用途
Reinforcement Learning Skill 是一个用于机器人控制任务的强化学习专家技能，主要面向从仿真中训练策略并将其迁移到真实机器人的场景。当相关流程需要基于强化学习的机器人控制、从仿真中学习，或把学习到的策略迁移到真实机器人时，会调用该技能。
主要能力
- 为机器人配置 Gym/Gymnasium 环境
- 搭建 Stable Baselines3 训练（PPO、SAC、TD3）
- 实现自定义观测空间与动作空间
- 设计奖励塑形（reward shaping）策略
- 配置并行环境训练
- 实现用于 sim-to-real 的域随机化（domain randomization）
- 设置课程学习（curriculum learning）
- 配置基于 CNN 的视觉强化学习
- 实现策略蒸馏（policy distillation）
- 导出用于部署的策略（ONNX、TorchScript）
使用方式
该技能在流程需要强化学习机器人控制、仿真学习或策略迁移时被调用。它关联的目标流程包括：
- rl-robot-control.js
- imitation-learning.js
- sim-to-real-validation.js
- nn-model-optimization.js
依赖
- Stable Baselines3
- Gymnasium
- Isaac Gym
- rsl_rl
输出产物
- Gymnasium 环境实现
- 训练配置
- 奖励函数设计
- 域随机化配置
- 训练后的策略检查点
- 可部署模型（ONNX）
适用场景
适用于机器人控制任务的强化学习训练，尤其是需要环境设计、训练流程搭建以及仿真到现实迁移的场合。
限制
资料未提供关于收费、价格、平台支持范围、具体效果指标或详细使用步骤的信息，暂未提供。