skrl+Isaac Sim扩展Cartpole多环境时reshape报错问题问询

ValueError: cannot reshape array of size 2 into shape (1,)及后续段错误由环境并行数与训练框架侧配置不匹配导致，和skrl张量自动推导逻辑无关：

• 自定义CartpoleTask内部设置num_envs=2、加载了2个Cartpole实例，但skrl官方单智能体训练脚本初始化环境包装器时硬编码了num_envs=1，包装器会强制将环境返回的观测、奖励、done标志reshape为单环境维度，接收到长度为2的批量数组时直接触发维度错误，后续段错误是reshape失败后内存非法访问导致的。
• 隐蔽触发点：若未在CartpoleTask的__init__方法中显式给self.num_envs赋值为2，即使场景里创建了2个Cartpole实例，ArticulationView返回的批量张量第一维也会和框架预期不匹配。

按以下顺序逐点校验修改：

• 对齐并行数配置
  找到训练脚本中初始化Isaac Gym环境包装器的代码段，显式传入和Task内部一致的num_envs值，skrl不会自动读取自定义Task内的并行数配置：

  # 原单环境错误写法
  # env = wrap_env(CartpoleTask())
  # 修改后
  env = wrap_env(CartpoleTask(num_envs=2))
  

• 校验空间与张量维度
  检查CartpoleTask内的张量形状定义：
  • 观测缓存、观测空间形状必须匹配(num_envs, obs_dim)，禁止使用单环境下无批量维度的(obs_dim,)写法
  • 动作空间形状、step方法接收的动作张量必须匹配(num_envs, act_dim)，禁止硬编码索引[0]取单个实例动作
  • reset、compute_observation、compute_reward方法内所有针对Cartpole实例的操作，必须走批量张量逻辑，不能写死单实例下标
• 预校验维度匹配
  启动训练前先单独跑环境步进测试，确认所有返回张量维度正确：

  obs = env.reset()
  assert obs.shape[0] == 2, f"观测维度不匹配，预期第一维为2，实际为{obs.shape[0]}"
  dummy_action = torch.zeros(2, env.action_space.shape[0], device=env.device)
  obs, rew, done, _ = env.step(dummy_action)
  assert obs.shape[0] == rew.shape[0] == done.shape[0] == 2, "步进返回张量维度不匹配"
  

  测试通过后再启动skrl训练即可正常运行。

避坑提示：修改多并行环境时，不要只改场景内的实例数量，必须同步修改Task内部属性、训练脚本初始化参数、所有张量操作的批量维度，三者完全一致才不会触发维度错误。

内容的提问来源于stack exchange，提问作者Hyunjin Lee