Bug: Motrix G1FlipTracking PPO 默认配置未学会完整后空翻，采用 MuJoCo 任务配置后可完成 #1595

Summary

使用 Motrix 后端的原始 G1FlipTracking PPO 配置，1024 环境、seed=1，从头训练 30000 轮后，策略仍无法完成完整后空翻。训练正常结束，问题表现为策略在起跳后跟踪失败并提前终止。
随后保留 Motrix 物理后端，将动作缩放、奖励和观测归一化设置改为继承 MuJoCo 的 flip 任务配置，使用 1024 环境重新从头训练 10000 轮。在该次训练的原生 Motrix 回放中，已经观察到完整的起跳、后空翻、落地和恢复站立。

Area

motrix

Reproduction

uv run --no-sync train --algo ppo --task g1_flip_tracking --sim motrix
algo.num_envs=1024
algo.max_iterations=30000
algo.seed=1
algo.resume=false
algo.load_run=-1
training.device=cuda:0
training.no_play=true

Expected behavior

默认 G1FlipTracking PPO 配置应能够在 Motrix 中学会完整后空翻

Actual behavior

训练完成了全部 30000 轮，但最终 model_29999.pt 在原生 Motrix 回放中，于第 119 个控制步、约 2.38 秒提前终止。在play中放宽终止条件，跳起来之后摔倒

Environment

OS：Linux x86_64
Python：3.10
UniLab 基线：b4e6b58fe0861a435fd19c0f0206bd84f4427a9c，包含本地修改的工作区
Backend：motrixsim-core==0.8.2
RL runtime：unilab-rl==1.2.0、rsl-rl-lib==5.0.1
PyTorch：2.8.0+cu128
Hardware：i9-12900K、RTX 3090；Motrix 物理运行在 CPU，策略推理和 PPO 使用 GPU
Robot：G1 29 DoF
Motion：motions/g1/flip_360_001__A304.npz
Physics timestep：0.005 s
Control timestep：0.02 s

Logs and artifacts

https://github.com/user-attachments/assets/de6bdc3b-6735-4d88-b9c4-edff2d6e19fa这是motrix原始g1 flip tracking任务配置的训练效果