任务概览

本章以 Pendulum 倒立摆为例，依次完成数据准备、配置、训练和模型使用。每一步都附有“接入自己的业务”提示， 说明从示例迁移到实际任务时需要重新确认什么。开始前先完成安装与授权。

倒立摆任务与目标

倒立摆通过施加力矩使摆杆转到正上方并保持。它是仿真基准，用来说明训练与推理流程。

任务角色	物理含义	数据与配置
状态	cos θ、sin θ、角速度 θ̇	states，形状 [20000, 3]
动作	力矩，设备模型上限 ±2 N·m	actions，形状 [20000, 1]
轨迹	100 段记录，每段 200 步	index，形状 [100]
目标	接近正上方、平稳、节省力矩	reward.py

图：蓝色表示摆杆当前姿态，绿色虚线表示直立目标，橙色表示控制力矩；训练目标兼顾姿态、角速度和力矩开销。

开始前准备

交付包包含 examples/pendulum/config.min.yaml、reward.py 和 data/pendulum.npz， 无需额外的数据同步命令。下文相对路径从解压目录开始，第 3 步会明确切换到 examples/pendulum/。

在线用户先保存 access key，并按首次运行取得许可证； 离线用户安装许可证或设置 REVIVE_LICENSE 后，使用 revive license status 确认状态。 在线注册本身不会申请许可证，配置预检也不会代替首次训练申请授权。

示例资产包（不含 REVIVE SDK）保留 examples/ 和 deploy/ 目录结构。 它不能安装 SDK；仅执行本章最小倒立摆教程无需下载，使用完整案例时另行取得。补充使用前请先完成安装与授权。其他任务的数据要求见各自案例说明。

选择训练目标

• 世界模型：定义数据与图，训练并检验单步和多步预测，得到 env.pt；不需要奖励或策略阶段。
• 世界模型与策略：先验证世界模型，再用奖励和动作边界训练策略，得到 policy.pt 并检查控制效果。

仅建模时完成世界模型分支；需要生成控制动作时继续策略分支。

四步操作流程

页面	在倒立摆中做什么	接入自己的业务时确认什么
准备数据	检查状态、动作、轨迹和奖励	目标、变量可用性、单位、时间对齐与数据覆盖
编写配置	生成骨架、修正定义、执行预检	图关系、物理边界、任务阶段及自己的奖励
训练模型	先检查流程，再正式训练并读报告	验证集隔离、比较基线、选模指标和计算预算
使用模型	执行预测、生成动作并检查部署文件	输入输出契约、会话状态、接口与回退要求

smoke 模式减少训练轮数与采样量，用于检查软件流程。正式模型效果需要在确定的数据划分和评估条件下验证， 不能由一次 smoke 运行的指标判断。

接入自己的业务

先写清业务目标与现有方案，再从目标倒推状态、动作、外生变量及数据来源。训练前就约定收益、约束和比较条件， 不要等模型产生结果后再选择验收标准。

数据准备页提供变量、图与奖励的业务实操。训练后按 分析训练结果区分流程完成、模型效果和业务验收；接入前按 使用与部署模型确认接口、会话与回退安排。

已有数据、模型或训练记录时，可按下表选择后续操作：

已有材料与目的	后续入口
只有数据，先建立世界模型	世界模型单阶段训练
中断后继续训练，或为已完成的单阶段 BC 增加轮数	精确续训、追加训练轮数
同一任务中已有世界模型，只执行后续策略阶段	阶段执行
已有固定控制规则，评估其操作后果	世界模型推演
优化已有 PID 控制器参数	控制器参数搜索

完成本章后可查看任务列表，或按配置与调优调整自己的任务。 运行报错时先保留日志和失败阶段，再查故障排查。