本文围绕 RDKX5 双机ROS2通信系统的搭建过程，完成了从网络层到DDS层的整体配置设计。在网络层通过对两块设备分别配置静态 IP（192.168.10.1 / 192.168.10.2）并启用 eth0 有线直连，实现稳定局域网通信。在 ROS2 层统一设置 `ROS_DOMAIN_ID=10` 并切换至 CycloneDDS 实现通信中间件统一。进一步通过 XML 配置文件对 Cyclon

本文介绍了在 RDK X5 上实现多摄像头视觉推理的方法：通过 V4L2 控制带宽解决 USB 共享问题，利用 ROS2 remapping 区分多路摄像头，并用中间调度节点实现输入源动态切换；结合 shared memory 零拷贝与 codec 转换，完成“多摄像头采集 → 统一推理入口 → DNN 推理 → Web 显示”的低延迟视觉处理流程。

本期我们分析了LeggedRobot类的环境创建逻辑，并且修改代码实现了复杂地形的生成以及对应地形机器人的初始化。

本期我们对 `rsl_rl` 仓库中 PPO 算法的 Python 实现进行了全面解析：从初始化超参数、经验回放缓存、动作采样、环境反馈处理，到优势函数计算与策略更新的完整流程。核心机制包括概率比率裁剪 (`clip`)、GAE 优势估计、价值函数裁剪、防止梯度爆炸、以及可选的自适应学习率和 KL 控制，最终通过组合策略损失、价值损失和策略熵形成完整优化目标，实现对四足机器人稳定且高效的强化学习训

* 本节主要介绍了 PPO，它是在策略梯度和 Actor-Critic 基础上提出的一种稳定强化学习方法。通过Clip Trick限制新旧策略的变化幅度、结合优势函数降低梯度方差，并加入Entropy Bonus保持探索能力，PPO 能够在离散和连续动作空间中稳定训练。

本期我们介绍了用于连续动作空间的强化学习算法 DDPG 与 TD3：其中 DDPG 可以看作 Actor-Critic + Policy Gradient + DQN 技术的结合，而 TD3 则通过 Twin Critic、Delayed Policy Update 和 Target Policy Smoothing 三个改进进一步提升训练稳定性。

本期我们介绍了Actor-Critic与 A3C,AC → 改进 Policy Gradient，稳定策略训练,A3C → 多线程 + Advantage + n-step 回报 → 更快、更稳定训练

本节我们介绍了DQN是如何通过引入神经网络代替Q表，同同时利用 “经验池”和评估网络来进行强化学习的。以及我们补全了两个DQN的进化分支Double DQN和Dueling DQN

本期我们深入探讨了legged_gym项目中的奖励函数系统，特别是如何通过对机器人动作、状态、环境的各种影响（如线速度、角速度、姿态、碰撞等）进行加权求和来计算总奖励。此外，我们还介绍了如何使用play.py来加载训练好的模型进行测试

本期我们从训练日志出发，深入解析了 OnPolicyRunner中 log函数的实现，搞清楚了平均奖励、损失函数等指标的计算方式，并结合 TensorBoard对训练过程进行了可视化分析。同时，我们实现了基于手柄输入的实时控制，将训练好的策略应用到实际控制场景中，从而直观验证模型的稳定性与泛化能力，为后续奖励函数优化和策略改进打下基础。