三份名称映射
分别记录仿真关节坐标、硬件可主动控制关节及策略控制子集。自由基座的 quaternion 使位置维度和速度维度不同；actuator 数量也不必等于关节数量。手部版本、被动耦合和任务动作子集变化时，必须使用对应资产与映射。公开教程不继承某个私有模型快照的维度数字。
最小配置表包含关节名、轴、零位、限位、控制模式、动作缩放、执行器限幅与被动/主动标记。checkpoint 必须同时绑定这张表和观测顺序，尺寸匹配不足以保证语义匹配。
对称性是一项模型假设
以矢状面反射 S = diag(1,−1,1) 为例，同一坐标系中的质心按 c' = Sc 变换，惯量按 I' = S I Sᵀ 变换。关节方向与动作符号也需映射，不能只比较左右质量。严格镜像模型可用于对称学习实验；实际机械结构可能有布线、传动和制造差异。
静态 XML/配置检查、随机状态镜像检查、短时自由运动和稳定行走分别提供不同证据。占位视觉网格、无 NaN 或自由倒地不证明实物保真度和步态质量。
课程阶段与终止边界
从静态站立、低速平地、转向到地形扰动逐级增加难度。门控使用固定评估集与明确阈值，并保留失败样例。reset 必须清理根速度、动作历史、滤波器、RNN 和计数器；跌倒检测使用相对地面高度与倾角，并核对身体接触的允许集合。
| 状态 | 续训是否恢复 | 变更需记录 |
|---|---|---|
| 策略与价值网络 | 通常恢复 | 观测/动作语义 |
| 优化器与调度器 | 完整续训恢复 | 新阶段学习率 |
| 归一化统计 | 按协议恢复 | 数据分布变化 |
| 策略分布尺度 | 保留或主动重置 | std / log_std 参数化 |
| 课程与环境状态 | 依恢复粒度 | 阶段、随机流、reset |
官方资料补充与验收
MuJoCo 计算文档区分广义位置与速度；Isaac Lab actuator 文档说明隐式与显式驱动可能造成迁移差异；ProtoMotions 固定提交说明身体、运动数据与控制策略必须配套。先验收单关节和静态接触，再验证短时站立、动作符号及一个阶段切换。策略标准差重置是新实验干预，应独立报告，不能默认为“安全修复”。