Hugging Face's logo

LeRobot documentation

Entornos

Hugging Face's logo
Join the Hugging Face community

and get access to the augmented documentation experience

to get started

Entornos

Los entornos de simulación se configuran a través de EnvConfig y se construyen mediante make_env. Cada subclase declara sus gym_kwargs y cómo construir los entornos vectorizados.

Consulte Entornos desde el Hub para usar entornos publicados y Añadir una nueva referencia para contribuir con uno.

EnvConfig

clase 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 = Trueserver: EnvClientConfig | None = None )

create_env

< >

( task_group: str | None = Nonetask_id: int | None = Nonen_envs: int = 1use_async_envs: bool = False )

Cree un entorno vectorial local o servido para una tarea; si no se especifica task_id, se utilizará la primera tarea del conjunto.

create_envs

< >

( n_envs: intuse_async_envs: bool = False )

Cree entornos vectoriales locales o servidos, como {suite: {task_id: env}}.

get_env_processors

< >

( )

Devuelve (preprocessor, postprocessor) para este env. Valor predeterminado: identidad.

sim_config

< >

( )

Devuelve sim_settings() con los valores predeterminados de la simulación, tal como los ejecutan los entornos locales y el servidor de entornos.

sim_settings

< >

( )

Devuelve la configuración de simulación, como en la sección sim de un YAML de servidor; los que faltan usan los valores predeterminados de simulación.

El valor predeterminado es el entorno de Gymnasium gym_id con gym_kwargs y acciones delta; cámbielo en caso contrario.

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]]

Parámetros

  • cfg (EnvConfig | str) — La configuración del entorno, o un ID de repositorio de Hugging Face Hub (p. ej. "username/repo") cuyo env.py construye los entornos.
  • n_envs (int, opcional, valor predeterminado 1) — Número de entornos en cada vector de entornos.
  • use_async_envs (bool, opcional, valor predeterminado False) — Ejecuta cada entorno en su propio proceso de worker.
  • hub_cache_dir (str, opcional) — Carpeta para almacenar en caché el env.py descargado. Solo se utiliza con un ID de repositorio.
  • trust_remote_code (bool, opcional, valor predeterminado False) — Consentimiento para ejecutar el código de un repositorio de Hub, necesario para un ID de repositorio o una configuración de EnvHub.

Devuelve

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

Los entornos vectoriales, como {suite: {task_id: env}}. Un entorno de una sola tarea tiene un solo suite, con ID de tarea 0.

Lanza

ValueError o RuntimeError o ModuleNotFoundError

  • ValueError — Si n_envs es inferior a 1.
  • RuntimeError — Si el código de un repositorio de Hub se ejecutaría sin trust_remote_code.
  • ModuleNotFoundError — Si el simulador, o un paquete que necesita el env.py del repositorio, no está instalado.

Construye los entornos vectoriales de una configuración o del make_env de un repositorio de Hub.

make_env_config

lerobot.envs.make_env_config

< >

( env_type: str**kwargs )

Update on GitHub

←Procesadores Configuración→