Hugging Face's logo

LeRobot documentation

환경

You are viewing main version, which requires installation from source. If you'd like regular pip install, checkout the latest stable version (v0.7.0).
Hugging Face's logo
Join the Hugging Face community

and get access to the augmented documentation experience

to get started

환경

시뮬레이션 환경은 EnvConfig를 통해 구성되고 make_env에 의해 생성됩니다. 각 하위 클래스는 gym_kwargs와 벡터화 환경을 구성하는 방법을 선언합니다.

발행된 환경을 사용하는 방법은 Hub의 환경을, 벤치마크를 기여하는 방법은 새 벤치마크 추가를 참고하세요.

EnvConfig

class 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 )

task_id가 없으면 스위트의 첫 번째 작업을 사용합니다. 각 작업에 대해 로컬 또는 서빙된 벡터 환경을 하나 생성하세요.

create_envs

< >

( n_envs: intuse_async_envs: bool = False )

{suite: {task_id: env}} 형식으로 로컬 또는 서빙된 벡터 env를 생성합니다.

get_env_processors

< >

( )

이 환경에 대해 (preprocessor, postprocessor)를 반환합니다. 기본값: identity.

sim_config

< >

( )

sim_settings()를 시뮬레이션의 기본값과 함께 반환합니다. 로컬 환경과 환경 서버가 실행하는 방식과 동일합니다.

sim_settings

< >

( )

서버 YAML의 sim 섹션과 동일한 형식으로 시뮬레이션 설정을 반환합니다. 누락된 항목은 시뮬레이션 기본값을 사용합니다.

기본값은 gym_kwargs와 델타 액션을 사용하는 Gymnasium 환경 gym_id입니다. 다른 경우를 오버라이드하십시오.

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]]

매개변수

  • cfg (EnvConfig | str) — env config 또는 env.py가 envs를 빌드하는 Hugging Face Hub repo ID(예: "username/repo")
  • n_envs (int, 선택 사항, 기본값 1) — 각 vector env에 포함된 env의 수입니다.
  • use_async_envs (bool, 선택 사항, 기본값 False) — 각 env를 자체 워커 프로세스에서 실행합니다.
  • hub_cache_dir (str, 선택 사항) — 다운로드한 env.py를 캐시할 폴더입니다. 리포지토리 ID와 함께만 사용됩니다.
  • trust_remote_code (bool, 선택 사항, 기본값 False) — Hub 저장소의 코드를 실행하는 데 동의하는 항목으로, 저장소 ID 또는 EnvHub 구성에 필요합니다.

반환값

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

벡터 envs는 {suite: {task_id: env}} 형식입니다. 단일 태스크 env는 task ID가 0인 하나의 suite를 가집니다.

다음 예외를 발생시킵니다

ValueError 또는 RuntimeError 또는 ModuleNotFoundError

  • ValueError — n_envs가 1 미만인 경우.
  • RuntimeError — Hub 저장소의 코드가 trust_remote_code 없이 실행될 수 있는 경우.
  • ModuleNotFoundError — 시뮬레이터 또는 저장소의 env.py가 필요한 패키지가 설치되어 있지 않은 경우 발생합니다.

설정 또는 Hub 저장소의 make_env에 대해 벡터 envs를 빌드합니다.

make_env_config

lerobot.envs.make_env_config

< >

( env_type: str**kwargs )

Update on GitHub

←프로세서 구성→