Manager 与 MDP term¶
GeneLab 使用 Isaac Lab 风格的 manager-based 环境模式：环境负责仿真循环，MDP 行为拆成命名 term， 由专门 manager 管理。
为什么拆分 MDP¶
机器人学习环境通常包含很多关注点：
- action 解码
- command 采样
- observation
- reward
- termination
- reset 和 interval event
- curriculum
- metric
如果全部塞进 step()，任务会很难检查和 override。manager-based 配置让每个关注点都有名字、类型和可发现路径。
manager 集合¶
| Manager | 配置字段 | 作用 |
|---|---|---|
ActionManager |
actions_cfg |
把策略 action 转成仿真目标或力矩。 |
CommandManager |
commands_cfg |
维护采样目标，例如目标速度或参考 motion。 |
ObservationManager |
observations_cfg |
计算 policy、critic 等 observation group。 |
RewardManager |
rewards_cfg |
计算带权 reward term 和 episode 摘要。 |
TerminationManager |
terminations_cfg |
区分 terminated 和 time-out 条件。 |
EventManager |
events_cfg |
执行 startup、reset、interval 随机化或扰动。 |
CurriculumManager |
curriculum_cfg |
在 reset 边界调整难度或任务状态。 |
MetricsManager |
metrics_cfg |
记录非 reward 诊断指标。 |
运行时顺序¶
ManagerBasedRlEnv 先构建 Genesis scene，再创建 manager、绑定传感器、执行 startup event、
跑初始 reset。每个 env step 中，它处理 action，推进 decimation 个 physics tick，刷新状态，
更新传感器，计算 command、event、reward、metric、termination，reset 已完成 env，最后计算 observation。
这个顺序很重要，因为 term 读取共享状态。例如 reward term 看到的是 action 和 sensor update 之后的状态； reset event 会在下一次 observation 发出前运行。
term 名称是接口的一部分¶
term 名会出现在 override 路径和日志中。名为 track_lin_vel 的 reward 可以从 CLI 修改，也会出现在 episode 摘要里。稳定命名让实验更容易比较。