Hugging Face's logo

LeRobot documentation

Ambientes

You are viewing main version, which requires installation from source. If you'd like regular pip install, checkout the latest stable version (v0.6.1).
Hugging Face's logo
Join the Hugging Face community

and get access to the augmented documentation experience

to get started

Ambientes

Os ambientes de simulação são configurados por meio de EnvConfig e construídos por make_env. Cada subclasse declara seus gym_kwargs e como construir os ambientes vetorizados.

Veja Environments from the Hub para usar ambientes publicados e Adding a New Benchmark para contribuir com um.

EnvConfig

classe lerobot.envs.EnvConfig

< >

( task: str | None = Nonefps: int = 30features: dict[str, PolicyFeature] = <factory>features_map: dict[str, str] = <factory>max_parallel_tasks: int = 1disable_env_checker: bool = True )

create_envs

< >

( n_envs: intuse_async_envs: bool = False )

Crie {suite: {task_id: VectorEnv}}.

Padrão: ambiente de tarefa única via gym.make(). Benchmarks multitarefa sobrescrevem. AsyncVectorEnv é o padrão para n_envs > 1; é rebaixado automaticamente para Sync quando n_envs=1.

get_env_processors

< >

( )

Retorna (preprocessor, postprocessor) para este env. Padrão: identidade.

make_env

lerobot.envs.make_env

< >

( cfg: EnvConfig | strn_envs: int = 1use_async_envs: bool = Falsehub_cache_dir: str | None = Nonetrust_remote_code: bool = False ) → dict[str, dict[int, gym.vector.VectorEnv]]

Parâmetros

  • cfg (EnvConfig | str) — Um objeto EnvConfig descrevendo o ambiente a ser construído localmente, ou um identificador de repositório do Hugging Face Hub (por exemplo, "username/repo"). No segundo caso, o repositório deve incluir um arquivo Python (geralmente env.py).
  • n_envs (int, opcional) — O número de envs paralelizados a serem retornados. Padrão: 1.
  • use_async_envs (bool, opcional) — Se deve retornar um AsyncVectorEnv ou um SyncVectorEnv. O padrão é False.
  • hub_cache_dir (str | None) — Caminho de cache opcional para os arquivos do hub baixados.
  • trust_remote_code (bool) — Consentimento explícito para executar código remoto do Hub. Padrão False — deve ser definido como True para importar/executar o env.py do hub.

Retorna

dict[str, dict[int, gym.vector.VectorEnv]]

Um mapeamento de nome de suíte para ambientes vetorizados indexados.

  • Para benchmarks de múltiplas tarefas (por exemplo, LIBERO): uma entrada por suíte e um vec env por task_id.
  • Para ambientes de tarefa única: uma única entrada de suíte (cfg.type) com task_id=0.

Exceções

ValueError ou ModuleNotFoundError

  • ValueError — se n_envs < 1
  • ModuleNotFoundError — Se o pacote de ambiente solicitado não estiver instalado

Cria um ambiente vetorial de ginásio de acordo com a configuração ou a referência do Hub.

make_env_config

lerobot.envs.make_env_config

< >

( env_type: str**kwargs )

Update on GitHub

←Processadores Configuração→