LeRobot documentation
Окружения
Окружения
Среды симуляции настраиваются через EnvConfig и создаются с помощью make_env или make_task_env для одной задачи. Конфигурация содержит только параметры; её метод sim_settings() преобразует их в именованные аргументы для интеграции с конкретным симулятором.
См. Simulation, чтобы узнать, как используются среды, EnvHub — для использования и публикации сред на Hub, а также Adding a Benchmark — для добавления собственного бенчмарка.
HubEnvConfig
класс lerobot.envs.HubEnvConfig
< source >( task: str | None = Nonefps: int = 30features: dict[str, PolicyFeature] = <factory>features_map: dict[str, str] = <factory>max_parallel_tasks: int = 1disable_env_checker: bool = Trueserver: EnvClientConfig | None = Nonehub_path: str | None = Nonetrust_remote_code: bool = Falsemake_env_kwargs: dict[str, Any] = <factory>use_native_batch: bool = False )
Окружение из файла env.py в репозитории EnvHub; для его запуска требуется trust_remote_code.
EnvConfig
класс lerobot.envs.EnvConfig
< source >( task: str | None = Nonefps: int = 30features: dict[str, PolicyFeature] = <factory>features_map: dict[str, str] = <factory>max_parallel_tasks: int = 1disable_env_checker: bool = Trueserver: EnvClientConfig | None = None )
Параметры среды. make_env создаёт среду на основе её sim_settings().
Удалено: создание окружения для одной задачи с помощью lerobot.envs.make_task_env(config, task_group, task_id, ...).
Удалено: создание окружений с помощью lerobot.envs.make_env(config, n_envs, use_async_envs).
Возвращает (preprocessor, postprocessor) для этой среды. По умолчанию: identity.
Возвращает sim_settings() с параметрами по умолчанию симуляции, как это делают локальные окружения и сервер окружений.
Возвращает настройки симуляции, как в разделе sim YAML-файла сервера; отсутствующие значения заменяются значениями по умолчанию для симуляции.
По умолчанию используется среда Gymnasium gym_id с gym_kwargs и дельта-действиями; при необходимости переопределите эти параметры.
make_env
lerobot.envs.make_env
< source >( cfg: EnvConfign_envs: int = 1use_async_envs: bool = False ) → dict[str, dict[int, gym.vector.VectorEnv]]
Параметры
- cfg (
EnvConfig) — Конфигурация окружения. Репозиторий EnvHub — этоHubEnvConfig(hub_path="user/repo", trust_remote_code=True). - n_envs (
int, необязательный, по умолчанию1) — Количество сред в каждом векторном окружении. - use_async_envs (
bool, необязательный, по умолчаниюFalse) — Запускать каждую среду в собственном рабочем процессе.
Возвращает
dict[str, dict[int, gym.vector.VectorEnv]]
Векторные среды, в формате {suite: {task_id: env}}.
Однозадачная среда имеет один набор с идентификатором задачи 0.
Исключения
ValueError или RuntimeError или ModuleNotFoundError
ValueError— еслиn_envsменьше 1.RuntimeError— если код репозитория EnvHub может выполняться безtrust_remote_codeв его конфигурации.ModuleNotFoundError— если симулятор или пакет, необходимый дляenv.pyрепозитория, не установлен.
Создайте векторные среды для конфигурации.
make_task_env
lerobot.envs.make_task_env
< source >( cfg: EnvConfigtask_group: str | None = Nonetask_id: int | None = Nonen_envs: int = 1use_async_envs: bool = False )
Создайте локальную или обслуживаемую векторную среду для одной задачи; отсутствие task_id означает первую задачу набора.