feat(training-server): release V0.7.3 整合强化学习服务器

training_server/README.md

@@ -1,35 +1,39 @@
 # 本地强化学习训练服务
 
-该服务把 Web 平台发出的受限训练请求转换为本机 `unitree_rl_mjlab/scripts/train.py` 子进程，并提供状态轮询、停止任务和 `policy.onnx` 下载接口。服务只绑定 `127.0.0.1`，不执行前端传入的任意命令。
+该服务把 Web 平台发出的受限训练请求转换为本机训练子进程，并提供状态轮询、停止任务和 `policy.onnx` 下载接口。服务只绑定 `127.0.0.1`，不执行前端传入的任意命令。
+
+仓库已在 [`rl/`](rl/) 内置 `Unitree-Go2-Flat` 所需的 PPO 训练代码、Go2 模型资产和 ONNX 导出逻辑，不再要求另外克隆 `unitree_rl_mjlab`。`mjlab`、PyTorch 等大型运行依赖仍需安装在本机训练环境中。
+
+## 准备训练环境
+
+使用仓库已有的 `.venv` 项目虚拟环境：
+
+```bash
+source .venv/bin/activate
+python -m pip install -r training_server/rl/requirements.txt
+```
 
 ## 启动
 
-必须使用已经安装 `mjlab`、PyTorch 和训练工程依赖的 Python 解释器：
+使用已安装训练依赖的 Python 解释器启动服务：
 
 ```bash
 npm run training-server -- \
-  --trainer-root /path/to/unitree_rl_mjlab \
-  --trainer-python /path/to/training-env/bin/python
-```
-
-如：
-
-```bash
-npm run training-server -- --trainer-root /home/cen/Embodied_Workspace/unitree_rl_mjlab --trainer-python /home/cen/miniconda3/envs/unitree_rl_mjlab/bin/python
+  --trainer-python "$PWD/.venv/bin/python"
 ```
 
 服务启动时会在终端显示一个随机访问令牌。将该令牌填入前端“访问令牌”字段后再连接。令牌只保存在当前浏览器标签页的 `sessionStorage` 中。自动化启动时可固定令牌：
 
 ```bash
 MUJOCO_TRAINING_TOKEN='至少十六个字符的随机令牌' npm run training-server -- \
-  --trainer-root /path/to/unitree_rl_mjlab
+  --trainer-python /path/to/training-env/bin/python
 ```
 
-也可用 `UNITREE_RL_MJLAB_ROOT` 指定工程目录。默认端口是 `8765`。如果前端不是从 `localhost` 或 `127.0.0.1` 提供，可显式添加来源：
+默认训练工程是仓库内的 `training_server/rl`。如需使用包含其他已注册任务的外部训练工程，仍可通过 `--trainer-root /path/to/trainer` 或 `UNITREE_RL_MJLAB_ROOT` 覆盖。默认端口是 `8765`。如果前端不是从 `localhost` 或 `127.0.0.1` 提供，可显式添加来源：
 
 ```bash
 python training_server/server.py \
-  --trainer-root /path/to/unitree_rl_mjlab \
+  --trainer-python /path/to/training-env/bin/python \
   --allow-origin http://192.168.1.10:5173
 ```
 
@@ -43,7 +47,7 @@ python training_server/server.py \
 - `DELETE /api/training/jobs/{id}`：停止训练；
 - `GET /api/training/jobs/{id}/artifacts/policy.onnx`：下载本次生成的策略。
 
-任务保存在服务内存中，服务重启后历史任务状态会丢失，但 mjlab 日志和 checkpoint 仍保留在训练工程中。
+任务保存在服务内存中，服务重启后历史任务状态会丢失；训练日志、checkpoint 和 ONNX 产物保留在 `training_server/rl/logs/rsl_rl/`，使用外部训练工程时则保留在对应工程中。
 
 ## 测试