用途：为 Isaac Lab 任务通过事件项添加域随机化；当策略成功率应改变随机化范围时使用 ADR。不适用于无关的课程、命令采样或奖励塑形，除非这些改动与随机化交互。
主要能力：识别需变化的对象（资产、物理属性、观测、初始状态、外部扰动、渲染）；支持直接工作流（DirectRLEnv、DirectMARLEnv）与基于管理器的工作流，两者均可通过 events 配置使用 EventManager；支持 PhysX、Newton 或通过 PresetCfg 同时指定后端。
使用方式：先确认随机化函数是否有后端特定行为或不受支持的后端（见 source/isaaclab/isaaclab/envs/mdp/events.py）。选择事件模式：prestartup 用于仿真开始前必须写入的 USD 级属性；startup 用于仿真开始后一次性设置；reset 用于每回合随机化；interval 用于回合内重复扰动。编辑前检查时序限制，部分 USD 阶段或拓扑级改动仅限 prestartup。在环境配置中定义事件项：直接工作流赋给任务配置的 events 字段，管理器工作流赋给管理器环境配置的 events 字段；PhysX 与 Newton 需要不同项时使用后端特定的 PresetCfg。将每个项限定到正确的场景实体，每个随机量使用单一清晰分布与范围。先用少量环境并在各后端重复重置验证，基线稳定后再扩大范围。管理器式 ADR 先以固定事件验证最终范围，再用任务自有调度器与 modify_term_cfg 插值（参考 gravity 示例）。
验证：采用 plan-validate-execute 循环，列出每个随机属性、目标实体、后端、事件模式、分布、范围与时序限制，编辑前对照环境配置检查；检查 CPU/GPU 预期（部分 PhysX 路径用 CPU 张量，Newton 路径可能用环境设备）；对每个目标后端运行小规模重置或 rollout 冒烟测试；先修复形状、设备、后端与实体名错误再扩展。ADR 需测试精确端点并确认策略成功率在边界内改变下次重置范围。技能改动运行：uv run --no-project python tools/skills/cli.py check
限制：部分 USD 阶段或拓扑级改动仅限 prestartup，不能安全移至 reset 或 interval；需注意后端支持差异与设备差异。维护需与 event_manager.py、direct_rl_env.py、direct_marl_env.py、相关教程与 managers API 文档保持同步。