Hugging Face's logo

LeRobot documentation

Entornos

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

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 = True )

create_envs

< >

( n_envs: intuse_async_envs: bool = False )

Crea {suite: {task_id: VectorEnv}}.

Por defecto: entorno de tarea única mediante gym.make(). Los benchmarks multitarea lo sobrescriben. AsyncVectorEnv es el valor predeterminado para n_envs > 1; se degrada automáticamente a Sync para n_envs=1.

get_env_processors

< >

( )

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

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) — Un objeto EnvConfig que describe el entorno a construir localmente, o un identificador de repositorio de Hugging Face Hub (p. ej. "username/repo"). En el segundo caso, el repositorio debe incluir un archivo de Python (normalmente env.py).
  • n_envs (int, opcional) — El número de entornos paralelizados a devolver. El valor predeterminado es 1.
  • use_async_envs (bool, opcional) — Si se devuelve un AsyncVectorEnv o un SyncVectorEnv. El valor predeterminado es False.
  • hub_cache_dir (str | None) — Ruta de caché opcional para los archivos descargados del hub.
  • trust_remote_code (bool) — Consentimiento explícito para ejecutar código remoto desde el Hub. Valor predeterminado False — debe establecerse en True para importar/ejecutar env.py del hub.

Devuelve

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

Un mapeo desde el nombre de la suite hasta entornos vectorizados indexados.

  • Para los benchmarks de múltiples tareas (p. ej., LIBERO): una entrada por suite y un vec env por task_id.
  • Para entornos de una sola tarea: una única entrada de suite (cfg.type) con task_id=0.

Lanza

ValueError o ModuleNotFoundError

  • ValueError — si n_envs < 1
  • ModuleNotFoundError — Si el paquete de entorno solicitado no está instalado

Crea un entorno vectorial de gimnasio según la configuración o la referencia de Hub.

make_env_config

lerobot.envs.make_env_config

< >

( env_type: str**kwargs )

Update on GitHub

←Procesadores Configuración→