Cubic Doggo 强化学习站立稳定性训练更新

Cubic Doggo 用 Gymnasium、SB3 的 PPO 在 MuJoCo 中训练站立时最小化俯仰与横滚，并将 ONNX 文件部署回 MuJoCo，抗水平推力从 3.5N 提升到 4N。第二阶段加入"push recovery training"，按课程调度把水平力作为域随机化，但两周训练后提升有限。下一步计划在固定斜坡和变化斜坡上平衡，再部署到 Gazebo 和实体机器人。