因为python train.py --task=go2 --num_envs==64 --headless --max_iterations=50中"=="多一个等号；这是因为numpy版本问题，如果遇到这个只需要搜索所有用到np.float的地方将其改为float。表示当前目录（把当前目录当作一个 Python 包/项目来安装）

输入包括一个角色模型（人形、Atlas机器人、恐龙或龙）、一组参考运动片段和一个任务奖励函数。策略πat∣stgtπat​∣st​gt​接收状态sts_tst​和任务目标gtg_tgt​，输出用于各关节PD控制器的目标角度。训练使用近端策略优化（PPO）。模仿奖励与任务奖励结合：总奖励rtωIrtIωGrtGrt​ωI​rtI​ωG​rtG​。

因为python train.py --task=go2 --num_envs==64 --headless --max_iterations=50中"=="多一个等号；这是因为numpy版本问题，如果遇到这个只需要搜索所有用到np.float的地方将其改为float。表示当前目录（把当前目录当作一个 Python 包/项目来安装）

四足机器人需要在现实世界中穿越复杂地形。依赖外部感知 (Exteroception-based)使用相机或 LiDAR 构建地形图。缺陷：对环境条件极其敏感（光照变化、雾、灰尘、黑暗环境）；计算成本高；存在感知延迟；在出现感知失效时系统脆弱。仅依赖本体感知 (Proprioception-based)仅使用关节编码器和 IMU 数据。缺陷：传统的“盲视”行走方法通常难以应对高难度的不规则地形（如高

输入包括一个角色模型（人形、Atlas机器人、恐龙或龙）、一组参考运动片段和一个任务奖励函数。策略πat∣stgtπat​∣st​gt​接收状态sts_tst​和任务目标gtg_tgt​，输出用于各关节PD控制器的目标角度。训练使用近端策略优化（PPO）。模仿奖励与任务奖励结合：总奖励rtωIrtIωGrtGrt​ωI​rtI​ωG​rtG​。