在 mjlab 中控制 MuJoCo 仿真，核心是通过Manager-based API来管理动作（Action）、执行器（Actuator）和传感器（Sensor），最终由策略输出驱动仿真步进。🧠 核心控制组件mjlab 的控制体系分为三个关键部分：动作 (Action)：定义策略如何控制仿真。ActionManager接收策略输出的张量，将其拆分并路由到对应实体的执行器上。每个动作项将一段连续的策略输出映射到特定关节、肌腱或位点的控制模式（位置、速度、力矩）上。例如，JointPositionActionCfg用于设置关节位置目标，当use_default_offset=True时，策略输出 0 会命令机器人回到默认姿态。执行器 (Actuator)：将高层命令（位置、速度、力）转换为驱动关节的低层力。mjlab 提供了内置执行器（如BuiltinPositionActuator）和显式执行器（如IdealPdActuator）。内置执行器直接创建 MuJoCo 原生执行器元素，利用引擎的隐式积分，数值稳定性最佳，尤其适合高增益或大时间步长的情况。传感器 (Sensor)：用于观测世界。mjlab 支持 MuJoCo 原生传感器，也支持自定义传感器（如 RGB-D 相机和射线传感器），它们在场景级别配置，可通过env.scene["sensor_name"].data访问数据。🚀 控制仿真的基本步骤