Microduck RL 是一个围绕 Microduck 强化学习策略的完整流水线技能，目标是把策略从规格定义、仿真训练、打包、发布到 Hub，最终部署到真实机器人上。它训练的是 61→14 的 PPO 策略，而不是大语言模型；发布到 Hub 并非终点，部署同样在范围内，已发布的仓库是交付物，而非内置的官方权重。
【用途】 该技能用于训练、导出、发布并部署 Microduck 强化学习策略（基于 MuJoCo Warp，通过 mjlab 训练 PPO），并通过 robotctl 部署到真实机器人。规范手册为 pollen-robotics/microduck_rl 中的 AGENTS.md；本技能相当于任务工单，两者冲突时以 AGENTS.md 为准。$SKILL 是包含本 SKILL.md 的目录，脚本需始终以该绝对路径调用，技能 id 为 microduck-skill。
【主要能力与工作流】 工作流分为不可跳过的阶段：
- 规格（Spec）：一行行为描述、类型（episodic 或 perpetual）、最接近的模板，参考 references/TRAIN.md。
- 仿真（Sim）：编辑 env → CPU pytest tests/ → 运行 $SKILL/scripts/smoke.sh → 运行 $SKILL/scripts/train.sh。若已登录 wandb，可查看运行页面曲线（Jobs 无法录制 --video，因为镜像中无 GL）。保持惩罚项 Episode_Reward/* ≤ 0，否则使用 tensorboard 加 --no-wandb，避免 Jobs 挂起。可用 $SKILL/scripts/play.sh 回放某个检查点（Viser + 本地 mp4）。
- 打包（Package）：运行 $SKILL/scripts/export_publish.sh，参考 references/PUBLISH.md。tensorboard 运行后，应从 --checkpoint-file（或已通过门控的 --onnx）导出，而非 wandb 路径。
- 部署（Deploy）：发布后始终执行此阶段。打印 references/DEPLOY.md 中对应本次运行 --repo 的安装命令（切勿硬编码测试仓库）。若用户明确要求在自有 Microduck 上安装，则运行这些 robotctl 命令；若用户没有机器人或未提出要求，则打印命令后停止，在用户反馈前不得声称硬件成功。
【脚本】
- scripts/doctor.sh [--clone] [--sync]：检查工具、检出、Jobs 环境。
- scripts/smoke.sh <TASK_ID>：64×5 冒烟测试，除非 MICRODUCK_TRAIN_LOCAL=1 否则用 Jobs；wandb → 曲线；--video 仅在本地 CUDA 可用。
- scripts/train.sh <TASK_ID> [args…]：同样的计算切换逻辑，默认 4096 环境，同样的 wandb/video 规则。
- scripts/play.sh <TASK_ID> --checkpoint-file|--wandb-run-path …：本地 Viser 网页 + mp4，非 Jobs。
- scripts/gate_check.py <policy.onnx>：[1,61]→[1,14]，跳过 initializers，通过 uv run --with onnx 调用。
- scripts/export_publish.sh …：仅官方导出到 $RL_ROOT/.microduck-plugin-export.onnx，然后发布到 Hub。
【前置条件与硬性规则】 前置条件：运行 $SKILL/scripts/doctor.sh（若无检出则加 --clone --sync），必须输出 doctor ok。默认计算为 Hugging Face Jobs，需要 HF_TOKEN（或 hf auth login）与 MICRODUCK_HF_NAMESPACE（用户或组织）；无 namespace 时 Jobs 会提示导致代理挂起。仅在 MICRODUCK_TRAIN_LOCAL=1 且存在 CUDA 时才本地训练，冒烟测试同理。doctor 失败则停止，不得自创其他训练器（Isaac Sim、AutoTrain、仅 Colab 的 hack）。硬性规则：绝不跳过 64 环境 × 5 迭代冒烟测试；绝不手动将 .pt 转为 ONNX，只能用上游 scripts/export.py；观测保持 61D、动作保持 14D，未使用的命令槽位零填充而非删除；不硬编码关节索引，仅用 mdp.py 中的伺服辅助函数；社区发布仅限恒定命令的 episodic/perpetual，phase/姿态标志保持官方；除非用户明确要求安装到真实机器人，否则不运行 robotctl/SSH，只打印命令。
【适用场景与限制】 适用于需要训练并部署 Microduck 强化学习策略的场景。训练耗时以小时计，应提交 Jobs 后等待。报告时需说明实际表现（如“先鞠躬，然后每 3 次摔倒一次”），而非简单说“可用”。关于收费、价格、平台等具体信息，资料中暂未提供。