chore: release v0.0.1

docs/source/zh_CN/user_guide/demo/cartpole.md

@@ -0,0 +1,99 @@
+# 倒立摆训练示例
+
+倒立摆（CartPole）是强化学习中的经典控制任务，目标是通过控制小车左右移动来保持杆子平衡。
+![cartpole](/_static/images/poster/cartpole.jpg)
+
+## 任务描述
+
+-   **状态空间**：小车位置、小车速度、杆子角度、杆子角速度
+-   **动作空间**：向左或向右施加力
+-   **奖励函数**：每一步保持杆子不倒下获得+1 奖励
+-   **终止条件**：杆子角度超过 ±15 度或 episode 长度超过 10 秒
+
+## 快速开始
+
+### 1. 环境预览
+
+```bash
+uv run scripts/view.py --env cartpole
+```
+
+### 2. 开始训练
+
+```bash
+# 使用默认参数训练
+uv run scripts/train.py --env cartpole
+
+# 自定义环境数量
+uv run scripts/train.py --env cartpole --num-envs 1024
+
+# 启用渲染（训练时可视化）
+uv run scripts/train.py --env cartpole --render
+```
+
+### 3. 查看训练进度
+
+```bash
+uv run tensorboard --logdir runs/cartpole
+```
+
+### 4. 测试训练结果
+
+```bash
+# 自动寻找最佳策略测试（推荐）
+uv run scripts/play.py --env cartpole
+
+# 手动指定策略文件测试
+uv run scripts/play.py --env cartpole --policy runs/cartpole/nn/best_agent.pickle
+
+```
+
+> **提示**：系统会自动在 `runs/cartpole/` 目录下寻找最新、最佳的策略文件进行测试。您也可以通过 `--policy` 参数手动指定特定的策略文件。
+
+## 配置参数
+
+倒立摆环境的主要配置参数：
+
+```python
+@dataclass
+class CartPoleEnvCfg(EnvCfg):
+    model_file: str = "path/to/inverted_pendulum.xml"  # MJCF模型文件
+    reset_noise_scale: float = 0.01                    # 重置噪声
+    max_episode_seconds: float = 10.0                 # 最大episode长度
+```
+
+训练配置参数：
+
+```python
+@dataclass
+class CartPoleRLCfg(BaseRLCfg):
+    num_envs: int = 2048                    # 并行环境数量
+    learning_rate: float = 3e-4             # 学习率
+    batch_size: int = 2048                  # 批大小
+    max_epochs: int = 500                   # 最大训练轮数
+```
+
+## 自定义训练
+
+您可以通过命令行参数覆盖默认配置：
+
+```bash
+uv run scripts/train.py --env cartpole \
+  --num-envs 1024 \
+  --train-backend jax \
+  --sim-backend np
+```
+
+## 预期结果
+
+-   杆子角度大部分时间保持在 ±5 度以内
+-   小车位移范围适中
+
+## 故障排除
+
+如果训练效果不佳，可以尝试：
+
+1. 调整学习率（尝试 1e-4 到 1e-3）
+2. 增加环境数量（更多并行训练）
+3. 调整奖励函数权重
+4. 检查物理参数设置是否合理