《MicroDuck RL：训练机器鸭从仿真走到真机》 系列课程 · 第 09 集 / 共 14 集
上一集：【MicroDuck RL 08】MuJoCo 基础：单独把玩机器人模型 ｜课程目录 ｜ 下一集：【MicroDuck RL 10】如何读懂训练日志
训练出的策略怎么上真机？这一集讲完整链路。
训练 (.pt) ──scripts/export.py──> ONNX（烘焙观测归一化器）──> 真机运行时
1. 导出 ONNX
uv run scripts/export.py Mjlab-Velocity-Flat-MicroDuck --wandb-run-path ...
必须用这个脚本：它把观测归一化器烘焙进网络图；手动转换的 checkpoint 会让策略在真机上吃到未归一化的观测，直接失效。这是很多人 sim2real 翻车的第一个原因。
2. 仿真彩排（CPU 就能跑）
uv run scripts/infer_policy.py --walking output.onnx
在 CPU MuJoCo 里键盘驱动：速度指令行走，G 捡拾、Y 坐/站、R 前滚翻、K/L 踢球；支持 --record 录像、--save-csv 导数据做 sim2real 对比。
上真机之前一定先在这里彩排——它用的观测/指令约定和真机运行时一致，彩排过不了，真机必挂。
3. 真机
pollen-robotics/microduck 的运行时以 50 Hz 跑 ONNX，多个策略共享 61 维观测契约（第 05 集讲过），可在走路/恢复/特技之间热切换。
部署注意事项
- 训练出的策略没有动作滤波，真机也不能加（滤波会破坏策略假设的时序）；
- 指令语义要喂对：比如姿态标志位藏在 twist 的 vx 槽，全零 = “站住”。
到这一集，从训练到真机的完整闭环就走通了。下一集回头讲一个日常高频技能：怎么读懂训练日志，判断训练到底有没有在"真正进步"。