MicroDuck 强化学习需要什么电脑？按目标选环境

先分清三件事

仿真体验使用已有策略；策略回放需要匹配模型和运行环境；训练需要采样、优化与保存检查点。按你的目标使用路线选择工具，不必一开始购买硬件。

Linux 与 NVIDIA GPU

官方 CUDA 快速开始是主要参考。需要驱动、PyTorch CUDA 构建、系统架构和依赖相匹配。环境诊断能检测 Python 与 GPU 可见性，不能证明显存足够完成所有任务。

Windows 用户先核对 WSL 2

NVIDIA 的 CUDA on WSL 文档说明系统与驱动前提。WSL 2 是候选路线，不是本站已复现的 MicroDuck 安装结果。不要把 Windows 的解释器和 WSL 内的依赖混装。

Mac 用户怎样开始

浏览器体验适合先理解动作；本地 ONNX 回放仍需安装 Python 依赖和查看器资源。云训练也有本地启动器依赖，应先读云任务预览，不能只因为有云 GPU 就跳过安装检查。

把算力投入放到小检查之后

先让短训练通过，再确定并行环境数、迭代数和预算。没有经核查的统一最低显存或完成时间，不根据显卡名称给通过承诺。

Mac 上还有一条独立的 CPU 实验路线

jonathanhawkins 的 Microduck Lab 于 2026 年 9 月 22 日更新。作者提供 Apple Silicon CPU 训练环境，安装脚本会固定上游模型和策略版本、安装依赖并跑契约检查。它适合尝试奖励设计和仿真动作，不是官方 microduck_rl 的 CUDA 快速入门。请在新目录阅读其系统要求后运行安装，保存项目提交号、导出文件和评估条件。作者报告的兼容性与效果尚未经本站或 Pollen Robotics 实体验证。若要检查真实 robotd 的行为，再看守护进程仿真。