《MicroDuck RL：训练机器鸭从仿真走到真机》 系列课程 · 第 12 集 / 共 14 集
上一集：【MicroDuck RL 11】命令速查表 ｜课程目录 ｜ 下一集：【MicroDuck RL 13】实操记录与关键文件索引
给刚跑通环境的同学一条循序渐进的练习路线，按顺序做下来，对这个项目的理解会完全不一样。
1. 玩模型
用第 08 集的方法打开 MuJoCo 查看器：推倒机器人、看关节怎么动，对照 robot_walk.xml 找每个 body。目标：把"14 个关节"从数字变成你脑子里的实体。
2. 看训练
浏览器开 :8080（3D 查看器）+ :6006（TensorBoard 曲线），用 checkpoint 下拉框对比 model_250.pt 和 model_1000.pt 的差距——这是最直观的"学习在发生"。
3. 读配置
通读 microduck_velocity_env_cfg.py 的注释（它是写给后来者的），重点看奖励权重和 ENABLE_* 开关。对照第 05 集的解剖读，效率翻倍。
4. 读经验
仓库 AGENTS.md 的奖励设计一节，每条都是真实事故的教训。第 10 集讲了其中最核心的六条。
5. 动手改一个小实验（关键一步）
比如把 foot_slip 权重从 −0.1 改成 −1.0，跑冒烟测试 + 短训练（64 环境、几百迭代），对比走路风格——亲眼验证配置注释里"调强会妨碍原地转向"的说法。
改一个变量、短预算验证、对照注释复盘：这一个循环做完，你就入门了。
6. 进阶
读 mdp.py（7000+ 行，所有自定义奖励/事件/观测函数），挑一个奖励函数对照公式理解。读懂三个以上，你就具备给新任务写奖励的能力了。