺寸与模型 nq/nv/nu。RP1.3脚本调用共享函数；RPO的23动作main入口用于另一套配置。

MuJoCo顺序为左腿6、右腿6、腰2、左臂5、右臂5。源码定义的policy→MuJoCo置换为：

同文件中的默认姿态、PD增益和力矩裁剪数组均以MuJoCo顺序排列。这些数组用于仿真；实物额定值与安全限制按设备规格确认。

共享函数保存 simulation.mp4、joint_positions.png 和 base_velocities.png。记录使用的场景、策略、配置、实际输出位置与检查结果。

接入推理端前，核对 历史布局与I/O约定。28流程需要独立task、策略与Sim2Sim入口。

保存实际使用的策略及哈希、模型与映射、参考动作或速度指令、初始条件、回放和输出记录。Sim2Sim 用于检查独立软件路径；实机的标定、反馈时效、保护与受限任务另行验证。

继续部署流程，并检查部署资源与配置。

BeyondMimic 使用 24 轴、126 维单帧动作跟踪输入；默认 28 轴速度策略使用 930 维历史输入。进入部署前先选择对应的策略路径，再核对部署资源和配置。Sim2Sim 通过后，实机阶段仍需交付配置的标定与验证。