调研报告：reset 机制从 env_ids 到 reset_mask 的演进（UniLab ≤1.3.4 / mjlab vs UniLab 1.4.0）

[TATP-233]

调研报告：环境 reset 从 env_ids 到 reset_mask 的演进

对比对象：(1) UniLab 1.4.0 之前的实现（精确边界见下文）与 third-party/mjlab；(2) UniLab 1.4.0。
重点回答：为什么 UniLab 在历史提交中把 env_ids 换成了 reset_mask，以及两种模式的本质区别。
调研人：TATP-233（基于 git 历史、Issue/PR 记录与源码，2026-10-20）。

---

TL;DR

1. 精确版本边界：切换不是发生在 1.4.0，而是发生在 v1.3.4 → v1.3.5 之间（核心提交 15032a68 "perf(reset): remove dynamic row lifecycle" 已包含在 v1.3.5 中，git tag --contains 可验证）。v1.3.4 及以前是纯 env_ids 模式；v1.3.5 起（含 1.4.0）是纯 reset_mask 模式。
2. 直接动机：动态 row flow（done.nonzero() → env_ids → 按行 gather/scatter → 动态宽度 set_state）是 collector 级 CUDA graph 的主要障碍（Issue perf(mjwarp): quantify removing dynamic reset row flow for CUDA graph safety #2285：动态 shape、nonzero()、Python 分支和 host sync 阻碍 graph capture/replay）。
3. 决定性证据：原本预估"改为固定宽度 mask 会降速多少"，A/B 实验（PR perf(reset): quantify mask-driven reset flow #2287）结果却是在等语义对齐后全面加速——canonical 吞吐 SAC +4.82%、FlashSAC +7.16%，reset-heavy 场景 +3.95% / +7.37%；collector 的 reset_done 耗时 SAC 2.69ms→1.43ms、FlashSAC 3.91ms→2.38ms。
4. 落地路径：Issue perf(mjwarp): quantify removing dynamic reset row flow for CUDA graph safety #2285（量化实验）→ PR perf(reset): quantify mask-driven reset flow #2287（A/B/C fixture + 两轮 review 修复语义等价性）→ Issue perf(reset): remove production dynamic reset row flow #2288 / PR perf(reset): remove production dynamic row flow #2292（生产化，删除动态 row 生命周期，breaking）→ Issue Four canonical SAC/FlashSAC training paths fail after packed-reset integration #2296 / PR fix(base): stabilize packed mask reset paths #2300（修复 packed mask reset 在四条 canonical 训练入口上的布局与 capability 问题）。
5. mjlab 对照：mjlab 至今仍是 IsaacLab 式 env_ids 模式，但它在 sim 边界内部把 env_ids 转成全宽 bool mask 喂给 mjwarp.reset_data（可 CUDA graph 捕获）。UniLab 的演进相当于把这条 mask 边界从 sim 层一路上推到 env/manager/事件项全链路。

---

一、三种实现的机制对比

1.1 UniLab ≤ v1.3.4：env_ids（selected-row / dynamic row）模式

签名（15032a68^:src/unilab/base/torch_env.py:208）：

def reset(self, env_indices: torch.Tensor | None = None) -> tuple[dict, dict]

• 载体：一维 int32/int64 行索引张量，env.device 上，强制唯一、取值在 [0, num_envs)；None 展开为 arange(num_envs)（_normalize_reset_indices，torch_env.py:214-235）。
• 产生点：autoreset 时 done = terminated | truncated（全宽 bool），随即 rows = done.nonzero().flatten().to(int64) —— 行索引在这里物化（torch_env.py:481-544）。
• Manager 链路：env_indices 沿 env → event/command/observation/reward/metrics/curriculum/termination manager → 事件函数 func(env, env_ids, **params) 逐层透传；事件项按 default_state[env_ids] gather、采样后 write_*_to_sim(..., env_ids=ids)；各缓冲用 buf[rows] = ... 局部更新。
• 后端写入（ResetStateTransaction）：所有写先 staging 到全批 scratch（未初始化行铺默认值，外积索引写列 + dirty mask），commit 时 dirty_ids = flatnonzero(dirty_mask)，恰好一次 SimBackend.set_state(dirty_ids, qpos[dirty_ids], qvel[dirty_ids], ...) —— 即按行索引 gather 出动态宽度批次（reset_state.py:1845-1897）。越集写 fail-closed。
• obs 返回：reset 只返回 reset 行的 obs（(len(rows), dim)），外层用 index_copy_ 散射回全批 obs；终态 obs 经 index_select/index_copy 进 final_observation。

1.2 third-party/mjlab：IsaacLab 式 env_ids 模式

签名（third-party/mjlab/src/mjlab/envs/manager_based_rl_env.py:358）：

def reset(self, *, seed=None, env_ids: torch.Tensor | None = None, options=None)

• 与 IsaacLab 逐行对应：reset_buf.nonzero() 产生 reset_env_ids（:468）→ _reset_idx(reset_env_ids)：curriculum.compute(env_ids) → sim.reset(env_ids) → scene.reset(env_ids) → event_manager.apply(mode="reset", env_ids=...) → 各 manager .reset(env_ids)。
• 事件函数 func(env, env_ids, **params) 直接索引写 sim 的 qpos/qvel torch 视图（外积索引 _outer_index），立即生效、逐 term 多次小写，无 staging 事务。
• 值得注意：mjlab 的 sim.reset(env_ids)（sim/sim.py:507-518）在 sim 边界把 env_ids 转成全宽 bool mask 调用 mjwarp.reset_data(..., reset=mask_wp) —— 因为后者要进 CUDA graph。即 mjlab 已经认识到"graph 友好的载体是 mask"，只是把转换放在了最底层。
• 契约宽松：env_ids 基本不校验，直接当下标。

1.3 UniLab 1.4.0：reset_mask（fixed-shape mask-driven）模式

签名（src/unilab/base/torch_env.py:227、src/unilab/envs/manager_based_rl_env.py:1474）：

def reset(self, reset_mask: torch.Tensor | None = None, *, seed=None, options=None) -> tuple[dict, dict]

Mask 不变量（各层反复校验，fail-closed）：

• torch.bool、一维 (num_envs,)、在 env.device 上；True = 该行需要 reset；None = 全量（内部替换为预分配的 ones buffer）。
• 全程不物化行索引：热路径上没有 nonzero()。

数据流：

1. TerminationManager.compute() 聚合出 _terminated_buf/_truncated_buf（全宽 bool）→ reset_buf = reset_terminated | reset_time_outs。
2. TorchEnv.step 的空 mask 门控：did_reset = autoreset and bool((terminated | truncated).any()) —— 空 done 不消耗 RNG、不发布 terminal 载体（torch_env.py:311-315）。
3. _reset_done_envs：done mask 直接作为 reset(done) 的入参；info["steps"].masked_fill_(done, 0)；post-reset obs 用 torch.where(done[:, None], new, old) 合并（torch_env.py:488-551）。
4. ResetStateTransaction / packed composer（src/unilab/base/reset_state.py）：begin_state_mask(reset_mask) 校验后用 torch.where(mask[:,None], default, staged) 全宽原地恢复默认状态，注释明确 "keeps the staging tensors full width and never materializes true-row indices"；commit 时把整幅 staging + mask 交给 SimBackend.set_state_tensor_mask(mask, qpos, qvel, ...)，后端只改 true 行、保留 false 行；无任何写入或 mask 全 False 时不调后端直接返回。
5. 各 manager 统一边界 ManagerBase.reset(reset_mask)：事件项必须提供 mask-preserving 实现（term_func.reset(env, reset_mask, **params)），没有 row fallback（command_manager.py:358："a row fallback would invalidate the fixed-shape contract"）；内部典型操作为 masked_fill_ / torch.where / counter += mask.to(int64)。
6. 后端侧（mjwarp，third-party/unisim）：把调用方的固定宽度 mask 直接 copy 进稳定的 CUDA-graph 载体，注释："the graph-safe replacement for zero + index_fill"。

能力契约：ManagerBasedRlEnv.__init__ 把 packed reset 作为必需 backend capability，缺失即 fail closed，不存在 non-packed fallback；min_step_count_between_reset 与固定宽度 mask 契约不兼容，配置时直接报错。

---

二、两种模式的本质区别

维度	env_ids（≤1.3.4 / mjlab）	reset_mask（≥1.3.5 / 1.4.0）
载体	int64 行索引，动态形状 (n_reset,)	bool 全宽掩码，固定形状 (num_envs,)
关键设备操作	nonzero()、index_select/gather、index_copy_/scatter、动态宽度 H2D	masked_fill_、torch.where、全宽原地写
host 同步	nonzero 输出长度依赖步时数据，伴随 D2H/sync	唯一 host gate 是 done.any()（本就存在）
CUDA graph	动态 shape + 行压实阻碍 capture/replay	固定形状，mask 可直接灌入稳定 graph 载体
对未 reset 行	不做任何计算（省 FLOPs，但要付出动态化代价）	做全宽 masked 计算后丢弃（恒定成本，kernel 友好）
obs 返回	仅 reset 行，外层 index_copy_ 散射	全宽，torch.where 合并，done 行已就地替换
事件项契约	func(env, env_ids)，支持 min_step_count_between_reset 行过滤	func.reset(env, mask)，逐 term mask 边界，不兼容 min-step 过滤
越界防护	索引唯一性/范围校验 + active-mask fail-closed	mask shape/dtype/device 校验 + composer 保留 false 行
失败模式	行索引错误通常立刻报错	mask 多标一行是静默错误——这是 PR #2300 修的一类 bug

为什么"对未 reset 行做了无谓计算"反而更快？ A/B 数据给出了解释：动态 row 模式省下的 FLOPs 远不抵它引入的开销——每步 nonzero()（SAC 每步 14.4 次 → 3.9 次）、kernel launch 数（637 → 532）、D2H 传输（57.6 → 37.3 次/步）、host sync（78.2 → 43.1 次/步）。固定宽度 masked 写是稠密、形状恒定、可融合的 kernel，GPU 利用率反而更高；同时它让后端得以用稳定的 CUDA-graph 载体承接 reset（"graph-safe replacement for zero + index_fill"）。

---

三、为什么改：完整历史证据链

3.1 问题提出 —— Issue #2285（perf: quantify removing dynamic reset row flow for CUDA graph safety）

#2274 已确认 MJWarp collector CUDA graph 的主要障碍不是 tensor 放置，而是热路径中的动态 row flow：

done/reset mask → mask.nonzero() → dynamic env_ids
→ row-scoped manager reset/compute → set_state_tensor(rows, qpos, qvel)
→ index_fill / index_select / index_copy → selected-row sensor refresh

两个互相冲突的目标：性能（动态 rows 避免对未 reset env 做无谓采样/写 state/forward）vs graph safety（动态 shape、nonzero、Python 分支、host sync 阻碍 graph capture）。Issue 预先声明了量化判定标准：canonical 吞吐下降 ≤2% 且 reset-heavy ≤5% → 删除动态 row flow。

3.2 A/B/C 实验 —— PR #2287（ed5f5391，2026-10-11）

新增 env.reset_row_flow research mode，三组变体：A / dynamic_rows（baseline）、B / mask_only（全宽 bool mask + false 行保留）、C / mask_full_refresh（B + 全批 forward，诊断用代价上限）。测量口径：160 iterations × 2048 envs，tail window 100，3 次 interleaved 轮换消除机器漂移，配 t 检验（脚本 summarize_issue2285_reset_flow.py）。

结果与预期相反——不是"降速多少"，而是全面加速（pc823, RTX 4090）：

场景	SAC g1_walk	FlashSAC g1_motion
canonical	+6.22% (CI ±0.36%)	+8.93% (CI ±2.19%)
reset-heavy	+5.27% (CI ±0.60%)	+7.42% (CI ±0.62%)

Collector 归因 B/A ≈ +15.5%（reset 行数分布不变，排除"reset 变少"假因）；cold/full reset 无惩罚。Decision record：remove_dynamic_rows。

3.3 两轮 review 争论与语义修复（PR #2287 内）

第一轮审计提出六个问题、四个阻塞，最关键的是：

1. 语义不等价（阻塞）：B/C 路径没有调用已定义的 mask 边界（ActionManager.clear_action_state_mask()、ObservationManager.reset_mask() 等），漏掉 baseline 会做的 action history / episode metric / curriculum reset —— "+6~9% 不是等语义 A/B"。
2. 静默降级（阻塞）：capability 缺失时 mask_full_refresh 退化为 mask_only 而非 fail closed。
3. 证据来源（阻塞）：数据产生于旧 base，rebase 后须在当前 head 重跑；artifacts 只在 /tmp 须 durable 化。
4. 默认仍为 dynamic_rows，不得直接 Closes #2285 → 催生 child issue perf(reset): remove production dynamic reset row flow #2288。

随后同一天内 9 个 fix 提交逐条补齐各 manager/term 的 mask reset 边界（b9aa746d complete mask reset semantics、d6797554 events、4abc7f29 curriculum、1877e6e9 rewards、e0400da6 termination、419f275d obs、daeb9780 gait、ed2044e3/4020575b motion 等）。等语义重跑后结论仍然成立：canonical +4.82%（SAC）/ +7.16%（FlashSAC），reset-heavy +3.95% / +7.37%；持久化证据发布为 GitHub release evidence-2285-current-head（含 archive SHA-256）。

3.4 生产化 —— Issue #2288 / PR #2292（15032a68，2026-10-12）

把 mask carrier 语义提升为唯一生产路径，删除 production 的 done-mask → nonzero() → dynamic env-id 生命周期。PR 正文明确 breaking changes：

"No backward compatibility with dynamic env-id reset APIs. Backends must declare mask_selected_reset. Unsupported reset DR, observation delay/history, and packed row commits fail closed."

同时加入禁止 row materialization 的架构守卫测试（tests/base/test_reset_architecture.py）。

3.5 稳定化 —— Issue #2296 / PR #2300（dc2c7383，2026-10-12）

packed reset 落地后四条 canonical 训练入口全挂：SAC MuJoCo 继承了不支持的 pd_gains reset term；MuJoCo adapter 未声明 mask_selected_reset 触发 fail closed；MJWarp 两条路径把 root_state.index_select(0, rows)[:, :7] 这类非连续列切片传给要求 contiguous float32 的 composer。修复原则：在 UniLab owner 边界归一化为 contiguous，不放松 unisim 校验器，不在训练代码把 mask 转回 row IDs；MuJoCo PD gain 组合成最终 kp/kd 模型字段；升级 unisim-core>=1.7.17。

3.6 后续定位

• v1.4.0 changelog（docs/sphinx/source/changelog.md:348）："Selected reset execution replaced dynamically materialized row carriers with fixed-width packed masks…commit only touched rows, and preserve active state elsewhere (perf(mjwarp): quantify removing dynamic reset row flow for CUDA graph safety #2285, perf(reset): remove production dynamic reset row flow #2288)"。
• ADR-0231：packed mask reset 被列为 graph-eligible 子边界，但 reset 段本身 "remains completion-owned/eager until a public capture-safe reset boundary exists" —— mask 化是 CUDA graph 的前置简化，reset 段暂不进 capture。
• Discussion CUDA graph in the collector: from full-capture to update-state-only, and what we learned #2357（CUDA graph in the collector）：确认 full collector graph 是错误边界，"动态 reset row compaction" 曾是阻碍之一；"Reset 是 mask-driven 且由 host 编排"——mask 是合法 device state，编排留 host。

---

四、结论与分析

1. 改动的根本原因是 CUDA graph 适配性，而不是直觉上的"mask 更简洁"。env_ids 模式的 nonzero() → 动态形状 → gather/scatter 链条在 eager 模式下只是小开销，但对 collector 级 graph capture 是结构性障碍。mask 是唯一既是合法 device state、又形状恒定的 reset 载体。
2. 实验证明了"省 FLOPs"的旧假设不成立。动态 row 省下的选中行计算，被 nonzero/host-sync/动态 kernel launch 的固定开销反超；等语义对齐后仍有 +4~9% 端到端加速，reset-heavy 场景同样受益。
3. mjlab 与 UniLab 的分歧是"mask 边界放在哪一层"。mjlab 保持 IsaacLab 式 env_ids API、只在 sim 最底层转 mask；UniLab 把 mask 契约一路上推到事件项与所有 manager，换取全链路无 row materialization（并有架构测试守卫），代价是每个 term 必须实现 mask-preserving reset、且放弃 min_step_count_between_reset 这类逐行过滤能力。
4. 已知的残留不一致：src/unilab/rl/contracts/env.py 的 EnvProtocol 仍文档化为 reset(env_indices)（一维整数张量），与实际 bool-mask 实现不符——所幸 RL 侧所有调用方（offpolicy worker、APPO worker、rsl_rl adapter）都只传 None 做全量 reset，reset_mask 并不暴露给 RL runner。这处文档漂移值得后续清理。

主要参考

• Issue perf(mjwarp): quantify removing dynamic reset row flow for CUDA graph safety #2285 / perf(reset): remove production dynamic reset row flow #2288 / Four canonical SAC/FlashSAC training paths fail after packed-reset integration #2296；PR perf(reset): quantify mask-driven reset flow #2287 / perf(reset): remove production dynamic row flow #2292 / fix(base): stabilize packed mask reset paths #2300；Discussion CUDA graph in the collector: from full-capture to update-state-only, and what we learned #2357；ADR-0231
• 提交：ed5f5391（A/B 实验）、15032a68（remove dynamic row lifecycle）、dc2c7383（stabilize packed mask reset）及 9 个语义修复提交
• 证据 release：evidence-2285-current-head；benchmark 工具：scripts/benchmark/rl/benchmark_offpolicy_collector_active.py
• 现行契约：src/unilab/base/torch_env.py、src/unilab/base/reset_state.py、src/unilab/envs/manager_based_rl_env.py；旧版对照：git show v1.3.4:src/unilab/base/torch_env.py；mjlab：third-party/mjlab/src/mjlab/envs/manager_based_rl_env.py、third-party/mjlab/src/mjlab/sim/sim.py:507

[TATP-233]

补充：吞吐声明的独立复测与控制变量归因（2026-10-20, pc823）

动机

上文报告引用了 #2285/#2287 的"+4~9% 加速"结论。本次在 pc823（RTX 4090，FlashSAC + g1_motion_tracking/mjwarp，CUDA MPS 开启，完整训练含 learner）对该声明做了独立复测，并用严格控制变量实验分解了"实验加速 vs 生产无感"的落差。核心结论：mask 载体语义本身真加速（+10.4%），但发布的生产实现（packed composer 路径）把收益全部消耗，env_ids 与生产版 reset_mask 吞吐打平。

实验设置

• 代码点：b89e14aa（perf(reset): quantify mask-driven reset flow #2287 合入，生产=env_ids，另有 env.reset_row_flow 实验 toggle）、a3b5da3c（perf(reset): remove production dynamic row flow #2292 合入，mask 成为唯一生产路径）、087291c1（fix(base): stabilize packed mask reset paths #2300，packed mask 首个能跑通 g1_motion_tracking 的生产点；a3b5da3c 对该任务因 write_motion_state_tensor ... must use the transaction mask 直接失败）、v1.4.0 release
• 依赖栈控制：vendored 组合（unisim 23dea2a + unilab-rl 635549f）与 fix(base): stabilize packed mask reset paths #2300 pin（unisim-core 1.7.17 + unilab-rl 1.4.12）交叉互换
• 主协议：500 迭代 × 2048 envs，每臂 n=5，六臂轮转交错消除机器漂移，tail window=100，指标 tail_env_steps_per_sec；另用 160 迭代（perf(mjwarp): quantify removing dynamic reset row flow for CUDA graph safety #2285 原始协议）与 25,000 迭代（完整生产训练）做交叉验证
• 负载等价性校验：各臂 episode 长度一致（motion: 33.0/34.0/34.1；walk: 54.1/53.5）；collector_env_step_reset_done_ms 证实 mask 路径每轮真实执行 reset（4.27ms→2.69ms，-37%），backend step 耗时一致（8.93 vs 8.83ms）——加速不是"跳过 reset"的假象。（注：实验 mask 路径不发布 Train/mean_episode_length 等 episode 指标，属日志发布缺口，与 perf(reset): quantify mask-driven reset flow #2287 review 记录同类，不影响训练行为。）

结果（500 迭代协议，tail env steps/s，n=5）

臂	提交	依赖	tail	配对结论
env_ids	b89e14aa	vendored	116,621	基准
mask 实验（toggle）	b89e14aa	vendored	128,759	+10.41% ± 1.58%（纯载体语义）
env_ids	b89e14aa	unilab-rl→1.4.12	117,087	+0.42% ± 3.00%（依赖无影响）
mask 生产	087291c1	旧 rl + unisim 1.7.17	110,968	-4.8%（生产化+unisim）
env_ids（walk 任务）	b89e14aa	vendored	107,982	基准
mask 生产（walk 任务）	a3b5da3c	vendored	108,647	+0.62% ± 0.55%（纯 #2292 边界，中性）

跨协议一致性（motion 任务）：160 迭代协议 env_ids 118.0k / mask 实验 129.4k / mask 生产（087291c1）109.3k / v1.4.0 116.4k；25k 完整训练 env_ids 115.1k / mask 生产 108.2k / v1.4.0 114.1k。三个协议下排序与幅度一致。

归因分解

1. mask 载体语义：+10.4%（真）。同提交同依赖只差 toggle；直接证据是 reset_done 4.27→2.69ms，来自消除 nonzero/host-sync/动态形状 kernel。
2. perf(reset): remove production dynamic row flow #2292 生产化（删动态行生命周期）本身：中性（+0.6%），walk 任务单 merge 边界、同依赖验证。
3. 回退发生在 perf(reset): remove production dynamic row flow #2292→fix(base): stabilize packed mask reset paths #2300 之间（-5~-7%）：unilab-rl 依赖已排除（+0.4%，噪声内），嫌疑集中于 feat(base): consume packed reset transaction #2289 packed reset transaction 消费端 + 配套 unisim 1.7.16/17（两者绑定落地，现有产物无法进一步拆分）；motion 任务受影响更大，指向 motion payload 经 packed composer 的 contiguous 归一化拷贝（fix(base): stabilize packed mask reset paths #2300 修复引入）。
4. v1.4.0（unisim 2.0.0）追回至持平（114-116k vs env_ids 115-118k），但仍未兑现实验路径的 +10%。

结论修正

• perf(mjwarp): quantify removing dynamic reset row flow for CUDA graph safety #2285 决策记录中的"remove_dynamic_rows 带来加速"对发布代码不成立：该结论的证据全部来自实验 toggle 路径；生产化之后未再做等语义 E2E A/B。等语义重跑（4020575b）仍是在实验分支上进行的。
• mask 化对发布代码的真实价值是 CUDA graph 适配性（消除 nonzero/动态形状/host sync，为 ADR-0231 的 collector graph 扫清前置障碍），吞吐侧是无损失而非增益。
• packed reset 生产路径在 motion 任务上的 ~5% 回退值得单独归因和优化——全宽 staging composer 与每次 reset 的 torch.where 合并、contiguous 归一化拷贝是主要嫌疑。
• 唯一未隔离的混杂：unisim 23dea2a↔1.7.17 的贡献（pre2292 代码无法 import 1.7.17 的 playback API，post2300 依赖 1.7.17 的 packed API，双向不兼容），包含在第 3 段内。

产物

pc823:/home/pc823/ws/unilabsim/issue2285-rerun/（ctrl/ 30 轮控制变量实验、e2e/ 160 迭代协议、pr2292/ 边界测试、prod/ 25k 完整训练，均含 run_summary.json 与完整日志；worktree UniLab-pre2292/UniLab-post2292/UniLab-post2300 保留可复跑）。

[TATP-233]

E2E 吞吐验证：集成分支 head（含 #2460 env_ids 重构）

pc823，RTX 4090 (GPU0, MPS)，flashsac g1_motion_tracking/mjwarp，num_envs=2048，500 迭代完整训练，指标 tail_env_steps_per_sec。

被测 commit: 300f15f0150511cdf959f2f46f1307782503dd7d（origin/roadmap/2459-reset-env-ids head，含 PR #2468 合入的 #2460 reset env_ids 公共 API 恢复）。三个 run 的 run_config.json 均核验 git.commit=300f15f0…、dirty=false。

run	tail_env_steps_per_sec
INT-r1	116200.2
INT-r2	115010.5
INT-r3	116164.4
mean	115791.7

对照（同协议、同机、不重跑）：

基线	mean (n=3)	集成分支 delta
v1.4.0 base (bench2465 BA: 117922.6 / 117991.1 / 117937.7)	117950	-1.8%
env_ids 基线	116600	-0.7%

结论：持平，无吞吐回退。 相对两条基线的偏差均在 ±2% 噪声带内（远低于 3% 告警阈值）。#2460 的 reset env_ids 公共 API 恢复对 E2E 吞吐无可测影响。

产物：/home/pc823/ws/unilabsim/issue2285-rerun/bench-int/（INT-r{1,2,3}/ run 目录 + 对应 .log + driver.log），worktree /home/pc823/ws/unilabsim/UniLab-b2459int。

[TATP-233]

roadmap #2459 集成分支最终验收吞吐（2026-10-21）

reset 公共 API 恢复 env_ids 的全部改造已合入集成分支 roadmap/2459-reset-env-ids（PR #2468/#2470/#2471，head ca223ac4）。最终验收复测（同协议：pc823、mjwarp + FlashSAC + g1_motion_tracking、CUDA MPS、2048 envs × 500 iter、完整训练、n=3、tail_env_steps_per_sec）：

对象	tail steps/s（n=3 均值）	相对差
v1.4.0 base	117.95k	—
env_ids 基线	116.6k	—
#2460 合入后	115.8k	vs env_ids 基线 -0.7%
集成分支最终（ca223ac4）	115.0k（113.1k / 117.1k / 114.8k）	vs env_ids 基线 -1.4%，vs v1.4.0 -2.5%

三轮离散度 ±1.7%，run-2（117.1k）达到 env_ids 基线水平；最终均值与基线之差落在运行间噪声范围内。结论：env_ids 公共 API 恢复无吞吐回退，roadmap #2459 的验收标准「E2E 吞吐不低于 env_ids 基线」按噪声等价判定达成。

附：第二后端抽查（#2464）——genesis/newton 后端 FlashSAC 短训均正常，in-tree reset terms 全部走 env_ids 公共 API、无 mask deprecation 警告。make test 全量非 slow：2728 passed。