LeRobot documentation
環境
環境
シミュレーション環境はEnvConfigによって設定され、make_envによって構築されます。各サブクラスは、そのgym_kwargsとベクトル化環境の構築方法を宣言します。
公開されている環境の使用についてはハブからの環境を、ベンチマークの貢献については新しいベンチマークの追加を参照してください。
EnvConfig
クラス 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 = True )
{suite: {task_id: VectorEnv}} を作成します。
デフォルト: gym.make() による単一タスク環境。マルチタスクベンチマークでは上書きされます。 AsyncVectorEnv は n_envs > 1 の場合のデフォルトです。n_envs=1 の場合は自動的に Sync にダウングレードされます。
この環境の (preprocessor, postprocessor) を返します。デフォルト: identity。
make_env
lerobot.envs.make_env
< source >( 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]]
パラメータ
- cfg (EnvConfig | str) — ローカルで構築する環境を記述する
EnvConfigオブジェクト、または Hugging Face Hub のリポジトリ識別子（例:"username/repo"）のいずれかです。後者の場合、リポジトリには Python ファイル（通常はenv.py）が含まれている必要があります。 - n_envs (int, 任意) — 返す並列化された環境の数。デフォルトは 1 です。
- use_async_envs (bool, 任意) — AsyncVectorEnv を返すか、SyncVectorEnv を返すかを指定します。デフォルトは False です。
- hub_cache_dir (str | None) — ダウンロードされたハブファイル用の任意のキャッシュパス。
- trust_remote_code (bool) — Hub からのリモートコードの実行に対する明示的な同意。
デフォルトは False — Hub の
env.pyをインポート/実行するには True に設定する必要があります。
戻り値
dict[str, dict[int, gym.vector.VectorEnv]]
スイート名からインデックス付きベクトル化環境へのマッピング。
- マルチタスクベンチマーク（例: LIBERO）の場合: スイートごとに1エントリ、task_idごとに1つのvec envを作成します。
- 単一タスク環境の場合: task_id=0 の単一のスイートエントリ(cfg.type)。
例外
ValueError または ModuleNotFoundError
ValueError— が < 1ModuleNotFoundError— 要求されたenvパッケージがインストールされていない場合
設定またはHubの参照に基づいて、gymのベクトル環境を作成します。