用途：Stable Baselines3（SB3）是基于 PyTorch 的强化学习算法库，用于训练 RL 智能体、创建自定义环境、实现回调并优化训练流程，提供统一 API，适用于标准 RL 实验。当前上游为 SB3 2.8.0（2026 年 4 月），文档位于 stable-baselines3.readthedocs.io。
主要能力：内置 PPO、SAC、DQN、TD3、DDPG、A2C 等算法；支持向量化环境、回调监控（EvalCallback、CheckpointCallback 等）、模型保存加载、策略评估与视频录制、学习率调度、字典观测的多输入策略，以及 HER 目标条件任务。相关项目包括 sb3-contrib（实验性算法）、RL Baselines3 Zoo（预训练智能体与超参数）、SBX（JAX 实现）。
使用方式：安装需 Python 3.10+ 与 PyTorch>=2.3。基础安装：uv pip install "stable-baselines3>=2.8"；含额外依赖：uv pip install "stable-baselines3[extra]>=2.8"（zsh 下需给方括号加引号）；MuJoCo 基准：uv pip install "gymnasium[mujoco]"。典型训练流程为 gym.make 创建环境、初始化模型（如 PPO("MlpPolicy", env)）、model.learn(total_timesteps=...)、model.save 与 PPO.load 加载。
限制与注意：total_timesteps 是下限，实际可能超出；模型不保存回放缓冲区；自定义环境需继承 gymnasium.Env 并实现 reset/step 等，图像观测须为 np.uint8 且在 [0,255]，不支持起始值非 0 的 Discrete/MultiDiscrete 空间；训练前建议用 check_env 校验；向量化环境 API 与普通环境不同（reset 仅返回观测，step 返回 4 元组并自动重置）。