feat(web-platform): release V0.4.2 RL Module

wasm/web_platform/README.md

@@ -13,6 +13,7 @@
 - 播放、暂停、单步、重置、0.25×–4× 速度
 - actuator 滑杆、hinge/slide 关节拖动、动态 body 外力拖拽
 - 导入单文件 `.py` 控制器，通过本地 Pyodide 在 `mj_step` 前按仿真时间同步执行
+- 导入 mjlab 导出的 `policy.onnx`，在浏览器本地执行 Go2-W 平衡/速度策略推理
 - FPS、物理耗时和主线程步进预算提示
 
 ## 开发
@@ -62,6 +63,30 @@ Python 控制器是可信的单文件脚本，必须同步定义 `step(ctx, stat
 
 当前 Python 与 MuJoCo 都运行在主线程，以保证闭环调用严格位于 `mj_step` 前。仅运行可信脚本；死循环仍可能阻塞页面。Pyodide 及 Python 标准库由 npm 包随生产构建离线发布，不从 CDN 下载；暂不支持第三方 Python 包、`pip` 或多文件 import。
 
+## ONNX 强化学习策略
+
+平台只负责策略推理，训练仍在 Python/mjlab 中完成。当前内置任务兼容 `unitree_rl_mjlab` Go2 velocity 的部署观测顺序：
+
+```text
+base_ang_vel(3) + projected_gravity(3) + velocity_command(3)
++ gait_phase(2) + joint_pos_rel(12) + joint_vel_rel(12) + last_action(12)
+= 47 维观测
+```
+
+策略必须具有一个 `float32` 输入和至少一个 `float32` 输出，输入末维为 47、输出末维为 12。动作按 `FL、FR、RL、RR` 的 hip/thigh/calf 顺序解释，转换为 `default_joint_pos + 0.25 * action` 的关节目标。对于 motor 模型，平台使用与部署配置一致的 kp/kd 执行位置 PD；对于 position actuator，直接写入目标位置。Go2-W 的四个轮电机在此首版腿式策略中保持零力矩。
+
+使用步骤：
+
+1. 导入浮动基座 Go2-W MJCF/URDF，确保腿部关节与 actuator 使用 Unitree 标准命名；
+2. 打开右侧“控制 → ONNX 强化学习策略”；
+3. 从工程中选择或单独导入 `policy.onnx`；
+4. 加载策略，设置前向、侧向和偏航速度，启用策略后播放仿真。
+
+ONNX Runtime Web 的推理接口是异步的。物理循环会在每个 `mj_step` 前持续施加最近一次已完成的动作，并以 50 Hz 提交新观测；界面会显示推理耗时和次数。ONNX 与 Python 控制器互斥，启用其中一个会停止另一个。
+
+> [!IMPORTANT]
+> 当前内置契约是参考 mjlab Go2 的 12 腿关节策略，不是包含四个轮电机动作的 16 自由度 Go2-W 专用策略。若训练 Go2-W 轮式策略，需要后续同时扩展训练端部署配置和浏览器任务清单，确保观测、动作及归一化完全一致。
+
 ## 示例
 
 `fixtures/` 包含（用于测试和手工验收，不会打进生产构建）：
@@ -78,6 +103,7 @@ Python 控制器是可信的单文件脚本，必须同步定义 `step(ctx, stat
 
 - 仅面向桌面版 Chrome、Edge、Firefox；未适配手机和平板。
 - 物理运行在主线程、单线程 WASM。超出每帧预算时限制追帧并提示。
+- ONNX Runtime Web 当前使用单线程 WASM；策略必须将观测归一化包含在导出的 ONNX 图内，平台不会额外加载训练 checkpoint 的运行均值。
 - 不支持 Xacro、账号或云端保存；Python 控制器暂不支持第三方包和不可信代码隔离。
 - 关节拖动只支持 hinge/slide；ball/free joint 只读。
 - MuJoCo WASM 本身不支持 DAE mesh。平台会移除 DAE visual，并以 collision 几何显示；DAE collision 会替换为半径 0.05 m 的占位球体并在界面警告。高精度仿真应先将 DAE 转为 OBJ/STL 或改为 URDF primitive。